Mejora en PLD gracias a IA/ML: Una historia de éxito
Una empresa de servicios financieros en México, con sede en Ciudad de México, decide implementar un sistema de monitoreo transaccional con IA/ML para reducir los falsos positivos y mejorar la precisión de sus alertas. Anteriormente, sus equipos de análisis de riesgo debían revisar manualmente cada transacción sospechosa, lo que resultaba en un tiempo de respuesta lento y una alta carga de trabajo.
Antes de la implementación de IA/ML
- El equipo de análisis de riesgo recibía entre 50 a 100 alertas diarias, la mayoría de las cuales eran falsos positivos.
- Se requería un tiempo promedio de 2 horas para revisar cada alerta y determinar si era verdadera o falsa.
- Se producían rechazos de transacciones legítimas debido a la falta de claridad en las alertas.
Tras la implementación de IA/ML
- Se utiliza la plataforma IA/ML SaaS de TarantulaHawk.ai, que permite el monitoreo de transacciones en tiempo real y la identificación de patrones sospechosos.
- El algoritmo de IA/ML reduce los falsos positivos en un 80% al analizar factores como la frecuencia de transacciones, el monto de dinero involucrado y la historia de comportamiento del cliente.
- El tiempo de respuesta para las alertas verdaderas disminuye en un 90%, permitiendo a los equipos de análisis de riesgo concentrarse en casos más complejos y reduciendo la carga de trabajo.
Beneficios
- Reducción significativa de falsos positivos, lo que ahorra tiempo y recursos en la revisión de alertas.
- Mayor precisión en las alertas, lo que reduce la probabilidad de rechazar transacciones legítimas.
- Auditoría más simple, ya que el algoritmo de IA/ML proporciona un registro claro de las transacciones sospechosas y las razones por las que se han identificado como tal.
La implementación de IA/ML en la empresa de servicios financieros muestra cómo esta tecnología puede ser una herramienta valiosa en la prevención del lavado de dinero y la financiación del terrorismo.
Publicado automáticamente
Top comments (0)