Mejores prácticas de cribado AML para instituciones financieras

Qué es el cribado AML#

El cribado AML (contra el blanqueo de capitales) es el proceso de cotejar a personas y entidades con listas de sanciones, bases de datos de personas expuestas políticamente (PEP), listas de vigilancia de las fuerzas del orden y fuentes de prensa adversa. El cribado es una obligación legal para las instituciones financieras, las empresas de servicios monetarios y cualquier organización sujeta a la normativa AML. Debe realizarse en la incorporación del cliente, en el momento de cada transacción en ciertos contextos y de forma continua a lo largo de la relación comercial.

El propósito del cribado es identificar a los clientes o contrapartes que presentan un riesgo elevado de blanqueo de capitales, financiación del terrorismo, elusión de sanciones u otra delincuencia financiera. Una coincidencia positiva con una lista de sanciones puede desencadenar la obligación legal de congelar activos, rechazar una transacción o presentar un informe de actividad sospechosa ante la unidad de inteligencia financiera competente.

Listas de sanciones y fuentes de datos#

Un cribado eficaz requiere acceso a fuentes de datos completas y actualizadas. Las principales listas de sanciones incluyen la lista de Nacionales Especialmente Designados (SDN) de la OFAC, mantenida por el Tesoro de EE. UU., la Lista Consolidada de Sanciones de la UE, la Lista de Sanciones del Consejo de Seguridad de la ONU y la Lista de Sanciones del HM Treasury del Reino Unido. En Turquía, MASAK mantiene la base de datos nacional de sanciones y listas de vigilancia.

• Lista SDN de la OFAC: más de 12.000 entradas, incluidas personas, entidades y buques. Se actualiza varias veces por semana. Su alcance extraterritorial afecta a cualquier transacción que toque el sistema financiero de EE. UU.
• Lista Consolidada de la UE: cubre las medidas restrictivas adoptadas por el Consejo de la UE. Incluye congelaciones de activos, prohibiciones de viaje y restricciones sectoriales.
• Consejo de Seguridad de la ONU: sanciones impuestas en virtud del Capítulo VII de la Carta de la ONU. Vinculantes para todos los Estados miembros de la ONU.
• Bases de datos de PEP: personas expuestas políticamente, así como sus familiares y allegados. La condición de PEP no implica conducta indebida, pero activa requisitos de diligencia debida reforzada.
• Prensa adversa: búsquedas en noticias y registros públicos que pueden revelar implicación en delincuencia financiera, corrupción u otras actividades relevantes para el riesgo.

Algoritmos de cotejo de nombres#

El cotejo de nombres es el corazón técnico del cribado AML y uno de sus mayores desafíos. Los nombres de personas varían en formato, transliteración, abreviatura y convención cultural. Una persona llamada «Mohammed bin Salman Al-Rashid» podría aparecer como «Mohamed Bin Salman Alrashid», «M.B.S. Al-Rashid» o con transliteraciones completamente diferentes desde la escritura árabe. El sistema de cribado debe encontrar las posibles coincidencias a pesar de estas variaciones.

Técnicas de cotejo habituales

• Cotejo exacto: comparación simple de cadenas. Rápido, pero pasa por alto prácticamente todas las variaciones legítimas. Útil solo como primer filtro.
• Distancia de Jaro-Winkler: mide la similitud de cadenas otorgando mayor peso a los prefijos coincidentes. Eficaz para variaciones tipográficas y errores ortográficos menores.
• Distancia de Levenshtein: cuenta el número mínimo de ediciones de un solo carácter (inserciones, eliminaciones, sustituciones) necesarias para transformar una cadena en otra.
• Soundex y Metaphone: algoritmos fonéticos que codifican los nombres por su sonido en lugar de su ortografía. Útiles para captar nombres que suenan similares pero se escriben de forma diferente.
• Cotejo aproximado por tokens: descompone los nombres en tokens y compara conjuntos de tokens, teniendo en cuenta componentes de nombre reordenados, segundos nombres ausentes y coincidencias parciales.
• Modelos de aprendizaje automático: entrenados con pares etiquetados de nombres coincidentes y no coincidentes en distintas culturas y escrituras, estos modelos pueden aprender patrones de cotejo complejos que los sistemas basados en reglas pasan por alto.

Gestión de falsos positivos#

Los falsos positivos son la plaga de las operaciones de cribado AML. Un sistema de cribado que genera demasiadas coincidencias falsas satura a los analistas de cumplimiento, retrasa la incorporación de clientes y aumenta los costes operativos sin mejorar la detección de riesgos genuinos. Las encuestas del sector informan sistemáticamente de tasas de falsos positivos del 90 al 95 % en los programas de cribado, lo que significa que solo entre el 5 y el 10 % de las alertas representan coincidencias reales que requieren acción.

Reducir los falsos positivos requiere un enfoque multidimensional. Un cotejo de datos secundario que utilice la fecha de nacimiento, la nacionalidad y los números de documentos de identidad puede desambiguar nombres comunes. La inclusión en lista blanca de falsos positivos ya resueltos evita que la misma persona no coincidente genere alertas repetidas. Una puntuación contextual que considere la jurisdicción del cliente, el tipo de producto y el patrón de transacciones puede ayudar a priorizar las alertas por su relevancia de riesgo.

Supervisión continua frente a cribado puntual#

El cribado puntual coteja a un cliente con las listas pertinentes en un momento concreto, normalmente durante la incorporación. La supervisión continua recriba de forma continua o periódica toda la base de clientes frente a listas actualizadas. Ambos son necesarios: el cribado puntual garantiza que no se incorpore a ninguna persona sancionada, mientras que la supervisión continua capta a los clientes que se añaden a las listas de sanciones o a las bases de PEP después del cribado inicial.

Una supervisión continua eficaz requiere un recribado por lotes automatizado activado por las actualizaciones de listas, un cotejo diferencial que solo procese los cambios para evitar comparaciones redundantes de listas completas, una cola de prioridad para que los clientes de mayor riesgo se recriben primero cuando cambian las listas, y flujos de escalado claros para las nuevas coincidencias descubiertas durante la supervisión continua.

Enfoque basado en el riesgo#

Los reguladores esperan un enfoque basado en el riesgo para el cribado AML. Esto significa que la intensidad y el alcance del cribado deben ser proporcionales al riesgo evaluado de cada cliente, producto o jurisdicción. Los clientes de mayor riesgo, como los situados en jurisdicciones de alto riesgo, los negocios intensivos en efectivo o las estructuras societarias complejas, deberían cribarse frente a un conjunto más amplio de listas, con umbrales de coincidencia más bajos y un recribado más frecuente.

El enfoque basado en el riesgo no significa que los clientes de menor riesgo estén exentos de cribado. Significa que los recursos se asignan de forma proporcional, aplicando un escrutinio reforzado allí donde el riesgo es mayor.

Errores frecuentes#

• Cribar solo en la incorporación: las listas de sanciones cambian a diario. Un cliente que estaba limpio en la incorporación puede ser designado al mes siguiente.
• Confiar en exceso en el cotejo exacto: el cotejo exacto por sí solo pasará por alto variantes de transliteración, apodos y diferencias en el orden de los nombres según la cultura.
• Ignorar el cribado de entidades: los negocios que operan a través de sociedades pantalla, fideicomisos y estructuras de propiedad complejas requieren un cribado de entidades con resolución de los titulares reales.
• Documentación insuficiente: los reguladores esperan registros detallados de las decisiones de cribado, incluida la justificación para descartar falsos positivos.
• Umbrales estáticos: los umbrales de sensibilidad de coincidencia deberían calibrarse por lista y por categoría de riesgo, no fijarse de forma global.
• Actualizaciones de listas tardías: incluso un retraso de un día en la actualización de las listas de sanciones crea una brecha de cumplimiento. Automatice la ingesta de listas y active el recribado a las pocas horas de su publicación.