Así usan los bancos la inteligencia artificial para cortar la financiación a los terroristas

Cada vez se usa menos dinero en efectivo. No es una casualidad que a medida que aumentan las facilidades de los sistemas de pago, como las tarjetas contactless, los pagos P2P con aplicaciones como Twyp, y apenas sobreviven los cheques y el efectivo para abonar nóminas, se quieran desterrar los billetes de 500 euros. Al mismo tiempo, en India, se eliminan los billetes de 500 y de 1.000 rupias, para luchar contra el dinero negro.

Al final se trata de eso. Una transacción se puede investigar, pero nadie controla el efectivo que pasa de mano en mano. El problema es que esta tendencia convierte a los bancos en postas intensamente transitadas, donde el dinero entra, sale y fluye a raudales. Y entre todo este tráfico de cifras hay actividades ilegales.

Hasta ahora los sistemas utilizados para identificar transferencias de dudosa índole se basaban en reglas básicas de programación. La clásica orden “si se cumple X haz Y” servía para seguir la pista al narcotráfico. Si un banco detecta una transacción de Miami a Bogotá por un millón de dólares, el sistema la marcaba automáticamente como sospechosa.

Pero en la lucha por cortar la financiación al terrorismo las cosas se complican. Un miembro de Daesh puede recibir una transferencia por una cuantía moderada, de unos pocos cientos de euros, que le servirá para vivir unas semanas en cualquier hostal de una capital europea. Aquí intervienen muchos más factores y se necesita inteligencia artificial para abarcarlos.

Concretamente los bancos emplean machine learning o aprendizaje automático para nadar entre la enorme cantidad de datos que se generan diariamente. Una de las empresas que presta este servicio a las entidades financieras es QuantaVerse, cuya tecnología trata de encontrar el lavado de dinero y la financiación al terrorismo.

Esta financiación se puede llevar a cabo de mil y una formas (tirando por lo bajo). Así que la búsqueda de patrones tiene que agudizarse. Tal vez una persona que haya entrado en la órbita de Daesh retire unos pocos euros de un cajero en Europa, pero también ha recibido una transferencia de Algeria y hace meses usó su tarjeta de débito en Líbano. Nada de esto es sospechoso, pero la suma de estas acciones podría animar al banco a investigar esa cuenta.

Solo un sistema de machine learning puede descubrir estos patrones. Y para ello tiene que estar entrenado. Así, un equipo de expertos designa a qué señales tiene que prestar atención el software, con el fin de completar el puzle cuando este exista. Ahí lanzará la alerta para que una cuenta o varias sean investigadas más en profundidad.

Entre los datos que estos sistemas tienen en cuenta está lo rápido que se mueve el dinero, hacia dónde se mueve y qué cantidades. Además, las nuevas herramientas de monitorización pueden llevar su análisis mucho más lejos. Mientras el software tradicional solo podía estudiar la información de los últimos 90 días, programas como el de QuantaVerse pueden analizar entre dos y tres años.