Como a KYC impulsionada por IA pode reduzir o risco assimétrico para os bancos?

John Flowers atua como Global Head de Financial Markets na eClerx. Com mais de 30 anos de experiência no setor de serviços de tecnologia financeira, ele ocupou diversos cargos executivos tanto na área de tecnologia da empresa quanto no atendimento voltado a clientes.

Descubra as principais notícias e eventos de fintech!

Assine a newsletter do FinTech Weekly

Lida por executivos da JP Morgan, Coinbase, Blackrock, Klarna e mais

O risco assimétrico representa uma ameaça constante para bancos, fintechs e outras empresas altamente reguladas. Uma revisão incompleta de due diligence sobre um único cliente que deixa de considerar sua participação em lavagem de dinheiro ou outros crimes pode resultar em multas de vários milhões de dólares, danos à reputação e medidas regulatórias nos mais altos níveis da liderança. Como até pequenos erros podem gerar consequências desproporcionais, eliminar pequenas lacunas nos processos de know-your-customer (KYC) é essencial para proteger tanto as instituições quanto suas partes interessadas.

Tradicionalmente, a conformidade eficaz de KYC e anti-money laundering (AML) exigia uma avaliação abrangente do risco do cliente na etapa de onboarding, seguida de monitoramento agendado para mudanças no perfil de risco ou no comportamento — frequentemente por processos excepcionalmente manuais, que são propensos a atrasos. Agora, com IA e automação, é possível fortalecer o KYC e aprimorar a supervisão de AML usando dados em tempo real e adotando uma abordagem mais proativa na prevenção a crimes financeiros.

Quais são as funções da IA na redução de riscos de KYC/AML?

Erros operacionais e penalidades estão acontecendo apesar do grande investimento dos bancos em processos e soluções de AML/KYC. A Juniper Research estimou que os gastos globais com KYC em 2024 foram de US$ 30,8 bilhões no ano passado. Ainda assim, muitas instituições continuam dependendo de processamento manual e atualização dos dados dos clientes, o que reduz a agilidade no onboarding e atrasa atualizações que poderiam sinalizar mudanças no perfil de risco.

Automatizar parte desses processos usando automação robótica de processos (RPA) baseada em regras pode acelerar as coisas, mas pode gerar taxas elevadas de falsos positivos, exigindo mais tempo para análises manuais. Enquanto isso, criminosos usam tecnologia avançada para evitar ser identificados pelos processos de KYC e AML. Com IA e dados roubados ou falsos de identidade, eles conseguem criar documentos e históricos que parecem reais o bastante para enganar analistas e sistemas automatizados básicos.

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

1. Experiência no onboarding do cliente

Como parte do processo de KYC, as empresas fornecem aos novos clientes uma lista de documentos e dados exigidos que eles não conseguem verificar de forma independente. Quando essas exigências não são comunicadas com eficácia, isso pode confundir os clientes e atrasar aprovações. Isso é especialmente verdadeiro quando as informações solicitadas não se alinham claramente com os requisitos regulatórios específicos da(s) jurisdição(ões), gerando trabalho extra para analistas que então precisam resolver as inconsistências.

Com um modelo de processamento de linguagem natural de IA incorporado ao processo de onboarding, os bancos podem se comunicar de forma eficaz e solicitar as informações apropriadas com base nas regulamentações específicas das jurisdições aplicáveis. O resultado é um onboarding mais rápido, menos sujeito a erros causados por alguém marcar a opção errada ou enviar documentos que não correspondem às exigências locais e internas. Isso pode impedir lacunas de dados e erros antes que eles entrem no sistema.

2. Detecção de fraude de identidade

Modelos de detecção de identidade sintética e visão computacional com IA podem sinalizar clientes cujos documentos ou históricos financeiros parecem falsos ou roubados, mesmo que pareçam legítimos para analistas humanos. Essas ferramentas sintetizam dados de múltiplas fontes ao longo do tempo e conseguem ver conexões entre os dados que humanos não perceberiam e motores de regras tradicionais não conseguem decifrar. Elas correlacionam rapidamente a identidade de um cliente com atividades do mundo real e levantam alertas quando surgem discrepâncias para que os analistas investiguem.

3. Monitoramento contínuo de KYC e AML em tempo real

Manter os dados do cliente após o onboarding é um processo sem fim. Monitorar as atividades dos clientes junto à instituição, verificar notícias adversas sobre eles e entender quaisquer mudanças nas redes de negócios é crítico para não deixar sinais de mudança no perfil de risco do cliente passarem despercebidos. Modelos GenAI podem orquestrar esse tipo de monitoramento em tempo real ao ingerir dados de múltiplas plataformas e fontes de dados, estabelecer um perfil-base de risco para cada cliente e emitir alertas quando novos dados indicarem mudança no perfil de risco.

4. Conformidade e relatórios

Soluções abrangentes de onboarding e monitoramento também fornecem aos bancos as percepções de dados necessárias para avaliar a conformidade de AML, identificar áreas de melhoria e gerar relatórios para partes interessadas internas e reguladores. Soluções de relatórios com GenAI não se limitam a ingerir grandes volumes de dados e responder perguntas. Elas também podem ser ensinadas a exibir as informações processadas usando gráficos e tabelas intuitivos em painéis e relatórios. Essa visibilidade permite que a liderança do banco identifique e interrompa questões emergentes antes que se tornem grandes problemas.

** 5. Adaptação a mudanças tecnológicas e regulatórias**

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

A capacidade de aprendizagem da IA também facilita atualizar requisitos quando as regulamentações mudam. Treinar e testar modelos de KYC com IA em novas diretrizes normalmente leva menos tempo do que atualizar manualmente plataformas não-IA. Também é mais rápido do que treinar analistas sobre novas diretrizes. A IA pode ajudar nesse treinamento também, respondendo perguntas simples ou resumindo as mudanças em formatos fáceis de ler. Os analistas conseguem rapidamente ter as informações atuais de que precisam para seguir e aplicar consistentemente as novas políticas.

Reduzindo risco assimétrico em KYC/AML com IA

Ferramentas de KYC e AML baseadas em IA representam o futuro da gestão de riscos financeiros. Elas podem limitar de forma acentuada 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. À medida que os reguladores passam a examinar cada vez mais o papel das instituições financeiras em crimes internacionais, e que criminosos ficam mais habilidosos em contornar controles tradicionais de KYC e AML, integrar IA aos fluxos de trabalho de KYC e AML é a forma mais eficaz de as Instituições fortalecerem a proteção agora e no futuro.