Un enfoque para la solución del fraude y blanqueo de capitales
La clave para el control del crimen, dentro y fuera de las fronteras nacionales, depende en gran medida de la supresión del flujo de beneficios ilegales realizado por las organizaciones criminales. Se estima que unos 300.000 millones de dólares en “dinero sucio” son blanqueados mundialmente cada año, la mayoría del cual fluye de forma anónima entre la actividad financiera, su origen y su propiedad se ocultan a través de estas instituciones y más allá de los límites nacionales en un esfuerzo de impedir a las autoridades la correcta aplicación de la ley.
El blanqueo de dinero consiste en disfrazar el origen o la propiedad de fondos obtenidos de forma ilegal para que parezcan legítimos. Entran dentro de la categoría de blanqueo de capitales el ocultar los ingresos legítimos para evitar aumentos excesivos de capital, o el pago de impuestos, pleitos, procedimientos de divorcio y el contrabando.
El primer control para la aplicación de ley contra el blanqueo de capitales es el ejercido por las propias entidades financieras. Los bancos y otras instituciones financieras se adhieren a la normativa, traducida en pautas de “conformidad”, evitando las sanciones que se deriven.
El daño público y legal derivado de la evidencia de operaciones de blanqueo de dinero en una institución, es razón suficiente para justificar, la inversión necesaria en las medidas de detección. Actualmente se dispone de cuatro categorías de tecnologías usadas para detectar el blanqueo de dinero. Éstas incluyen el análisis de transferencias electrónicas, para determinar dónde profundizar con las investigaciones; la adquisición de conocimiento, para construir los nuevos perfiles para su uso en el análisis; la compartición de conocimiento, para diseminar perfiles de las actividades de blanqueo de dinero rápidamente, confiablemente, y de una forma útil ; y la transformación de los datos, producir datos que puedan ser analizados fácilmente. Todos los expertos en la aplicación de ley admiten que el comportamiento de organizaciones criminales es altamente adaptable y flexible, cambiando e ideando nuevas actividades de blanqueo de dinero para evitar su detección. Es por lo tanto imposible proporcionar todos los perfiles potenciales (tecnología utilizada por los sistemas de detección basados en reglas), para distinguir acertadamente entre las transferencias lícitas e ilícitas.
Muchos patrones de transacciones que se asocian a blanqueo de dinero difieren poco de transacciones legítimas. Son reconocibles solamente debido a su asociación con actividades criminales. Las actividades lícitas de transferencia electrónica en el sistema financiero son amplias y diversas, diferentes en tipo, propósito, frecuencia, orígenes, destinos, y cantidades. Esta variedad hace difícil identificar las transferencias que están “fuera de lo común”. Por lo tanto, podemos asegurar que la información de una transferencia electrónica aislada no es suficiente para determinar su legalidad. La mayoría de los usos ilícitos son espejo de las prácticas estándares.
Sin embargo, solamente los patrones de transacciones (electrónicas o no) son la base para indicar blanqueo de capitales. Aún cuando estos patrones de transacciones identifiquen negocios legítimos, sólo combinados con otros datos permiten evaluar la evidencia de operaciones ilícitas. Ésta es la razón por la que la identificación del blanqueo de dinero en las operaciones financieras debe emplear el análisis de relaciones (relaciones entre cuentas individuales, personas, y organizaciones). Algunos sistemas se basan en el conocimiento, pero ello implica un análisis preciso de transferencias electrónicas o cantidades significativas de datos para los cuales se conozca el resultado correcto.
En general, no hay expertos o datos suficientes en una entidad para hacer factibles el uso de sistemas basados en el conocimiento para la detección el blanqueo de dinero en las transferencias electrónicas. Las diferentes tecnologías (sistemas expertos, redes neuronales, knowledge discovery, modelos estadísticos, etc.) requieren bien sea perfiles de actividades fraudulentas o de datos etiquetados para desarrollar tales perfiles. Por ejemplo, los sistemas expertos presuponen que el experto, sea capaz de formular un conjunto correcto de casos que identifique la situación de fraude. Realizar las preguntas erróneas, incluir muchos, o muy pocos casos dará lugar a la identificación de casos inválidos de fraude o a ninguna detección del fraude.
Business Development Area Atos ODS Origin
El blanqueo de dinero consiste en disfrazar el origen o la propiedad de fondos obtenidos de forma ilegal para que parezcan legítimos. Entran dentro de la categoría de blanqueo de capitales el ocultar los ingresos legítimos para evitar aumentos excesivos de capital, o el pago de impuestos, pleitos, procedimientos de divorcio y el contrabando.
El primer control para la aplicación de ley contra el blanqueo de capitales es el ejercido por las propias entidades financieras. Los bancos y otras instituciones financieras se adhieren a la normativa, traducida en pautas de “conformidad”, evitando las sanciones que se deriven.
El daño público y legal derivado de la evidencia de operaciones de blanqueo de dinero en una institución, es razón suficiente para justificar, la inversión necesaria en las medidas de detección. Actualmente se dispone de cuatro categorías de tecnologías usadas para detectar el blanqueo de dinero. Éstas incluyen el análisis de transferencias electrónicas, para determinar dónde profundizar con las investigaciones; la adquisición de conocimiento, para construir los nuevos perfiles para su uso en el análisis; la compartición de conocimiento, para diseminar perfiles de las actividades de blanqueo de dinero rápidamente, confiablemente, y de una forma útil ; y la transformación de los datos, producir datos que puedan ser analizados fácilmente. Todos los expertos en la aplicación de ley admiten que el comportamiento de organizaciones criminales es altamente adaptable y flexible, cambiando e ideando nuevas actividades de blanqueo de dinero para evitar su detección. Es por lo tanto imposible proporcionar todos los perfiles potenciales (tecnología utilizada por los sistemas de detección basados en reglas), para distinguir acertadamente entre las transferencias lícitas e ilícitas.
Muchos patrones de transacciones que se asocian a blanqueo de dinero difieren poco de transacciones legítimas. Son reconocibles solamente debido a su asociación con actividades criminales. Las actividades lícitas de transferencia electrónica en el sistema financiero son amplias y diversas, diferentes en tipo, propósito, frecuencia, orígenes, destinos, y cantidades. Esta variedad hace difícil identificar las transferencias que están “fuera de lo común”. Por lo tanto, podemos asegurar que la información de una transferencia electrónica aislada no es suficiente para determinar su legalidad. La mayoría de los usos ilícitos son espejo de las prácticas estándares.
Sin embargo, solamente los patrones de transacciones (electrónicas o no) son la base para indicar blanqueo de capitales. Aún cuando estos patrones de transacciones identifiquen negocios legítimos, sólo combinados con otros datos permiten evaluar la evidencia de operaciones ilícitas. Ésta es la razón por la que la identificación del blanqueo de dinero en las operaciones financieras debe emplear el análisis de relaciones (relaciones entre cuentas individuales, personas, y organizaciones). Algunos sistemas se basan en el conocimiento, pero ello implica un análisis preciso de transferencias electrónicas o cantidades significativas de datos para los cuales se conozca el resultado correcto.
En general, no hay expertos o datos suficientes en una entidad para hacer factibles el uso de sistemas basados en el conocimiento para la detección el blanqueo de dinero en las transferencias electrónicas. Las diferentes tecnologías (sistemas expertos, redes neuronales, knowledge discovery, modelos estadísticos, etc.) requieren bien sea perfiles de actividades fraudulentas o de datos etiquetados para desarrollar tales perfiles. Por ejemplo, los sistemas expertos presuponen que el experto, sea capaz de formular un conjunto correcto de casos que identifique la situación de fraude. Realizar las preguntas erróneas, incluir muchos, o muy pocos casos dará lugar a la identificación de casos inválidos de fraude o a ninguna detección del fraude.
Business Development Area Atos ODS Origin
