O KYC com inteligência artificial reduz riscos assimétricos para bancos ao automatizar a verificação de identidade, analisar padrões comportamentais e cruzar dados em tempo real. Isso minimiza fraudes, erros humanos e custos operacionais, enquanto acelera a conformidade regulatória. A IA detecta anomalias e lavagem de dinheiro de forma mais eficiente que processos manuais, equilibrando a assimetria de informações entre instituições e clientes.

_John Flowers atua como Chefe Global de Mercados Financeiros na eClerx. Com mais de 30 anos de experiência no setor de serviços de tecnologia financeira, ele ocupou diversos cargos executivos tanto na parte de tecnologia do negócio quanto na de relacionamento com clientes.

Descubra as principais notícias e eventos de fintech!

Assine a newsletter do FinTech Weekly

Lido por executivos do JP Morgan, Coinbase, Blackrock, Klarna e mais

O risco assimétrico representa uma ameaça constante para bancos, fintechs e outras empresas fortemente regulamentadas. Uma análise de due diligence incompleta sobre um único cliente que não identifique seu envolvimento em lavagem de dinheiro ou outros crimes pode levar a multas multimilionárias, danos à reputação e ações regulatórias nos mais altos níveis de liderança. Como até pequenos erros podem produzir consequências desproporcionais, eliminar pequenas lacunas nos processos de conheça seu cliente (KYC) é essencial para proteger tanto as instituições quanto seus stakeholders.

Tradicionalmente, uma conformidade eficaz de KYC e combate à lavagem de dinheiro (AML) exigia uma avaliação abrangente do risco do cliente durante a integração, seguida de monitoramento programado para alterações no perfil de risco ou comportamento, geralmente por meio de processos excepcionalmente manuais e propensos a atrasos. Agora, a IA e a automação tornam possível fortalecer o KYC e aprimorar a supervisão de AML usando dados em tempo real e permitindo uma abordagem mais proativa para a prevenção de crimes financeiros.

Quais são os papéis da IA na redução de riscos de KYC/AML?

Erros operacionais e penalidades estão ocorrendo apesar do investimento substancial dos bancos em processos e soluções de AML/KYC. A Juniper Research estimou os gastos globais com KYC em 2024 em US$ 30,8 bilhões no ano passado. No entanto, muitas instituições ainda dependem do processamento e atualização manual dos dados dos clientes, o que retarda a integração e atrasa atualizações que poderiam sinalizar mudanças no perfil de risco.

Automatizar alguns desses processos usando automação robótica de processos (RPA) baseada em regras pode acelerar as coisas, mas pode gerar altas taxas de falsos positivos que exigem mais tempo para revisões manuais. Enquanto isso, criminosos estão usando tecnologia avançada para evitar serem pegos pelos processos de KYC e AML. Com IA e dados de identidade roubados ou falsos, eles podem criar documentos e históricos que parecem reais o suficiente para enganar analistas e sistemas automatizados básicos.

Adicionar automação habilitada por IA e GenAI ao RPA pode ajudar os bancos a enfrentar esses desafios de várias maneiras.

1. Experiência de integração do cliente

Como parte do processo de KYC, as empresas fornecem aos novos clientes uma lista de documentos e dados necessários que não podem verificar de forma independente. Quando esses requisitos não são comunicados de forma eficaz, isso pode confundir os clientes e atrasar as aprovações. Isso é especialmente verdadeiro quando as informações solicitadas não estão claramente alinhadas com os requisitos regulatórios específicos da(s) jurisdição(ões), criando trabalho extra para os analistas que precisam resolver as discrepâncias.

Com um modelo de processamento de linguagem natural baseado em IA incorporado ao processo de integração, os bancos podem se comunicar de forma eficaz e solicitar as informações adequadas com base nas regulamentações específicas das jurisdições aplicáveis. O resultado é um processo de integração mais rápido e menos propenso a erros causados por alguém que marca a caixa errada ou envia documentos que não correspondem aos requisitos locais e internos. Isso pode impedir que lacunas e erros de dados entrem no sistema.

2. Detecção de fraudes de identidade

Modelos de visão computacional e detecção de identidade sintética baseados em IA podem sinalizar clientes cujos documentos ou históricos financeiros parecem ser falsos ou roubados, mesmo que pareçam legítimos para analistas humanos. Essas ferramentas sintetizam dados de várias fontes ao longo do tempo e conseguem ver conexões entre os dados que os humanos perderiam e que os mecanismos de regras tradicionais não conseguem decifrar. Elas correlacionam rapidamente a identidade do cliente com a atividade do mundo real e geram alertas quando aparecem discrepâncias para que os analistas investiguem.

3. Monitoramento em tempo real de KYC e AML

Manter os dados do cliente após a integração é um processo interminável. Monitorar as atividades do cliente na instituição, escanear notícias adversas sobre eles e entender quaisquer mudanças em suas redes de negócios é fundamental para evitar perder sinais de uma mudança no perfil de risco do cliente. Modelos GenAI podem orquestrar esse tipo de monitoramento em tempo real, ingerindo dados de várias plataformas e fontes de dados, definindo um perfil de risco básico para cada cliente e gerando alertas quando novos dados indicam uma mudança no perfil de risco.

4. Conformidade e relatórios

Soluções abrangentes de integração e monitoramento também fornecem aos bancos os insights de dados necessários para avaliar a conformidade com AML, identificar áreas de melhoria e gerar relatórios para stakeholders internos e reguladores. As soluções de relatórios GenAI não se limitam a ingerir grandes quantidades de dados e responder perguntas. Elas também podem ser treinadas para exibir as informações processadas usando gráficos e tabelas intuitivos, em painéis e em relatórios. Essa visibilidade permite que a liderança do banco identifique e interrompa problemas emergentes antes que se tornem grandes problemas.

5. Adaptação às mudanças tecnológicas e regulatórias

Sistemas de automação habilitados por GenAI e IA aprendem com suas entradas. Isso significa que podem ser treinados para se adaptar quando os bancos conectam novas fontes de dados e plataformas tecnológicas, sem exigir uma grande reformulação ou um longo processo de integração. Isso permite que as instituições obtenham mais valor de seus investimentos em IA ao longo do tempo.

A capacidade de aprendizado da IA também facilita para os bancos atualizarem seus requisitos quando as regulamentações mudam. Treinar e testar modelos de KYC de IA com novas diretrizes geralmente leva menos tempo do que atualizar manualmente plataformas não baseadas em IA. Também é mais rápido do que treinar analistas em novas diretrizes. A IA pode realmente ajudar nesse treinamento também, respondendo a perguntas simples ou resumindo as mudanças em formatos fáceis de ler. Os analistas podem rapidamente ter as informações atualizadas necessárias para seguir e aplicar consistentemente as novas políticas.

Reduzindo o risco assimétrico para KYC/AML com IA

Ferramentas de KYC e AML baseadas em IA representam o futuro da gestão de riscos financeiros. Elas podem limitar drasticamente a exposição dos bancos a riscos assimétricos hoje e também se adaptar a ambientes tecnológicos e regulatórios em evolução para se proteger contra ameaças futuras. Com os reguladores cada vez mais examinando o papel das instituições financeiras no crime internacional, e os criminosos se tornando mais hábeis em evitar os controles tradicionais de KYC e AML, integrar a IA nos fluxos de trabalho de KYC e AML é a maneira mais eficaz de as instituições fortalecerem a proteção agora e no futuro.