Del manual a la maravilla: cómo impulsar la gestión de cumplimiento bancario

Los organismos reguladores están intensificando las acciones de cumplimiento debido a las infracciones en las regulaciones bancarias. Esto puede significar estrés y noches sin dormir para los líderes bancarios que luchan por proteger los activos y a los clientes, y evitar sanciones.

¿Le resulta familiar? Es una tarea desafiante por varias razones:

• Los procesos consumen muchos recursos: las investigaciones en contra del lavado de dinero (AML), sobre el conocimiento de clientes (KYC) o sobre fraude dependen en gran medida de tareas manuales, como la obtención de datos, la revisión de documentos y la redacción de informes. Esta ineficiencia genera demoras en la investigación de alertas, lo que a su vez aumenta los riesgos financieros y normativos.
• Los sistemas están fragmentados: muchos sistemas bancarios no están interconectados, lo que genera múltiples transferencias y tareas que se deben activar de manera manual. Además, los bancos implementaron soluciones puntuales para actividades como la verificación de identidad, pero dependen del trabajo manual para integrar estas herramientas en flujos de trabajo integrales. A veces, los investigadores deben realizar muchas tareas repetitivas para sortear la brecha entre los sistemas, y deben volver a ingresar datos de un sistema a otro.
• La recopilación de datos implica múltiples transferencias: los investigadores deben consultar distintas fuentes internas (como historiales de las cuentas y registros de servicio de atención al cliente), y datos externos (como registros corporativos, listas de sanciones y redes sociales). Por lo general, este proceso se lleva a cabo en orden secuencial, lo que prolonga el tiempo necesario para completar las investigaciones.

La automatización de procesos con agentes puede realizar hasta el 80% de las tareas

En el pasado, los bancos implementaron la automatización robótica de procesos (RPA) para automatizar hasta el 40% de las tareas. Ahora, hay una nueva oportunidad para transformar aún más los procesos: la automatización de procesos con agentes (APA), que no solo incorpora la capacidad de automatizar acciones, sino también la capacidad de razonar y aprender mediante el uso de la IA generativa.

Mientras que las herramientas de IA para la productividad personal solo funcionan en tareas simples dentro de una única pila de aplicaciones, la APA abarca un flujo de trabajo completo, lo que les permite a los usuarios automatizar hasta el 80% de las tareas.

Las revisiones para evitar el lavado de dinero aún dependen del trabajo manual

Por ejemplo, piense en una revisión típica de un caso de AML, como se muestra en la Figura 1. Muchos bancos ya utilizan la automatización para extraer datos de los sistemas internos y externos; sin embargo, la mayor parte del proceso restante todavía es manual.

El investigador debe hacer lo siguiente:

• Revisar minuciosamente grandes volúmenes de información.
• Ingresar datos en aplicaciones internas de manera manual.
• Identificar otras entidades que parezcan estar conectadas con el solicitante.
• Tomar una decisión basada en la experiencia profesional.
• Crear una descripción de la investigación y la decisión para la documentación interna y la revisión normativa.
• Crear un informe de actividad sospechosa (SAR), si es necesario.
• Actualizar los sistemas de gestión de cumplimiento interno.

Figura 1: Un flujo de trabajo contra el lavado de dinero (AML) típico con automatización limitada.

La IA generativa optimiza el proceso de revisión de la actividad AML

APA organiza bots y agentes de IA para automatizar la mayor parte de este flujo de trabajo, como se muestra en la Figura 2. Basado en las fuentes de datos recopiladas de manera automática, la IA generativa extrae elementos clave de datos, identifica otras entidades que necesitan investigarse y crea un resumen con la descripción de toda la información recopilada.

Los investigadores humanos pasan mucho tiempo revisando información sobre un caso, pero la IA ayuda a acelerar la revisión al crear un resumen con la descripción de toda la información recopilada y resaltar los factores de riesgo más importantes. Un agente de IA de recomendación de investigación revisa la información recopilada y proporciona una recomendación sobre las acciones para mitigar el riesgo.

Figura 2: La automatización de procesos con agentes (APA) automatiza la investigación AML de manera integral, con intervención humana para revisar las recomendaciones y tomar decisiones.

Luego, un humano en el circuito revisa la recomendación junto con el resumen con la descripción y la información de respaldo, y toma la decisión. El rol del investigador se transforma de uno que es principalmente administrativo (recopila y procesa datos) a uno en el que puede centrarse en la calidad de las decisiones, utilizando la IA para evaluar la información con mayor rapidez.

La brecha entre las formas antiguas y nuevas de gestionar los procesos de cumplimiento puede parecer, al principio, bastante grande. Pero puede implementar la APA por etapas, lo que le permite realizar avances, mitigar riesgos y agregar valor en cada etapa. Antes de que lo note, habrá alcanzado niveles de eficiencia y gestión de riesgos que nunca imaginó posibles.

Obtenga más información sobre nuestras soluciones para servicios financieros aquí.