Los bancos y otras entidades financieras tienen hoy en día departamentos especializados para investigar a sus clientes y así detectar si poseen algún vínculo con el terrorismo y otros delitos y si sus cuentas sirven para financiar esta actividad. Una de las herramientas para detectar estas relaciones entre clientes y blanqueo de capitales es la búsqueda en los diarios digitales.

Por esta razón el estudiante de la maestría en Estadística de la Universidad de Costa Rica Felipe Jiménez Leandro, creó una aplicación que automatiza estas búsquedas y cuya innovación recientemente obtuvo el premio al mejor estudio presentado en el VI Concurso de monografía en materia de prevención del lavado de activos en el financiamiento del terrorismo, otorgado por la Federación Latinoamericana de Bancos (Felaban), en el marco del XX Congreso Hemisférico que se realizó en Panamá.

La estadística, la matemática y la informática se unen en esta ocasión para poder manejar de manera alternativa un proceso que por lo general se realiza manualmente y no cubre todo el espectro de eventos reportados en la web.

Mediante este sistema, que analiza todas las noticias que se pueden encontrar por medio de los buscadores en Internet, incluyendo los sitios de noticias y las redes sociales de manera que un banco o grupo financiero podrá detectar a clientes, gestores o proveedores que tengan contenido relacionado con estos temas.

Si el sistema encuentra algún vínculo, se envía una alerta al departamento de cumplimiento y se analizarían las alertas para verificar si es un caso relevante o un falso positivo y de comprobarse el vínculo se procede a cerrar la cuenta y a realizar una denuncia a las autoridades respectivas, según la severidad del caso.

El modelo de Jiménez fue probado con un 98% de éxito en la muestra de validación, utilizando para ello los nombres de individuos ya conocidos por sus actividades confirmadas en el tema de lavado de dinero. Lo cual indica que solamente el 2% de las alertas generarían falsos positivos.

Para poner en práctica esta aplicación se utilizan tres tecnologías: las arañas web (web crawling), el Procesamiento del Lenguaje Natural (NLP) y statistical learning.  


Más información