Um quadro regulamentar forte impulsionará a adoção da IA contra o branqueamento de capitais

37% dos inquiridos referem a falta de um imperativo regulamentar como o principal obstáculo à adoção da IA, segundo estudo levado a cabo pelo SAS, KPMG e ACAMS

À medida que as instituições financeiras globais implementam ferramentas de IA e de Machine Learning, vão descobrindo os benefícios que estas tecnologias podem trazer aos seus negócios. Sendo que estão também a evoluir as regulamentações e as estratégias dos cibercriminosos quando cometem crimes. Por este motivo, a utilização da IA para ajudar nos processos de Combate ao Branqueamento de Capitais (AML) é fundamental para as instituições bancárias.

Um novo estudo, elaborado pelo SAS, KPMG e pela Associação de Especialistas Certificados em Combate ao Branqueamento de Capitais (ACAMS) a nível global, destaca que, embora o interesse por estas tecnologias seja elevado, a sua implementação continua limitada.

A necessidade de uma regulamentação que acompanhe a inovação

Num mundo onde as estratégias de cibercrime são cada vez mais frequentes e sofisticadas, é necessário que as empresas melhorem também as soluções tecnológicas que lhes permitam enfrentá-los. Isto é especialmente imperativo no mundo financeiro. No entanto, o relatório mostra que apenas 18% das empresas inquiridas têm soluções de IA/ML em produção e 40% delas não têm planos atuais para adotar a IA/ML. Este dado evidencia uma adoção ainda incipiente, embora com sinais de aceleração a curto prazo.

Perante estes dados de mais de metade dos inquiridos sem intenção de adotar a IA e o Machine Learning, surge a questão de saber qual é o impedimento. Neste sentido, embora as restrições orçamentais continuem a ser relevantes (34%), a falta de um imperativo regulamentar tornou-se o principal obstáculo, referido por 37% dos inquiridos fora da Europa. Isto sugere que muitas organizações estão à espera de sinais claros por parte dos reguladores antes de investir nestas tecnologias.

Os profissionais reguladores estão a concentrar a sua atenção na compreensão profunda dos riscos e benefícios da adoção de IA e ML, razão pela qual a promoção da inovação nestas ferramentas caiu para 51%, em comparação com 66% em 2021. Na verdade, o aumento da percentagem de reguladores considerados "apreensivos" ou "cautelosos" (de 28% para 36%) e "resistentes à mudança" (de 6% para 13%) abre a porta ao desenvolvimento de regulamentações mais informadas e eficazes que pode orientar a inovação de forma responsável e sustentável.

O mesmo não acontece com a inteligência artificial generativa (GenAI), onde quase metade das empresas a está a explorar: 45% já estão a interagir e a fazer experiências com ela. Embora os restantes 55% não tenham planos para a sua adoção, o seu potencial a longo prazo e a sua rápida evolução continuam a ser fatores a ter em conta.

IA como aliada contra o branqueamento de capitais

Não há como negar o facto de que a luta contra o branqueamento de capitais e a fraude sempre foi uma prioridade crítica para as instituições bancárias. Neste sentido, a utilização de tecnologias avançadas é cada vez mais prevalente, facilitando consideravelmente a LBC e 86% das organizações inquiridas estão a realizar alguma forma de integração entre processos de combate ao branqueamento de capitais, fraude e segurança da informação. Por outro lado, como se viu acima, a adoção é irregular a nível global e, para desbloquear todo o potencial da IA ​​e do ML, é necessário alcançar a integração de dados e operações.

Timo Purkott, Global Fraud and Financial Crime Transformation Lead da KPMG, afirma: "A IA e o ML não são uma solução mágica, mas estão a revelar-se especialmente estratégicos nas áreas que requerem grandes quantidades de informação, como a automatização de alertas ou a geração de avaliações de risco. As organizações que investem em infraestruturas robustas de gestão de dados são capazes de maximizar o potencial destas ferramentas e, assim, manter-se à frente das ameaças cibernéticas".

A aplicação de tecnologias de Machine Learning tem vindo a ganhar relevância no contexto da atividade de compliance em Portugal, oferecendo novas possibilidades na monitorização de riscos, deteção de comportamentos suspeitos e cumprimento das obrigações legais e regulamentares. Estas ferramentas permitem analisar grandes volumes de dados, identificar padrões irregulares e automatizar processos de controlo interno, aumentando a eficiência e a eficácia das funções de compliance. O recurso a algoritmos inteligentes tem facilitado a deteção de atividades de branqueamento de capitais, financiamento do terrorismo e outras infrações, assegurando uma resposta mais célere e precisa às exigências da legislação nacional e europeia, nomeadamente as Diretivas contra o Branqueamento de Capitais (AMLD) e o Regulamento Geral sobre a Proteção de Dados (RGPD).

No entanto, a adoção de Machine Learning no âmbito do compliance em Portugal ainda enfrenta alguns desafios. A escassez de dados estruturados e a necessidade de garantir a explicabilidade das decisões automatizadas impõem obstáculos técnicos e legais às instituições. O Banco de Portugal, por exemplo, não proíbe a utilização de Inteligência Artificial (IA) ou Machine Learning, mas exige uma diligência acrescida, especialmente no que respeita à transparência dos modelos, à gestão de riscos e ao cumprimento do princípio da proporcionalidade. Adicionalmente, a cultura organizacional, muitas vezes marcada por uma abordagem conservadora, e a escassez de profissionais com competências específicas em ciência de dados e regulação, dificultam a integração célere desta tecnologia. Apesar disso, o contexto atual é favorável à transformação digital, e várias iniciativas públicas e privadas têm vindo a impulsionar a modernização da função de compliance, abrindo caminho à consolidação do Machine Learning como uma ferramenta estratégica nesta área.”

A IA e o ML permitem uma melhor segmentação do portfólio que proporciona maior precisão e eficiência. Certas técnicas melhoram a cobertura de riscos e a identificação de atividades suspeitas desconhecidas ou complexas. Além disso, com a IA/ML é possível priorizar alertas relevantes e recursos operacionais dedicados ao processo de combate ao branqueamento de capitais. Espera-se que a GenAI melhore a eficiência das investigações, ajudando a denunciar atividades suspeitas, agilizando-as e dotando-as de maior consistência. Exemplos como o el banco francés Treezor mostram que uma plataforma de monitorização de branqueamento de capitais baseada em IA fornece estes valores de forma tangível, no nosso ambiente sob a regulamentação da UE.

“Muitas instituições financeiras enfrentam dificuldades em antecipar novas ameaças e novos riscos decorrentes de crimes financeiros, ao mesmo tempo que tentam adaptar-se aos requisitos dinâmicos das regulamentações contra o branqueamento de capitais e manter a sua competitividade no mercado. A nossa missão é fornecer uma solução abrangente que permita escalar, com IA e ML para ser mais eficiente, que permita responder rapidamente às mudanças, dar autonomia às áreas de compliance e reduzir elevados custos operacionais”, explica Carla Miranda, Principal Business Solution Manager no SAS nas áreas de Fraud & Compliance.