El crimen organizado, incluso grupos presentes en Latinoamérica, utiliza métodos sofisticados, como “mulas bancarias” y tecnologías avanzadas para evadir la detección de las instituciones financieras, lo que representa $3,1 billones de dólares en fondos ilícitos fluyendo a través del sistema financiero global.
Lynx Tech, empresa tecnológica que utiliza la Inteligencia Artificial (IA) para detectar y prevenir fraudes y delitos financieros, explica la relevancia de la detección de “mulas bancarias” en Latinoamérica, en respuesta al significativo incremento de actividades de lavado de dinero impulsadas por el crimen organizado y el uso de tecnologías sofisticadas.
“El crimen organizado en Latinoamérica está empleando métodos cada vez más elaborados para lavar dinero. Una de las tácticas más comunes utilizadas por los grupos delictivos es el uso de “mulas bancarias”, definidas por la Interpol como personas que, consciente o inconscientemente, ayudan a las organizaciones delictivas a blanquear sus beneficios, facilitando sus cuentas para recibir y transferir fondos fraudulentos para que se “legitimen”. Gracias a tecnologías avanzadas, las instituciones financieras pueden identificar y detener estas actividades, protegiendo tanto a las organizaciones como a sus clientes”, explica Juan Pablo Jiménez Isaza, director de ventas para Latinoamérica en Lynx Tech.
Las instituciones financieras (IF) en Latinoamérica enfrentan retos crecientes para identificar y detener los flujos de dinero ilícito en tiempo real, resultando en pérdidas financieras y riesgos de cumplimiento. Los grupos criminales utilizan cada vez más las “mulas bancarias” para lavar fondos ilegales, aprovechando avances en inteligencia artificial y aprendizaje automático para evadir la detección. Según el Nasdaq Verafin 2024 Global Financial Crime Report de 2023, se estima que $3,1 billones de dólares en fondos ilícitos fluyeron a través del sistema financiero global.
La rápida evolución de métodos como el fraude impulsado por IA, redes de movimientos transaccionales fraudulentos y el uso de identificaciones falsas, exige por parte de las entidades financieras, una respuesta igualmente avanzada para superar desafíos como:
- Uso de “mulas bancarias”: los grupos criminales emplean esta modalidad para mover fondos ilícitos de manera que resulta muy difícil de identificar sin tecnología avanzada. Por ejemplo, utilizan numerosas “mulas bancarias” para transferir pequeñas cantidades de dinero, lo que pasa desapercibido por los sistemas legacy. Sin embargo, el aprendizaje automático supervisado permite identificar en tiempo real las fuentes ilegales de fondos y las cuentas de las “mulas”, facilitando la detección de estas actividades ilegales.
- Ataques automatizados: el uso de aprendizaje automático por parte de grupos delictivos aumenta la complejidad de los ataques, dificultando la detección y permitiendo la intensificación de actividades criminales. La capacidad para identificar cambios y nuevas estrategias que se actualizan constantemente es un reto adicional para que las instituciones financieras garanticen la mayor precisión y mínimos falsos positivos.
- Fraude de pago por transferencia autorizada (APPF): en esta modalidad, los delincuentes convencen a las víctimas para que autoricen transferencias de dinero desde sus propias cuentas bancarias, a cuentas controladas por los estafadores. Este tipo de fraude afecta severamente a las IF, causando importantes pérdidas económicas y problemas operativos. Lynx aplica una puntuación de riesgo a las transacciones basadas en su probabilidad de estar asociadas a fuentes ilícitas como el APPF. Además, proporciona una vista de 360 grados del cliente y alerta sobre la actividad adicional de personas que puedan estar funcionando como “mulas”.
Para responder de manera efectiva a estos retos, las instituciones financieras deberían contemplar soluciones tecnológicas avanzadas contra el fraude y el lavado de dinero que permitan implementar medidas como:
- Monitoreo en tiempo real: gracias a la capacidad de la IA de evaluar grandes cantidades de datos en cuestión de milisegundos, es posible llevar a cabo una revisión minuciosa de cada transacción en tiempo real para identificar patrones sospechosos y actividades fraudulentas.
- Modelos adaptativos diarios (DAM): el aprendizaje automático (ML) permite tener actualizaciones continuas del modelo de detección para adaptarse a las nuevas técnicas utilizadas por los criminales, garantizando la precisión y minimizando los falsos positivos. Estos modelos se retroalimentan constantemente con listas de vigilancia de distintos organismos nacionales e internacionales, así como con las actividades sospechosas detectadas en el transcurso del tiempo.
- Bloqueo automático: con la detección y el bloqueo automático de cuentas identificadas como “mulas”, se detiene el flujo de fondos ilícitos y se protege tanto a las instituciones financieras como a sus clientes. De igual manera, es posible devolver los fondos fraudulentos a sus legítimos dueños, evitando así el flujo de dinero hacia los delincuentes.
“La implementación de tecnologías capaces de superar estos desafíos representa un avance significativo en la lucha contra el fraude y el lavado de dinero. Al bloquear las cuentas “mula” y devolver los fondos fraudulentos a sus legítimos propietarios, soluciones para detener el fraude y prevenir el lavado de dinero como la de Lynx no solo protegen a las instituciones financieras, sino que también contribuyen a la seguridad económica y social de la región”, concluye Juan Pablo Jiménez Isaza, director de ventas para Latinoamérica en Lynx Tech.