**Mejora en PLD gracias a IA/ML: Una historia de éxito**

Source: Dev.to

Una empresa de servicios financieros en México, con sede en Ciudad de México, decide implementar un sistema de monitoreo transaccional con IA/ML para reducir los falsos positivos y mejorar la precisión de sus alertas. Anteriormente, sus equipos de análisis de riesgo debían revisar manualmente cada transacción sospechosa, lo que resultaba en un tiempo de respuesta lento y una alta carga de trabajo.

Antes de la implementación de IA/ML

• El equipo de análisis de riesgo recibía entre 50 y 100 alertas diarias, la mayoría de las cuales eran falsos positivos.
• Se requería un tiempo promedio de 2 horas para revisar cada alerta y determinar si era verdadera o falsa.
• Se producían rechazos de transacciones legítimas debido a la falta de claridad en las alertas.

Tras la implementación de IA/ML

• Se utiliza la plataforma IA/ML SaaS de TarantulaHawk.ai, que permite el monitoreo de transacciones en tiempo real y la identificación de patrones sospechosos.
• El algoritmo de IA/ML reduce los falsos positivos en un 80 % al analizar factores como la frecuencia de transacciones, el monto involucrado y la historia de comportamiento del cliente.
• El tiempo de respuesta para las alertas verdaderas disminuye en un 90 %, permitiendo a los equipos de análisis de riesgo concentrarse en casos más complejos y reduciendo la carga de trabajo.

Beneficios

• Reducción significativa de falsos positivos, lo que ahorra tiempo y recursos en la revisión de alertas.
• Mayor precisión en las alertas, reduciendo la probabilidad de rechazar transacciones legítimas.
• Auditoría más simple, ya que el algoritmo de IA/ML proporciona un registro claro de las transacciones sospechosas y las razones de su identificación.

La implementación de IA/ML en la empresa de servicios financieros muestra cómo esta tecnología puede ser una herramienta valiosa en la prevención del lavado de dinero y la financiación del terrorismo.