Como é que a KYC orientada por IA pode reduzir o risco assimétrico para os bancos?

John Flowers exerce como Diretor-Geral Global de Mercados Financeiros na eClerx. Com mais de 30 anos de experiência no sector de serviços de tecnologia financeira, ocupou diversos cargos executivos tanto nos lados da tecnologia da empresa como junto de clientes.

Descubra as principais notícias e eventos de fintech!

Subscreva 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 análise de due diligence incompleta numa única cliente que falhe em identificar o envolvimento no branqueamento de capitais ou noutros crimes pode levar a coimas de vários milhões de dólares, danos reputacionais e medidas regulatórias nos mais altos níveis da liderança. Como até pequenos erros podem produzir consequências desproporcionadas, 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 na fase de onboarding, seguida de monitorização programada para alterações no perfil de risco ou comportamento, frequentemente através de processos excepcionalmente 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 de uma abordagem mais proativa à prevenção de crimes financeiros.

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

Estão a acontecer erros operacionais e a haver penalizações apesar do investimento substancial dos bancos em processos e soluções de AML/KYC. A Juniper Research estimou a despesa global com KYC em 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 mudanças no perfil de risco.

Automatizar alguns destes processos com regras-baseadas robotic process automation (RPA) pode acelerar as coisas, mas pode gerar taxas elevadas de falsos positivos que exigem mais tempo para análises 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 reais o suficiente para enganar analistas e sistemas automatizados básicos.

Adicionar automação com 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 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. Isto é especialmente verdade quando a informação solicitada não se alinha claramente com os requisitos regulamentares específicos da(s) jurisdição(ões), criando trabalho adicional para os analistas que, então, têm de resolver as discrepâncias.

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

2. Detetar 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 quando parecem legítimos para analistas humanos. Estas ferramentas sintetizam dados de múltiplas fontes ao longo do tempo e conseguem ver ligações entre os dados que humanos não veriam e que motores de regras tradicionais não conseguem decifrar. Correlacionam rapidamente a identidade de um cliente com atividade no mundo real e levantam alertas quando surgem discrepâncias para que os analistas possam investigar.

3. Monitorização em tempo real de KYC e AML

Manter os dados do cliente após o onboarding é um processo sem fim. Monitorizar as atividades do cliente com a instituição, detetar notícias adversas sobre o cliente e compreender quaisquer alterações nas redes de negócio é fundamental para evitar falhar sinais de mudança no perfil de risco do cliente. Os modelos GenAI conseguem orquestrar este tipo de monitorização em tempo real, ao ingerirem dados de múltiplas plataformas e fontes de dados, estabelecerem um perfil base de risco para cada cliente e levantarem alertas quando os novos dados indicam uma alteração no perfil de risco.

4. Conformidade e reporte

Soluções abrangentes de onboarding e monitorização também fornecem aos bancos as perceções de dados necessárias 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 grandes quantidades de dados e a responder a perguntas. Também podem ser ensinadas a apresentar a informação processada usando gráficos e tabelas intuitivos, em painéis e em relatórios. Esta visibilidade permite à liderança do banco identificar e travar problemas emergentes antes de se tornarem grandes.

** 5. Adaptar-se a mudanças tecnológicas e regulatórias**

Sistemas de automação com GenAI e 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 replatagem nem de um processo de integração moroso. Isso permite que as instituições extraiam 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 a regulamentação muda. Treinar e testar modelos de KYC com IA em novas diretrizes normalmente demora menos do que atualizar manualmente plataformas que não usam IA. É também mais rápido do que treinar analistas em novas diretrizes. A IA pode ainda ajudar neste treino, respondendo a perguntas simples ou resumindo as mudanças em formatos fáceis de ler. Os analistas conseguem rapidamente ter a informação atual de que precisam para seguir e fazer cumprir de forma consistente as 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 reduzir de forma acentuada a exposição dos bancos a riscos assimétricos hoje e também adaptar-se a ambientes tecnológicos e regulatórios em evolução para se proteger contra 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 capazes de 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.