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

John Flowers desempenha o cargo de Diretor Global de Mercados Financeiros na eClerx. Com mais de 30 anos de experiência no sector de serviços de tecnologia financeira, ocupou várias funções executivas tanto nos aspectos tecnológicos do negócio como em frentes voltadas para o cliente.

Descubra as principais notícias e eventos de fintech!

Subscreva a newsletter do FinTech Weekly

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

O risco assimétrico representa uma ameaça constante para bancos, fintechs e outras empresas fortemente reguladas. Uma análise de due diligence incompleta sobre um único cliente que falhe ao identificar o seu envolvimento em branqueamento de capitais ou noutros crimes pode resultar em coimas de vários milhões de dólares, danos reputacionais e medidas regulatórias nos mais altos níveis da liderança. Como até pequenos erros podem produzir consequências tão amplificadas, eliminar pequenas lacunas nos processos de know-your-customer (KYC) é essencial para proteger tanto as instituições como as suas partes interessadas.

Tradicionalmente, a conformidade eficaz em KYC e anti-money laundering (AML) exigia uma avaliação abrangente do risco do cliente aquando do onboarding, seguida de monitorização agendada para mudanças no perfil de risco ou no comportamento, frequentemente através de processos excecionalmente manuais que são propensos a atrasos. Agora, a IA e a automação tornam possível reforçar o KYC e melhorar a supervisão de AML através do uso de dados em tempo real e permitindo uma abordagem mais proactiva na prevenção de crimes financeiros.

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

Estão a ocorrer erros operacionais e a aplicação de penalizações apesar do investimento significativo dos bancos em processos e soluções de AML/KYC. A Juniper Research estimou a despesa global em KYC de 2024 em $30.8 mil milhões no ano passado. Ainda assim, muitas instituições continuam a depender do processamento manual e da atualização dos dados dos clientes, o que abranda o onboarding e atrasa atualizações que poderiam sinalizar alterações no perfil de risco.

A automatização de alguns destes processos através de automação robótica de processos (RPA) baseada em regras pode acelerar as coisas, mas pode gerar taxas elevadas de falsos positivos que exigem 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, podem criar documentos e históricos que parecem suficientemente reais para iludir analistas e sistemas automatizados básicos.

A adição de automação habilitada por IA e GenAI à RPA pode ajudar os bancos a enfrentar estes desafios de várias formas.

1. Experiência de onboarding do cliente

Como parte do processo KYC, as empresas fornecem aos novos clientes uma lista de documentos e dados necessários que não conseguem verificar de forma independente. Quando estes requisitos não são comunicados de forma eficaz, isso pode confundir os clientes e atrasar as aprovações. Isto é especialmente verdade quando a informação solicitada não corresponde claramente às exigências regulamentares específicas da(s) jurisdição(ões), criando trabalho adicional para os analistas que depois têm de resolver as discrepâncias.

Com um modelo de processamento de linguagem natural por IA incorporado no processo de onboarding, os bancos podem comunicar eficazmente e solicitar as informações adequadas com base em regulamentações específicas das jurisdições aplicáveis. O resultado é um processo de onboarding mais rápido e menos propenso a erros causados por alguém que assinala a opção errada ou envia documentos que não correspondem aos requisitos locais e internos. Isto pode parar lacunas de dados e erros antes de entrarem no sistema.

2. Detectar fraude de identidade

Modelos de deteção de identidade sintética e visão computacional com 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 ligações entre os dados que os humanos não veriam, e que os motores de regras tradicionais não conseguem decifrar. Correlacionam rapidamente uma identidade de cliente com atividade no mundo real e levantam alertas quando surgem discrepâncias para que os analistas possam investigar.

3. Monitorização KYC e AML em tempo real

Manter os dados dos clientes após o onboarding é um processo sem fim. Monitorizar as atividades dos clientes com a instituição, analisar notícias adversas sobre eles e compreender quaisquer alterações nas suas redes de negócio é crítico para evitar falhar sinais de uma mudança no perfil de risco do cliente. Modelos GenAI podem orquestrar este tipo de monitorização em tempo real, ao ingerir dados de múltiplas plataformas e fontes de dados, definir um perfil base de risco para cada cliente e emitir alertas quando novos dados indicam uma alteração no perfil de risco.

4. Conformidade e reporte

Soluções abrangentes de onboarding e monitorização também dão aos bancos as perceções de dados de que precisam para avaliar a conformidade com AML, identificar áreas de melhoria e gerar relatórios para partes interessadas internas e reguladores. As soluções de reporting com GenAI não se limitam a ingerir quantidades massivas de dados e responder a perguntas. Também podem ser ensinadas a apresentar a informação processada através de gráficos e tabelas intuitivos, em painéis (dashboards) e em relatórios. Esta visibilidade permite à liderança bancária identificar e parar questões emergentes antes de se tornarem problemas graves.

** 5. Adaptar-se a alterações tecnológicas e regulamentares**

Sistemas GenAI e de automação habilitados por IA aprendem com as suas entradas. Isso significa que podem ser treinados para se adaptarem quando os bancos ligam novas fontes de dados e plataformas tecnológicas, sem necessidade de uma grande migração de plataforma (replatforming) nem de um processo de integração longo. Isto permite às instituições extrair mais valor dos seus investimentos em IA ao longo do tempo.

A capacidade de aprendizagem da IA também facilita para os bancos atualizarem os seus requisitos quando as regulamentações mudam. Treinar e testar modelos de KYC com IA em novas diretrizes normalmente demora menos tempo do que atualizar manualmente plataformas não-IA. É também mais rápido do que treinar analistas em novas diretrizes. A IA pode, na verdade, ajudar também com esta formação, respondendo a perguntas simples ou resumindo as alterações em formatos fáceis de ler. Os analistas podem rapidamente ter a informação atual de que precisam para seguir e aplicar consistentemente novas políticas.

Reduzir o risco assimétrico em KYC/AML com IA

As ferramentas de KYC e AML com IA representam o futuro da gestão do risco financeiro. Podem limitar de forma acentuada a exposição dos bancos a riscos assimétricos hoje e, além disso, adaptar-se a ambientes tecnológicos e regulamentares em evolução para se proteger de ameaças futuras. Com os reguladores a escrutinar cada vez mais o papel das instituições financeiras no crime internacional, e com os criminosos a tornarem-se mais hábeis a contornar controlos tradicionais de KYC e AML, integrar IA nos fluxos de trabalho de KYC e AML é a forma mais eficaz de as Instituições reforçarem a proteção agora e no futuro.