¿Por qué aún es lenta la adopción de IA en la lucha contra el lavado de dinero?

En un momento donde los delitos financieros evolucionan con rapidez, la inteligencia artificial (IA) y el aprendizaje automático (ML) emergen como herramientas clave para combatir el lavado de dinero. Sin embargo, su adopción en el sector financiero sigue siendo limitada por factores regulatorios, presupuestarios y estratégicos.

(M&T)-. Un reciente estudio realizado por SAS, KPMG y la Asociación de Especialistas Certificados en Prevención de Lavado de Dinero (ACAMS), basado en encuestas a 850 profesionales, revela que solo el 18% de las instituciones financieras ya ha implementado soluciones de IA/ML, mientras que otro 18% se encuentra en fase piloto y un 25% planea integrarlas en los próximos 12 a 18 meses. A pesar del interés, el 40% de las organizaciones aún no contempla su implementación.

La principal ventaja de estas tecnologías está en su capacidad para analizar grandes volúmenes de datos, detectar patrones inusuales y automatizar alertas, reduciendo los falsos positivos que saturan los sistemas actuales de monitoreo. Según el informe, el 38% de los encuestados señala como prioridad reducir falsos positivos, seguido por la automatización del enriquecimiento de datos (25%) y la detección de nuevos riesgos (23%).

No obstante, la falta de un marco regulatorio claro sigue siendo un freno considerable: el 37% de los participantes lo menciona como el principal obstáculo, seguido de limitaciones presupuestarias (34%). A esto se suma una percepción cambiante de los reguladores, que, según el estudio, han reducido su apoyo a la innovación en IA, con solo el 51% de los encuestados creyendo que la fomentan, frente al 66% en 2021.

Otro desafío en retroceso es la falta de talento especializado, que en 2021 era una preocupación destacada, pero hoy solo es mencionada por el 11% de los participantes, lo que indica una mejora en la formación y disponibilidad de profesionales en tecnologías de prevención.

Además: Innovación y sostenibilidad: Estrategias frente a la gentrificación social en pymes

A pesar de estos retos, el 86% de las organizaciones ya ha logrado integración parcial entre los procesos de prevención de lavado de dinero (PLD), fraude y ciberseguridad, lo cual representa una ventaja competitiva para fortalecer su capacidad de detección temprana.

Expertos como Stu Bradley, de SAS, subrayan que el paso esencial es establecer un ecosistema de datos robusto, que permita conectar fuentes internas y externas de información. Con ello, las instituciones que adopten estas tecnologías con una adecuada gobernanza pueden convertirse en líderes en la lucha contra el crimen financiero, elevando sus niveles de cumplimiento, eficiencia y confianza del cliente.

En América Latina, donde el lavado de activos sigue siendo una amenaza creciente, la incorporación de IA podría marcar un antes y un después en la vigilancia financiera. No obstante, se requiere una mayor articulación entre reguladores, instituciones y proveedores tecnológicos para que la transformación digital avance al ritmo de los riesgos que enfrenta la región.