El inicio de la relación de negocios con un cliente es un punto vital para determinar el nivel de riesgo que presenta para la Fintech y a partir de allí determinar los siguientes pasos que permitan mitigarlo:
Listas Restrictivas:
Sentinel Advanced Watch List es una funcionalidad que contiene un algoritmo de búsqueda avanzado, el cual permite a las entidades financieras disminuir los falsos positivos cuando requieren aplicar la debida diligencia, validando clientes de forma individual o masiva contra listas restrictivas. Como parte del servicio se proveen listas estándar incluidas en Sentinel como OFAC, ONU, CIA PEP, además la entidad puede complementar el sistema cargando sus propias listas restrictivas locales o internacionales.
Riesgo del Cliente:
La matriz de riesgos de Sentinel permite parametrizar de forma completamente flexible, distintos factores cualitativos o cuantitativos que otorgan una calificación de riesgo al cliente, basados en las regulaciones de cada país y en las mejores prácticas. Esta calificación es recalculada en forma automática por el sistema, manteniendo un histórico de todas las variaciones que ha tenido a través del tiempo. El sistema habilita la definición hasta de nueve niveles de riesgo.
El riesgo del cliente se puede determinar en tiempo real durante el proceso de vinculación, lo cual permite establecer procedimientos más estrictos para aceptar su ingreso, así como en forma continua, una vez que ya es cliente de la Fintech.
Perfilamiento de Clientes, Empleados y Proveedores:
Sentinel habilita la generación de distintos criterios que conforman el perfil, cuya información tradicionalmente se obtiene de los formularios de conozca a su cliente, a su empleado o a su proveedor. El incremento de la actividad esperada sobre los perfiles definidos genera excepciones que son atendidas por los responsables a cargo.
El monitoreo de los distintos eventos realizados por el cliente, el empleado o el proveedor, es fundamental para descubrir comportamientos inusuales que podrían representar un riesgo de lavado de activos. Sentinel posee un conjunto de herramientas que tiene como objetivo la prevención y detección temprana:
Modelos Basados en Reglas:
El sistema presenta un editor de reglas que le facilita al usuario la construcción de modelos, agrupa condiciones, incluye listas, entre otros.
Comportamiento Estadístico:
Permite generar perfiles individuales para cada sujeto de análisis (cliente, producto financiero, etc), definidos como indicadores estadísticos basados en el comportamiento transaccional de cada uno de ellos. Estos perfiles pueden ser utilizados como insumo al momento de configurar los modelos de detección basados en reglas.
Patrones de Comportamiento Dinámico:
Es una nueva tecnología propietaria de Sentinel que permite la definición automática del perfil habitual del cliente y de la población a la que este pertenece. De esta forma, el sistema genera una alerta si el comportamiento detectado es “inusual” para el cliente, así como también si es “atípico” para la población a la que pertenece.
Análisis de Relaciones:
Permite el descubrimiento de patrones y relaciones ocultas de forma gráfica, facilitando los procesos de investigación, así como la detección de redes de crimen organizado. Analizando como fluye el dinero entre distintas cuentas y complementándolo con análisis de series de tiempo, el investigador puede notar fácilmente distintas tipologías de lavado.
Modelos Predictivos Basados en “Machine Learning”:
Sentinel Predictions provee un ambiente de diseño visual para construir rápidamente modelos de análisis predictivo para la prevención de lavado de dinero. Provee una completa librería de algoritmos de aprendizaje entre supervisados y no supervisados, preparación y exploración de datos, herramientas de validación y evaluación de modelos.
Adicionalmente provee una potente funcionalidad de “Auto Generación de Modelos”, que le permite a Sentinel crear y entrenar múltiples modelos automáticamente, comparar sus resultados y permitirle al usuario determinar cuáles desea establecer en un ambiente productivo. Ya no se requiere ser un Científico de Datos ni un experto Matemático o Estadístico para utilizar las más avanzadas técnicas de “Machine Learning”.
Procesos:
Sentinel habilita la automatización de labores y activación de flujos de trabajo según los eventos que genera el sistema, por ejemplo, si el riesgo de un cliente cambia de alto a muy alto, se puede establecer un proceso de debida de diligencia ampliada que le solicita al ejecutivo de cuenta, visitar al cliente y aplicar un formulario determinado, el cual será revisado posteriormente por la Unidad de Cumplimiento.
Sentinel habilita un monitoreo centralizado o descentralizado desde una perspectiva de prevención de lavado de dinero.
Con un enfoque descentralizado, las alertas o excepciones del cliente son transferidas a su ejecutivo de cuenta, gerente de sucursal o quien se designe, para que realice una primera gestión de debida diligencia. En este caso la Unidad de Cumplimiento se convierte en un estratega en la definición de modelos y riesgos para la institución, así como en la participación de las etapas más avanzadas del proceso, pero en la operativa y en las etapas iniciales se involucran a otras áreas de la Fintech. Sentinel brinda todas las herramientas para darle seguimiento y control cuando este enfoque es utilizado.
Por el contrario, con un enfoque centralizado, son los mismos analistas de la Unidad de Cumplimiento los encargados de hacer la labor de revisión de la actividad inusual y todas las etapas del proceso.
Una vez que el analista revisa la actividad que el sistema sugiere como inusual, puede generar casos que le permiten darle seguimiento a las transacciones y registrar todas las acciones durante el proceso de investigación.
El caso de investigación es el expediente digital que permite darle trazabilidad a todo el proceso de gestión de la actividad inusual del cliente: