Las noticias recientes basadas en miles de informes de actividades sospechosas, destacaron con dureza el área de práctica contra el lavado de dinero cuando salieron a la luz en septiembre. Los profesionales del cumplimiento normativo ahora, de manera muy razonable, se preguntan acerca de las posibles repercusiones de esta toma negativa en su arduo trabajo. ¿Se enfrentarán a un escrutinio más estricto, nuevas regulaciones, culpabilidad criminal o simplemente vagos insultos de sus vecinos medio informados?
Esto es lo que vemos de primera mano en la mayoría de las organizaciones de gestión de riesgos bancarios: muchas personas inteligentes y responsables están tratando de hacer todo lo posible con los sistemas heredados y las fuentes de datos fragmentadas.
Lo curioso de esta cobertura mediática: una vez que superas los titulares sensacionales y los gráficos dramáticos, hay una historia que suena a verdad. Dar sentido a los datos en una colección de SAR es una bestia de proyecto.
De hecho, hay un artículo completo en la serie original sobre el enorme esfuerzo por organizar y analizar la información. El proceso de investigación tomó un consorcio de más de 80 periodistas, utilizando herramientas tecnológicas personalizadas, durante más de un año. Esta frase en particular sobre el análisis de la sección narrativa de los SAR saltó a la vista: «Intentamos escribir programas de computadora para extraer automáticamente esta información crucial, pero rápidamente descubrimos que no era posible».
Si aborda esta historia con una mentalidad empática, no tiene que conectar demasiados puntos para ver un gran paralelo: los reporteros, los equipos de cumplimiento, las fuerzas del orden y los reguladores se ven envueltos en el lío de los datos. Existe cierto grado de incertidumbre sobre el futuro de la regulación ALD, pero está absolutamente claro que unos datos más limpios ayudarían a todos (excepto a los delincuentes).
Los profesionales de cumplimiento han estado luchando con el problema de los datos durante bastante tiempo. Las oleadas de consolidación de fusiones y adquisiciones durante las últimas décadas han llevado a fuentes dispares de datos sin procesar encerrados en sistemas heredados y formatos propietarios. El alcance de las complicaciones puede ser abrumador para los profesionales más decididos, talentosos y éticos.
Los equipos de cumplimiento necesitan amplios recursos y tiempo para limpiar los datos. En contraste con la imagen de los medios de la apatía corporativa, muchos de los bancos más grandes están interesados en el problema subyacente y han estado invirtiendo en migraciones a «lagos de datos», almacenes consolidados de datos no estructurados donde es posible utilizar API, scripts y análisis modernos.
A nivel ejecutivo y de la junta, estas iniciativas necesitan un fuerte apoyo a largo plazo. A nivel de equipo, las personas que luchan directamente con estos problemas a diario deben dividir el desafío en pasos manejables. Aquí hay media docena de puntos focales de datos ALD para clasificar el pasado digital y preparar a su institución financiera para un futuro basado en datos.
Información estructurada: asegúrese de que la información del investigador, como categorizaciones, decisiones y otros hallazgos, se capturen como datos estructurados que se puedan analizar para análisis.
Formatos legibles por máquina: almacene la documentación de respaldo en un repositorio centralizado en formatos legibles por máquina. Es mucho más fácil trabajar con hojas de cálculo y datos tabulares que con documentos escritos o formatos propietarios como PDF.
Esquemas estandarizados: organice la información del caso en un esquema de datos estandarizado, agregando estructura a cosas como perfiles de sujetos, transacciones, información de cuentas, direcciones e información de dispositivos (como direcciones IP).
API modernas: asegúrese de que las herramientas que utiliza para el cumplimiento normativo tengan API modernas que estén bien documentadas y actualizadas.
Extractos resumidos: elija herramientas que vayan más allá de los cuadros y gráficos y proporcionen extractos de datos resumidos en formatos tabulares o legibles por máquina, por ejemplo, API o descargas .csv de información y hallazgos de casos importantes.
Interoperabilidad: busque sistemas que puedan conectar de forma nativa los hallazgos de su caso con las fuentes del caso. Por ejemplo: ¿El sistema de gestión de cumplimiento acepta las alertas de monitoreo de transacciones y luego le permite ver los resultados de esas alertas en un formato estructurado?
Algunos de estos imperativos, aunque están orientados al cumplimiento ALD, probablemente también podrían aplicarse a otras áreas de práctica intensivas en datos dentro de una institución financiera. La cobertura mediática más optimista en la banca tiende a resaltar las fronteras de la IA. Los objetivos de vanguardia sirven para inspirarnos y motivarnos, pero la verdad sobre el terreno es que todavía hay muchos procesos bancarios que carecen de automatización básica.
Los datos fragmentados han sido un desafío recurrente para convertir procesos manuales en sistemas automatizados. La tecnología jugará un papel central en cómo la industria financiera avanza con el cumplimiento, y estas soluciones necesitarán consumir grandes cantidades de datos. Es posible que no sepamos exactamente qué cambios regulatorios se avecinan, pero hacer lo que podamos ahora mismo para mejorar la calidad de los conjuntos de datos existentes y en expansión valdrá la pena el esfuerzo en una amplia gama de resultados potenciales.
Joe Robinson es co-CEO y cofundador, y Lyn Farrell es asesora de estrategia regulatoria en Hummingbird.