Estive recentemente participando de um evento da LexisNexis Risk Solutions aonde o tema da inteligência artificial generativa (conhecida pela sigla em inglês: "gen AI") foi muito comentado como uma força poderosa e transformadora também no combate ao crime financeiro, atraindo um interesse sem precedentes de profissionais de TI e especialistas em PLD e detecção de fraudes. Queria então refletir e falar mais a respeito deste tema abaixo.
Até pela sua habilidade da gen AI de sintetizar grandes quantidades de dados, realizar análises avançadas e complexas e aprender rapidamente a torna excepcionalmente adequada para enfrentar os desafios nestes tema, ainda que ache de que seu potencial ainda não foi totalmente explorado, mas já podemos dizer que é vanguarda das tecnologias inovadoras a serem usadas em nosso benefício.
Mas integrar a gen AI nos sistemas de PLD e de detecção de fraudes requer cuidados, como em relação a questões como o design de modelos fundamentais, implicações éticas e operacionais, preocupações com privacidade, transparência de modelos e alinhamento regulatório são frequentemente priorizados, mantendo um equilíbrio entre automação e expertise humana para evitar uma dependência cega da tecnologia, que pode levar a resultados imprecisos.
O momento para integrar a gen AI em soluções de detecção e prevenção de fraudes e lavagem de dinheiro é extremamente oportuno, dado a convergência de volumes de dados em crescimento exponencial, táticas criminais sofisticadas e tecnologia em rápida evolução significa que os sistema de PLD continuarão enfrentando dificuldades para acompanhar novos e existentes tipos de crimes, além das rigorosas demandas regulatórias através de métodos de detecção baseados em regras e investigações manuais. A gen AI oferece então uma solução oportuna com sua capacidade de processar vastas quantidades de dados, destacar insights relevantes e apresentar informações aos analistas de forma concisa e em formatos legíveis por humanos.
A maturidade da gen AI também aumentou consideravelmente no último ano graças à popularização de ferramentas publicamente disponíveis, como o ChatGPT da OpenAI. Empresas com profundo conhecimento tecnológico e equipes de cientistas e analistas de dados estão aproveitando essa tecnologia para articular aprendizados especializados e enfrentar desafios conhecidos dentro de suas indústrias. A adoção precoce das ferramentas de IA de próxima geração permitirá que as instituições financeiras se posicionem para o futuro do combate ao crime financeiro, impulsionando ganhos significativos de produtividade, melhorando eficiências, elevando padrões e aprofundando insights, o que pode desbloquear economias de tempo sem precedentes e melhorar a tomada de decisões nas funções de conformidade.
Porém sempre bom lembrar de que a curiosidade sobre a tecnologia gen AI não se limita apenas a nós os bons atores, mas infelizmente também aos criminosos e fraudadores também estão explorando seu potencial, seja para desenvolver malwares, ataques de phishing, falsificações profundas como documentos de identidade ou prompts de voz, ou outros artefatos gerados para apoiar esquemas cada vez mais complexos de fraudes e lavagem de dinheiro, isso já está ocorrendo e é difícil de identificar para a instituição média.
No entanto estão sendo feitos progressos seguindo os passos do ChatGPT, onde a mesma mecânica está agora sendo explorada no espaço do combate ao crime financeiro para detectar o uso de saídas de gen AI em PLD e fraudes. Embora ainda esteja em sua infância, espera-se que essa tecnologia acelere em maturidade no próximo ano para se tornar uma ferramenta adicional essencial aos sistema de PLD.
Esses desenvolvimentos sublinham a importância de uma abordagem estratégica e informada na adoção e integração da IA generativa no combate ao crime financeiro, enfatizando tanto suas capacidades transformadoras quanto os desafios associados à sua implementação e uso ético.
Abaixo queria comentar sobre alguns casos práticos de potencial uso da Gen AI no combate aos crimes financeiros de lavagem de dinheiro e fraudes:
- Coleta e Análise de Dados: A gen AI facilita a coleta de informações a partir de plataformas internas, conjuntos de dados externos e pesquisas online, eliminando os esforços manuais de coleta de dados e permitindo uma investigação minuciosa de entidades questionáveis.
- Resumo de Dados e Insights: Resumo compreensíveis de padrões de dados complexos e insights significativos auxiliam investigações de risco eficientes, abrangentes e eficazes.
- Interação Intuitiva: Prompts e respostas em linguagem natural permitem uma interação fluida com um mínimo de treinamento necessário para os usuários finais.
- Registros de Casos e Relatórios: A geração automatizada de dossiês reduz o esforço manual enquanto garante relatórios e registros de casos padronizados e de alta qualidade.
- Detecção de Fraudes: Análise automática de grandes volumes de dados de transações para identificar padrões complexos indicativos de comportamento fraudulento, possibilitando uma detecção e mitigação mais rápidas das atividades fraudulentas.
- Verificação em Listas de Sanções: Automação dos processos de verificação em listas através da correlação dos dados de transações com listas de sanções atualizadas, identificando possíveis correspondências para investigações adicionais.
- Financiamento ao Terrorismo: Extensão das capacidades da AI de PLD para abordar o financiamento ao terrorismo e investigar transações suspeitas que possam parecer atividades comerciais normais.
- Relatórios Regulatórios: Geração de notas de caso e relatórios regulatórios, como Relatórios de Atividades Suspeitas para o COAF.
- Relatórios de BI: Análise e geração de relatórios de informações de negócios sobre KPIs, métricas, tempo gasto na resolução de casos, volume de comunicações ao COAF levantados, e tipologias de crimes potenciais operando em uma cidade ou região.
Porém tem alguns cuidados que precisam ter como:
Governança e Implementação Ética da Gen AI
Nem toda IA generativa é criada igualmente, por isto mesmo uma governança rigorosa é importante para o sucesso da gen AI, começando com os fornecedores da gen AI e continuando com bancos e seguradoras para garantir uma implantação ética e confiável dessa tecnologia.
As instituições que adotam a gen AI devem estar cientes do que representa uma boa implementação, especialmente em relação aos processos de desenvolvimento de modelos, mecanismos de explicabilidade e medidas de segurança.
- Validação e Segurança de Modelos
A validação intensiva dos modelos para prevenir vieses e respostas fabricadas é um componente chave antes que uma solução de gen AI seja implementada. Mesmo com dados de treinamento abrangentes, podem ocorrer vieses de modelo e respostas malucas. Os desenvolvedores mitigam esses riscos com aprendizado de máquina reforçado e incorporações apropriadas. A verificação humana também é necessária nos procedimentos de teste e validação.
Queria agora falar então dos benefícios da gen AI são avaliados em termos de eficiência, eficácia e otimização nas áreas de PLD e Fraudes:
- Acesso Ampliado ao Conhecimento: Facilita o acesso e a contextualização inteligente das informações.
- Automação de Tarefas Manuais Repetitivas: Lida com grandes quantidades de dados de forma rápida e precisa.
- Personalização do Conteúdo: Adapta-se às necessidades específicas das investigações e conformidade regulatória.
Assim a gen AI não apenas transforma o campo do combate ao crime financeiro por meio da otimização de processos e redução de tempos de investigação, mas também estabelece uma nova norma para a precisão e a confiabilidade no tratamento de dados sensíveis e complexos.
Ao navegar pelos potenciais desafios associados à implementação da inteligência artificial generativa (gen AI) no combate ao crime financeiro, é crucial identificar riscos específicos e desenvolver estratégias de mitigação adequadas. Segue uma análise detalhada dos riscos potenciais e das ações recomendadas para contorná-los.
Queria agora falar de alguns dos riscos potenciais e de estratégias de mitigação que vejo importantes:
Pesquisa inadequada sobre o provedor de gen AI
Risco: Não compreender completamente a metodologia e a abordagem dos provedores na construção e treinamento de modelos de IA, ou não revisar evidências de resultados comprovados.
Mitigação: Realizar uma pesquisa detalhada e reunir-se com os provedores de gen AI para PLD e fraude para realizar a devida diligência e avaliar suas práticas, metodologia de design, investimento em inovação contínua, capacidade de suporte e tradição no espaço de crimes financeiros, e assim entender bem de quaisquer modelos fundamentais e conjuntos de dados utilizados para treinamento.
Limpeza de dados internos
Risco: Não entender quão limpos ou contaminados estão os dados internos de crime financeiro de PLD e fraude, e se eles já possuem vieses inerentes.
Mitigação: Avaliar a limpeza dos dados internos de PLD e fraude, e se necessário, estar preparado para limpar ou remediar os dados conforme necessário. Revisões independentes dos conjuntos de dados para fontes potenciais de viés podem ser úteis. Considerar quais conjuntos de dados devem ser incorporados em soluções de gen AI com base no(s) caso(s) de uso alvo.
Privacidade de dados
Risco: Usar soluções públicas ou open source de gen AI pode aumentar o risco de vazamento de dados sensíveis para fora da instituição.
Mitigação: A proteção de dados sensíveis é importante, e controles devem estar em vigor para garantir que não ocorram vazamentos de dados. Realizar a devida diligência nos provedores de gen AI sobre sua abordagem à privacidade de dados, aderência às normas e diretrizes de proteção de dados durante o processo de análise.
Interpretabilidade da IA
Risco: Saídas geradas por modelos de IA, particularmente aqueles baseados em algoritmos complexos como Redes Adversariais Generativas (GANs) e Autoencoders Variacionais (VAEs), podem ser difíceis de interpretar.
Mitigação: Confirmar que o provedor de gen AI projetou transparência e interpretabilidade nos modelos. Técnicas de IA Explicável (XAI) são alavancadas para tornar o processo de tomada de decisões dos modelos de IA transparentes e compreensíveis.
Acurácia da Informação
Risco: Modelos de gen AI correm o risco de gerar informações enganosas ou imprecisas, o que é especialmente crítico em investigações de PLD devido às sérias implicações.
Mitigação: Mecanismos robustos para verificação de dados e guardas de investigação devem estar em vigor para permitir técnicas de validação cruzada, sistemas de detecção de anomalias para identificar outliers e treinamento contínuo e testes de modelos para garantir sua precisão.
Ao abordar todos esses desafios acima com as devidas estratégias adequadas, as instituições podem não apenas otimizar o uso da gen AI para combater o crime financeiro, mas também assegurar que suas implementações sejam éticas, seguras e eficientes, apoiando a integridade e a confiabilidade dos processos de PLD e detecção de fraudes.
