Lucha contra el crimen financiero en 2022 (Steve Morgan)

Un gran tema para esto. Sibos (y la mayoría de los anteriores también) es cómo erradicar los delitos financieros sin interrumpir o degradar las experiencias de servicio de alta calidad para el
gran mayoría de clientes honestos (y muy importantes y valiosos).

Tal como está, el crimen financiero se está disparando y los bancos enfrentan cada vez más desafíos para administrar los riesgos de manera efectiva. Si bien esta no es exactamente una nueva tendencia para los servicios financieros, la velocidad con la que los estafadores están cambiando sus tácticas ha empujado a las organizaciones
a repensar sus procedimientos de seguridad y respuesta a actividades fraudulentas. 

Entonces, ¿cómo pueden salir adelante los bancos?

Los especialistas en delitos financieros están acostumbrados a aplicar motores de reglas para detectar casos, y cada vez más la inteligencia artificial (IA) y el aprendizaje automático mejoran aún más la detección y la gestión. Aplicación de inteligencia artificial y aprendizaje automático a la alerta de delitos financieros
La gestión ha llevado a resultados significativos, que incluyen reducciones en falsos positivos, detección mejorada de riesgos y mayor automatización a escala.

Un desafío operativo es cómo funcionan el fraude y los delitos financieros, a veces operan de forma independiente dentro de las empresas financieras. Este modelo puede haber sido apropiado hace años cuando los esquemas de fraude y delitos financieros eran diferentes y se gestionaban en consecuencia.
pero los factores actuales como los canales, las vías de pago y la descentralización han desdibujado la línea entre el fraude y los delitos financieros. 

En los últimos años, las instituciones financieras han invertido mucho en sistemas mejorados de monitoreo de detección, aprovechando las capacidades de FinTech que se especializan en inteligencia artificial y aprendizaje automático. Esta tendencia es un excelente ejemplo de las instituciones financieras
incorporando el mejor enfoque de su clase que une las inversiones en sistemas heredados con tecnologías más nuevas basadas en IA. 

La gran pregunta que se debe hacer es ¿cómo detectan y detienen los bancos los esquemas de lavado de dinero de manera efectiva sin arruinar la experiencia de servicio al cliente para los clientes? La clave es mantenerse ágil. Está muy bien contar con las tecnologías adecuadas, pero lo que es
igualmente importante es poder clasificar un incidente con precisión y eficiencia. Si bien nadie quiere estar expuesto al fraude, ya sea del cliente o del banco, es importante que la experiencia del cliente no sufra a expensas de ello. 

Entonces, en última instancia, lo que puede hacer es dirigir lo que pueda a la persona adecuada, mantener al cliente actualizado y minimizar sus pérdidas tanto del lado del cliente como del lado del banco. La lucha por la eficacia y la eficiencia aumenta aún más si se considera
los efectos de sistemas de detección dispares con diferentes niveles de automatización dentro de sus flujos de trabajo de gestión de casos. Esto no brinda una experiencia de usuario armonizada para los empleados bancarios responsables de estos resultados. 

A medida que las instituciones financieras continúan buscando reducir los costos operativos, la exposición al riesgo no se puede sacrificar en el proceso. Ya sea que las unidades de investigación estén operando en tierra, en tierra/costa afuera o algún otro modelo híbrido, el objetivo es
dirigir una alerta y/o caso al analista y/o investigador más adecuado para su complejidad, riesgo u otros factores. Esto permite a las empresas administrar adecuadamente el riesgo mientras controlan los costos operativos.