La inteligencia artificial que pretende frenar la financiación del terrorismo

QuantaVerse ha desarrollado un sistema de monitorización e identificación de finanzas criminales

FOTOLIA

02/08/2017
Actualizado 25/09/2017 a las 09:36h.

La firma tecnológica con sede en Pensilvania QuantaVerse ha desarrollado una inteligencia artificial para monitorizar e identificar los delitos financieros, desde las transacciones ligadas a grupos terroristas hasta el lavado de dinero . Algunos bancos están planeando integrar esta IA llamada «WIRED» para identificar movimientos sospechosos ... y cortar fondos a yihadistas.

El director de análisis de delitos financieros de QuantaVerse, Dan Stitt, defiende este sistema como «un enfoque quirúrgico para encontrar una aguja en un pajar». A lo que añade que el Daesh suele hacer pequeños pagos a los lobos solitarios muy difíciles de rastrear , «no se necesita mucho para sobrevivir en un albergue en Bélgica mientras se espera para ser trasladado a otro lugar».

QuantaVerse ha sido diseñado para anticiparse a las operaciones bancarias sospechosas , además de hacer frente a transacciones fraudulentas. Para lo que también verifica los datos del historial y los contrastar con otras cuentas para rectificar cálculos incorrectos .

La inteligencia artificial recurre a los últimos siete años de varios bancos globales y a través de los primeros experimentos asignarle el rol a la IA de identificar la diferencia entre patrones de comportamiento «correctos» e «incorrectos». El sistema es capaz de analizar periodos de entre dos y tres años , lo contrario al software actual que solo abarca 90 días.

Ante la dispersión de los lobos solitarios que reciben pequeñas cantidades de dinero difíciles de rastrear, la dificultad por parte de los banco para mantener un seguimiento de las amenazas se hace incipiente. Las actuales herramientas anti-lavado de dinero se queda obsoletas , por lo que todo parece indicar que la IA será un gran aliado en la lucha contra el crimen .

Machine Learning

Los bancos están recurriendo cada vez más a sistemas Machine Learning para extraer datos internos y encontrar anomalías que de otro modo podrían pasar desapercibidas. La disciplina ha empezado a despegar, pero hay mucho potencial en este tipo de herramientas. Las máquinas son capaces de considerar múltiples puntos de datos adicionales y analizarlos en formas que los humanos no pueden.

Hasta ahora, los bancos empleaban reglas nemotécnicas básicas de programación como pudiera ser el marcado de una transacción desde Miami a Bogotá por un millón de dólares como sospechosa y de necesidad de análisis.