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

John Flowers é o Diretor Global de Mercados Financeiros na eClerx. Com mais de 30 anos de experiência no setor de serviços de tecnologia financeira, desempenhou vários cargos executivos tanto no lado tecnológico do negócio quanto no de relacionamento com clientes.

Descubra as principais notícias e eventos de fintech!

Subscreva a newsletter da FinTech Weekly

Lida por executivos do JP Morgan, Coinbase, Blackrock, Klarna e muito mais

O risco assimétrico representa uma ameaça constante para bancos, fintechs e outras empresas altamente regulamentadas. Uma verificação de due diligence incompleta sobre um único cliente que não detete o seu envolvimento em branqueamento de capitais ou outros crimes pode levar a multas de milhões de dólares, danos reputacionais e ações regulatórias ao mais alto nível de liderança. Como mesmo pequenos erros podem ter consequências desproporcionais, eliminar pequenas falhas nos processos de conhecer o cliente (KYC) é essencial para proteger tanto as instituições como os seus stakeholders.

Tradicionalmente, uma conformidade eficaz em KYC e combate ao branqueamento de capitais (AML) exigia uma avaliação abrangente do risco do cliente durante a integração, seguida de monitorização programada de alterações no perfil de risco ou comportamento, muitas vezes através de processos excecionalmente manuais e propensos a atrasos. Agora, a IA e a automação tornam possível fortalecer o KYC e melhorar a supervisão AML, utilizando dados em tempo real e permitindo uma abordagem mais proativa à prevenção do crime financeiro.

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

Os erros operacionais e as penalizações ocorrem apesar do investimento substancial dos bancos em processos e soluções AML/KYC. A Juniper Research estimou os gastos globais com KYC em 2024 em 30,8 mil milhões de dólares no ano passado. No entanto, muitas instituições ainda dependem do processamento e atualização manual dos dados dos clientes, o que atrasa a integração e as atualizações que poderiam sinalizar alterações no perfil de risco.

Automatizar alguns destes processos usando automação robótica de processos (RPA) baseada em regras pode acelerar as coisas, mas pode gerar elevadas taxas de falsos positivos que exigem mais tempo para revisões manuais. Entretanto, os criminosos estão a usar tecnologia avançada para evitar serem apanhados pelos processos KYC e AML. Com IA e dados de identidade falsos ou roubados, 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 estes desafios de várias formas.

1. Experiência de integração do cliente

Como parte do processo KYC, as empresas fornecem aos novos clientes uma lista de documentos e dados exigidos que não conseguem verificar de forma independente. Quando estes requisitos não são comunicados de forma eficaz, podem confundir os clientes e atrasar as aprovações. Isto é especialmente verdade quando a informação solicitada não está claramente alinhada com os requisitos regulamentares específicos da(s) jurisdição(ões), criando trabalho extra para os analistas que depois têm de resolver as discrepâncias.

Com um modelo de processamento de linguagem natural de IA incorporado no processo de integração, os bancos podem comunicar eficazmente e solicitar a informação adequada 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 opção errada ou submete documentos que não correspondem aos requisitos locais e internos. Isto pode impedir lacunas e erros nos dados antes de entrarem no sistema.

2. Deteção de fraude de identidade

Os modelos de visão computacional e deteção de identidades sintéticas alimentados por IA podem sinalizar clientes cujos documentos ou históricos financeiros parecem ser falsos ou roubados, mesmo que pareçam legítimos aos 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 os motores de regras tradicionais não conseguem decifrar. Correlacionam rapidamente a identidade de um cliente com a 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 a integração é um processo contínuo. Monitorizar as atividades dos clientes com a instituição, pesquisar notícias adversas sobre eles e compreender quaisquer alterações nas suas redes de negócios é fundamental para evitar perder sinais de uma mudança no perfil de risco do cliente. Os modelos GenAI podem orquestrar este tipo de monitorização em tempo real, ingerindo dados de várias plataformas e fontes de dados, definindo um perfil de risco base para cada cliente e levantando alertas quando novos dados indicam uma alteração no perfil de risco.

4. Conformidade e relatórios

Soluções abrangentes de integração e monitorização também fornecem aos bancos as perceções de dados necessárias para avaliar a conformidade 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 a perguntas. Também podem ser ensinadas a exibir a informação processada usando gráficos e tabelas intuitivas, em painéis de controlo e em relatórios. Esta visibilidade permite que a liderança do banco identifique e pare problemas emergentes antes que se tornem grandes problemas.

5. Adaptação a mudanças tecnológicas e regulatórias

Os sistemas de automação habilitados por GenAI e IA aprendem com as suas entradas. Isto significa que podem ser treinados para se adaptarem quando os bancos conectam novas fontes de dados e plataformas tecnológicas, sem exigir uma grande reestruturação ou um longo processo de integração. Isto 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 IA KYC 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 também ajudar nesta formação, respondendo a perguntas simples ou resumindo as alterações em formatos fáceis de ler. Os analistas podem rapidamente ter a informação atualizada necessária para seguir e aplicar consistentemente novas políticas.

Reduzir o risco assimétrico para KYC/AML com IA

As ferramentas KYC e AML alimentadas por IA representam o futuro da gestão de risco financeiro. Podem limitar drasticamente a exposição dos bancos a riscos assimétricos atualmente e também adaptar-se a ambientes tecnológicos e regulatórios em evolução para proteger contra ameaças futuras. Com os reguladores a examinar cada vez mais o papel das instituições financeiras no crime internacional, e os criminosos a tornarem-se mais hábeis em evitar os controlos tradicionais de KYC e AML, integrar a IA nos fluxos de trabalho de KYC e AML é a forma mais eficaz de as instituições fortalecerem a proteção agora e no futuro.