Banca

CNBV usa programa de análisis de big data para evitar lavado de dinero

La Comisión Nacional Bancaria y de Valores (CNBV) opera una plataforma piloto con el modelo SupTech (supervisión tecnológica) para recopilar y analizar millones de datos sobre los clientes y las operaciones en el sistema financiero para detectar factores de riesgos para prevenir fraude o lavado de dinero a través de machine learning.

“Esa plataforma ya está hoy en operación. La conectamos cuando llegamos a visita en las supervisiones ordinarias y hacemos un copy-paste conectándola a la máquina. La máquina nos da resultados y después contrastamos los resultados de los auditores-inspectores. Si nos dice que hay una diferencia abismal, nos falta por calibrar todavía. Estamos en ese proceso de prueba”, compartió Sandro García Rojas Castillo, Vicepresidente de Supervisión de Procesos Preventivos de la CNBV, durante el foro sobre desarrollo social y tecnológico realizado por la consultoría GMC 360 focalizada en prevención de lavado de dinero.

García Rojas ejemplificó con un banco que tenga 20 millones de clientes. Como órgano de la Secretaría de Hacienda que debe supervisar entidades del sistema financiero, debe analizar y validar apellidos, sucursales y números de cuenta para detectar operaciones inusuales.

La plataforma de la CNBV, luego de analizar y almacenar big data, identifica de manera más fácil y rápido los factores de riesgo a través del machine learning, por ejemplo, aperturas de cuentas con operaciones remotas que sacan dinero en efectivo y no vuelven a ser utilizadas.

“Identificar factores de riesgo es un factor bien complejo. Qué es riesgo para quién. Hay algunos elementos naturales de riesgo, pero el entendimiento de los riesgos es quizás una de las tareas donde más énfasis vamos a poner en esta administración”, dijo el Vicepresidente de Supervisión de Procesos Preventivos.

La plataforma con modelo SupTech está en fase piloto desde septiembre rumbo a 45 procesos de conciliación.

“Vamos a usar tableros para leer esa información con zonas geográficas, tipo de clientes y tipo de operaciones de mayor riesgo. La máquina va aprendiendo, va siendo predictiva y es mucho más fácil llegar a conclusiones sobre corrupción”, dijo.

De acuerdo con la CNBV, entre los factores de riesgo para detectar operaciones con recursos de procedencia ilícita en el sistema financiero resaltan el ocultamiento de origen e identidad del propietario real de los recursos, uso de familiares o cercanos como destinatarios de los recursos y acciones, comportamiento atípico como alto uso de efectivo o no retiro de cuenta de nómina, y el uso de empresas fachada.
Con información de SinEmbargo

Leave a Response