Como pode a KYC impulsionada por IA reduzir o risco assimétrico para os bancos?

John Flowers atua como Diretor Global de Mercados Financeiros na eClerx. Com mais de 30 anos de experiência no setor de serviços de tecnologia financeira, ocupou vários cargos executivos tanto na área de tecnologia quanto na de relacionamento com clientes.

Descubra as principais notícias e eventos do setor fintech!

Subscreva a newsletter do FinTech Weekly

Lido por executivos da JP Morgan, Coinbase, Blackrock, Klarna e mais

O risco assimétrico representa uma ameaça constante para bancos, fintechs e outros negócios altamente regulados. Uma revisão incompleta de due diligence de um único cliente, que deixe de identificar envolvimento em branqueamento de capitais ou outros crimes, pode resultar em multas de milhões de dólares, danos à reputação e ações regulatórias de alto nível. Mesmo erros pequenos podem gerar consequências desproporcionais, por isso eliminar pequenas lacunas nos processos de Conheça seu Cliente (KYC) é fundamental para proteger as instituições e seus stakeholders.

Tradicionalmente, a conformidade eficaz com KYC e combate ao branqueamento de capitais (AML) exigia uma avaliação completa do risco do cliente na fase de onboarding, seguida de monitoramento periódico para detectar mudanças no perfil ou comportamento, muitas vezes através de processos altamente manuais e propensos a atrasos. Agora, a IA e a automação possibilitam fortalecer o KYC e aprimorar a supervisão do AML usando dados em tempo real e adotando uma abordagem mais proativa na prevenção de crimes financeiros.

Qual o papel da IA na redução de riscos de KYC/AML?

Erros operacionais e penalidades continuam ocorrendo apesar do investimento substancial dos bancos em processos e soluções de AML/KYC. A Juniper Research estimou que os gastos globais com KYC em 2024 atingiram US$ 30,8 bilhões no ano passado. Ainda assim, muitas instituições dependem de processamento manual e atualização de dados de clientes, o que desacelera o onboarding e atrasa atualizações que poderiam identificar mudanças no perfil de risco.

Automatizar alguns desses processos usando automação robótica de processos baseada em regras (RPA) pode acelerar as operações, mas pode gerar altas taxas de falsos positivos, exigindo mais tempo para revisões manuais. Enquanto isso, criminosos usam tecnologia avançada para evitar serem detectados pelos processos de KYC e AML. Com IA e dados de identidade falsos ou roubados, eles podem criar documentos e históricos que parecem reais o suficiente para enganar analistas e sistemas automatizados básicos.

A adição de automação habilitada por IA e GenAI ao RPA pode ajudar os bancos a enfrentar esses desafios de várias maneiras.

1. Experiência de onboarding do cliente

Como parte do processo de KYC, as empresas fornecem aos novos clientes uma lista de documentos e dados que não podem verificar de forma independente. Quando esses requisitos não são comunicados de forma clara, podem confundir os clientes e atrasar aprovações. Isso é especialmente verdadeiro quando as informações solicitadas não se alinham claramente com os requisitos regulatórios específicos da(s) jurisdição(ões), criando trabalho adicional para os analistas que precisam resolver as discrepâncias.

Com um modelo de processamento de linguagem natural (PLN) de IA integrado ao processo de onboarding, os bancos podem comunicar-se de forma eficaz e solicitar as informações adequadas com base nas regulamentações específicas das jurisdições aplicáveis. O resultado é um processo de onboarding mais rápido e menos propenso a erros causados por alguém marcar a caixa errada ou enviar documentos que não correspondem aos requisitos locais e internos. Isso pode evitar lacunas e erros de dados antes que eles entrem no sistema.

2. Detecção de fraude de identidade

Modelos de visão computacional alimentados por IA e detecção de identidade sintética podem sinalizar clientes cujos documentos ou históricos financeiros parecem falsos ou roubados, mesmo que pareçam legítimos para analistas humanos. Essas ferramentas sintetizam dados de múltiplas fontes ao longo do tempo, identificando conexões entre os dados que os humanos poderiam perder, e que os motores de regras tradicionais não conseguem decifrar. Elas correlacionam rapidamente a identidade do cliente com atividades no mundo real e levantam alertas quando discrepâncias aparecem, permitindo que os analistas investiguem.

3. Monitoramento em tempo real de KYC e AML

Manter os dados do cliente após o onboarding é um processo contínuo. Monitorar as atividades do cliente na instituição, buscar notícias adversas e entender mudanças na rede de negócios é fundamental para evitar perder sinais de alteração no perfil de risco do cliente. Modelos de GenAI podem coordenar esse monitoramento em tempo real, ingerindo dados de múltiplas plataformas e fontes, estabelecendo um perfil de risco base para cada cliente e gerando alertas quando novos dados indicam uma mudança nesse perfil.

4. Conformidade e relatórios

Soluções abrangentes de onboarding e monitoramento também fornecem às instituições os insights de dados necessários para avaliar a conformidade com AML, identificar áreas de melhoria e gerar relatórios para stakeholders internos e reguladores. As soluções de relatórios com GenAI não se limitam a ingerir grandes volumes de dados e responder perguntas. Elas também podem ser treinadas para exibir as informações processadas por meio de gráficos e dashboards intuitivos, facilitando a visualização e análise. Essa visibilidade permite que a liderança identifique e interrompa problemas emergentes antes que se tornem crises maiores.

5. Adaptação às mudanças tecnológicas e regulatórias

GenAI e sistemas de automação habilitados por IA aprendem com suas entradas. Isso significa que podem ser treinados para se adaptar quando os bancos conectam novas fontes de dados e plataformas tecnológicas, sem necessidade de uma reestruturação completa ou processos de integração longos. Assim, as instituições podem extrair mais valor de seus investimentos em IA ao longo do tempo.

A capacidade de aprendizagem da IA também facilita a atualização dos requisitos quando as regulamentações mudam. Treinar e testar modelos de IA de KYC com novas diretrizes geralmente leva menos tempo do que atualizar plataformas não-AI manualmente. É também mais rápido do que treinar analistas sobre novas regras. A IA pode ajudar nesse treinamento, respondendo a perguntas simples ou resumindo as mudanças em formatos de fácil leitura. Assim, os analistas podem rapidamente acessar as informações atuais necessárias para seguir e aplicar novas políticas de forma consistente.

Reduzindo o risco assimétrico de KYC/AML com IA

Ferramentas de KYC e AML alimentadas por IA representam o futuro da gestão de riscos financeiros. Elas podem limitar significativamente a exposição dos bancos a riscos assimétricos atualmente e também se adaptar a ambientes tecnológicos e regulatórios em evolução para proteger contra ameaças futuras. Com reguladores cada vez mais atentos ao papel das instituições financeiras no crime internacional, e criminosos cada vez mais habilidosos em evitar controles tradicionais de KYC e AML, integrar IA aos fluxos de trabalho de KYC e AML é a maneira mais eficaz para as instituições fortalecerem a proteção agora e no futuro.