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

John Flowers é o Chefe Global de Mercados Financeiros na eClerx. Com mais de 30 anos de experiência no setor de serviços de tecnologia financeira, ele ocupou vários cargos executivos tanto no lado tecnológico da empresa como no lado de atendimento ao cliente.

Descubra as principais notícias e eventos fintech!

Subscreva-se na newsletter da FinTech Weekly

Lida por executivos do JP Morgan, Coinbase, Blackrock, Klarna e outros

O risco assimétrico representa uma ameaça constante para bancos, fintechs e outros negócios fortemente regulamentados. Uma revisão de diligência devida incompleta sobre um único cliente que ignora o seu envolvimento em lavagem de dinheiro ou outros crimes pode levar a multas de milhões de dólares, danos à reputação e ações regulatórias nos mais altos níveis de liderança. Porque até pequenos erros podem produzir essas consequências desproporcionais, eliminar pequenas lacunas nos processos de conhecer o cliente (KYC) é essencial para proteger tanto as instituições como os seus stakeholders.

Tradicionalmente, a conformidade eficaz com KYC e com a legislação de combate à lavagem de dinheiro (AML) exigiu uma avaliação abrangente do risco do cliente durante o processo de integração, seguida de monitorização programada para alterações no perfil de risco ou comportamento, muitas vezes através de processos excepcionalmente manuais que são propensos a atrasos. Agora, a IA e a automação tornam possível fortalecer o KYC e melhorar a supervisão do AML utilizando dados em tempo real e permitindo uma abordagem mais proativa à prevenção de crimes financeiros.

Quais são os papéis da IA na redução do risco KYC/AML?

Erros operacionais e penalizações estão a ocorrer apesar do investimento substancial dos bancos em processos e soluções de AML/KYC. A Juniper Research estimou que o gasto global em KYC em 2024 seria de 30,8 mil milhões de dólares no ano passado. No entanto, muitas instituições ainda dependem do processamento manual e da atualização dos dados dos clientes, o que retarda a integração e atrasa atualizações que poderiam sinalizar alterações no perfil de risco.

Automatizar alguns desses processos utilizando automação de processos robóticos (RPA) baseada em regras pode acelerar as coisas, mas pode gerar altas taxas de falsos positivos que requerem mais tempo para revisões manuais. Entretanto, criminosos estão a usar tecnologia avançada para evitar serem apanhados pelos processos de KYC e AML. Com IA e dados de identidade roubados ou falsos, conseguem criar documentos e históricos que parecem suficientemente reais 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 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 conseguem verificar de forma independente. Quando esses requisitos não são comunicados de forma eficaz, podem confundir os clientes e atrasar aprovações. Isso é especialmente verdadeiro quando a informação solicitada não se alinha claramente com os requisitos regulatórios específicos da(s) jurisdição(ões), criando trabalho extra para os analistas que devem então resolver as discrepâncias.

Com um modelo de processamento de linguagem natural de IA incorporado no processo de integração, os bancos podem comunicar-se de forma eficaz e solicitar a informação apropriada com base nas regulamentações específicas das jurisdições aplicáveis. O resultado é um processo de integração mais rápido que é menos propenso a erros causados por alguém que marca a caixa errada ou submete documentos que não correspondem aos requisitos locais e internos. Isso pode parar lacunas de dados e erros antes de entrarem no sistema.

2. Detecção de fraude de identidade

Modelos de detecção de identidade sintética e visão computacional impulsionados por IA podem sinalizar clientes cujos documentos ou históricos financeiros parecem ser falsos ou roubados, mesmo que pareçam legítimos para analistas humanos. Estas ferramentas sintetizam dados de múltiplas fontes ao longo do tempo, e conseguem ver conexões entre os dados que os humanos perderiam, e que motores de regras tradicionais não conseguem decifrar. Eles correlacionam rapidamente a identidade de um cliente com atividade do mundo real e levantam bandeiras quando surgem discrepâncias para que os analistas possam investigar.

3. Monitorização KYC e AML em tempo real

Manter os dados dos clientes após a integração é um processo interminável. Monitorizar as atividades dos clientes com a instituição, escaneando notícias adversas sobre eles, e compreendendo quaisquer alterações nas suas redes empresariais é crítico para evitar perder sinais de uma mudança no perfil de risco do cliente. Modelos de GenAI podem orquestrar esse tipo de monitorização em tempo real ao ingerir dados de múltiplas plataformas e fontes de dados, estabelecendo um perfil de risco base para cada cliente e levantando alertas quando novos dados indicam uma mudança no perfil de risco.

4. Conformidade e relatórios

Soluções abrangentes de integração e monitorização também fornecem aos bancos as informações necessárias para avaliar a conformidade com AML, identificar áreas para 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 a perguntas. Elas também podem ser ensinadas a exibir as informações processadas utilizando gráficos e tabelas intuitivas, em painéis e relatórios. Esta visibilidade permite à liderança bancária identificar e parar problemas emergentes antes que se tornem grandes problemas.

** 5. Adaptando-se a mudanças tecnológicas e regulamentares**

Sistemas de automação habilitados por IA e GenAI aprendem com os seus inputs. 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 dos seus investimentos em IA ao longo do tempo.

A capacidade de aprendizagem da IA também facilita a atualização dos requisitos dos bancos 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-AI. É também mais rápido do que treinar analistas em novas diretrizes. A IA pode realmente ajudar com este treinamento também, respondendo a perguntas simples ou resumindo as alterações em formatos de fácil leitura. Os analistas podem rapidamente ter as informações atuais de que precisam para seguir e aplicar consistentemente novas políticas.

Reduzindo o risco assimétrico para KYC/AML com IA

Ferramentas de KYC e AML impulsionadas por IA representam o futuro da gestão de risco financeiro. Elas podem limitar drasticamente a exposição dos bancos a riscos assimétricos hoje e também se adaptar a ambientes tecnológicos e regulamentares em evolução para proteger contra ameaças futuras. Com os reguladores a escrutinar cada vez mais o papel das instituições financeiras no crime internacional, e os criminosos a tornarem-se mais habilidosos em evitar controles tradicionais de KYC e AML, integrar IA nos fluxos de trabalho de KYC e AML é a forma mais eficaz para as instituições fortalecerem a proteção agora e no futuro.