Foto: Sergio F Cara (NotiPress/Composición)
Incorporar una herramienta de inteligencia artificial (IA) no vuelve automáticamente más eficaz la vigilancia bancaria contra el lavado de dinero. Cuando una institución trabaja con información incompleta, modelos sin supervisión o personal que desconoce sus límites, la tecnología puede multiplicar alertas poco útiles y crear una falsa sensación de control.
Este riesgo ya aparece en evaluaciones regulatorias. La Autoridad Bancaria Europea (EBA) informó en julio de 2025 que más de la mitad de las fallas graves de cumplimiento registradas en su base EuReCA involucraron un uso inadecuado de herramientas RegTech. Entre las causas identificó la falta de experiencia y supervisión durante su implementación.
Christopher Ghenne, Global Lead Banking Compliance de SAS, explicó en entrevista con NotiPress que la discusión suele comenzar por la herramienta más visible y no por las condiciones necesarias para utilizarla.
"La mayoría de la gente piensa que la IA es ChatGPT y ya está. La IA es mucho más que un modelo de lenguaje", señaló.
Datos incompletos multiplican alertas inútiles
Antes de incorporar asistentes generativos de IA, los bancos necesitan resolver problemas relacionados con la calidad de los datos, la identificación de clientes y la calibración de sus sistemas. Una persona puede tener cuentas, tarjetas, préstamos y otros productos registrados por separado. Si la institución no integra esa información, cada operación puede analizarse sin considerar el comportamiento financiero completo.
"Antes de hablar de cualquier IA, la calidad de los datos es importante", afirmó Ghenne. El especialista explicó que la resolución de entidades permite construir un perfil único y posteriormente comparar al cliente con grupos de características semejantes.
A partir de esa segmentación, los bancos pueden adaptar los escenarios de monitoreo y umbrales de alerta utilizados para detectar operaciones sospechosas. De acuerdo con Ghenne, este proceso puede reducir entre 30% y 40% los falsos positivos, es decir, operaciones que activan una revisión pese a no estar vinculadas con una actividad ilícita.
La reducción no representa únicamente una mejora técnica. Cada alerta innecesaria consume tiempo de investigadores y personal de cumplimiento que podría concentrarse en movimientos con mayores indicios de riesgo. Un volumen elevado también puede dificultar la identificación de patrones relevantes dentro de miles de expedientes.
Supervisión humana después de implementar la tecnología
El funcionamiento de un modelo de inteligencia artificial debe revisarse de manera continua. Los métodos criminales, los hábitos de los clientes y los canales de pago cambian, por lo que una herramienta eficaz al momento de su implementación puede perder precisión posteriormente.
Ghenne señaló que las instituciones necesitan equipos de gobernanza de IA capaces de comprobar desviaciones, revisar resultados y recibir retroalimentación de quienes investigan las alertas. La IA generativa puede utilizarse después para resumir información o reunir evidencias, pero no sustituye los escenarios de detección ni la validación del modelo.
La Autoridad Bancaria Europea (EBA) también advirtió que organizaciones criminales emplean IA para automatizar esquemas de lavado, falsificar documentos y evadir controles. Frente a ese escenario, comprar más tecnología sin fortalecer los procesos internos puede ampliar la distancia entre la capacidad prometida y los resultados reales.
Para Ghenne, la adopción responsable debe seguir una secuencia concreta: mejorar los datos financieros, integrar los perfiles de clientes, segmentar comportamientos, calibrar las alertas y conservar la revisión humana antes de automatizar decisiones.
DESCARGA LA NOTA SÍGUENOS EN GOOGLE NEWS
