Conozca su mundo: cerrar el círculo de la diligencia debida (Frank Cummings)

Las instituciones financieras de todo el mundo han mejorado los procedimientos de Diligencia debida del cliente/Conozca a su cliente hasta el punto de ser puro arte. En algunos casos, las instituciones recopilan más de 600 campos de información individuales y algunas utilizan más de 14 interfaces de datos para respaldar
una combinación de sistemas internos y proveedores de datos externos. Está llegando al punto en que sabemos más acerca de nuestros clientes, sus partes relacionadas y sus propietarios de lo que sabemos acerca de nosotros mismos. Pero como dice el dicho, "Ninguna buena acción queda sin castigo", y CDD/KYC
no termina con la recopilación de datos solo sobre los clientes.

Todo ese trabajo de diligencia debida (la recopilación de preguntas, las interfaces de datos y los servicios de ping, el análisis de relaciones extendidas, el marcado y el seguimiento) probablemente deba repetirse para mitigar el riesgo de manera más completa y realista. pienso
este enfoque más amplio como "Conozca su mundo" o KYW.

En KYW, tiene varias categorías principales que necesitan diligencia debida:

1. Clientes
2. Todas las partes relacionadas de los clientes
3. Proveedores
4. Empleados
5. Managers
6. Aplicaciones de IA/ML
7. Todas las relaciones conocidas entre categorías distintas de la categoría 2 a la categoría 1

Toda la diligencia debida que realiza con todas las categorías tiene un propósito: identificar y mitigar el riesgo de delitos financieros.

Hablemos un poco sobre las categorías adicionales en un enfoque KYW:

Proveedores: No hay diferencia en el nivel de diligencia debida que haría con un proveedor que con un cliente. Comprenda y mitigue los innumerables riesgos que plantean los proveedores.

Empleados y gerentes: Este es el problema con el que la mayoría de las personas en instituciones financieras tienen problemas: “¿Por qué querríamos hacer esto? Estos son empleados y directivos de la institución”. La diligencia debida que hace con los empleados y gerentes es diferente, pero
es solo la diligencia debida para establecer cuál es el comportamiento esperado de los empleados o gerentes. Más tarde, de manera similar a cómo monitorea los datos de sus clientes cuando busca un comportamiento inesperado, haría lo mismo con los empleados y gerentes. estas monitoreando
los datos, no el cliente o el empleado. Solo cuando se activa una bandera de comportamiento preocupante, las personas adecuadas lo saben para hacer un seguimiento.

Aplicaciones de IA: esta es la categoría que al principio hace que las personas hagan una doble toma, hasta que se detienen y lo piensan. En una industria que sigue el modelo "Muéstrame" literalmente en cada proceso y procedimiento que hacemos, la IA parece ser una excepción, un problema
excepción.

 Comencemos por enmarcar de qué estamos hablando cuando decimos aplicaciones de IA. Los sistemas de inteligencia artificial que ves regularmente en los dramas de televisión son solo vehículos ficticios para el entretenimiento; la verdadera máquina pensante aún está lejos. 

Lo que a menudo llamamos IA tiende realmente a ser ML o aprendizaje automático. Y aunque no es inteligente de forma independiente, puede aprender. Ahí es donde radica el problema en una industria de mostrarme. 

Hay tres métodos de los que un algoritmo informático puede aprender ahora: aprendizaje supervisado, refuerzo y no supervisado. El método supervisado parece ser el más transparente porque ve los datos que se usaron para entrenar el sistema. Este método está limitado
en las reglas que puede aplicar, y debe crear todas las condiciones en los datos que lo alimenta. 

Una segunda opción es el método de refuerzo, que requiere validación humana a medida que aprende. 

Luego llegamos al salvaje oeste: el aprendizaje sin supervisión. El aprendizaje no supervisado es tal como suena. En no supervisado, le das los datos al algoritmo y dejas que el sistema descubra según las reglas que proporcionas con respecto a lo que significan los datos. Esta es la razón por
necesitaría incorporar, evaluar el riesgo y monitorear sus aplicaciones de ML/IA. Dado el imperativo de mostrarme de la industria, puede pensar que sabe lo que están haciendo sus aplicaciones ML/AI, pero no puede probarlo muy fácilmente. 

Relaciones desconocidas: las relaciones no obvias o desconocidas entre sus diferentes categorías pueden no significar nada o pueden ser el momento Ah-Ha para legitimar o deslegitimar el comportamiento de alguien.

En conclusión, un enfoque de Conozca su mundo toma una mirada más amplia y más profunda a las fuentes de riesgo grave en su institución. Y debido a que se trata de un control del comportamiento a través de datos, podemos controlar el riesgo sin ser demasiado invasivo o injusto con las personas.
Cuando hacemos un seguimiento del comportamiento, nunca miramos al sujeto. Más bien, buscamos el comportamiento o diferentes comportamientos evidentes en los datos. Y cuando los encontramos, entonces, y solo entonces, el comportamiento está vinculado a una entidad de algún tipo: un cliente, un proveedor o un AI/ML.
Solicitud.