O interesse por ferramentas de inteligência artificial e em concreto de machine learning tem vindo a aumentar nas instituições financeiras mas continua limitada. Um estudo, elaborado pelo SAS, KPMG e pela Associação de Especialistas Certificados em Combate ao Branqueamento de Capitais (ACAMS) a nível global, revela que só 18% das empresas inquiridas têm soluções de IA/ML em produção e 40% não têm planos atuais para adotar esse tipo de tecnologias. “Este dado evidencia uma adoção ainda incipiente, embora com sinais de aceleração a curto prazo”, conclui a pesquisa, onde também se sublinha a importância da IA para ajudar nos processos de Combate ao Branqueamento de Capitais.

Entre as entidades sem planos para adotar este tipo de ferramentas, cerca de um terço apontam as restrições orçamentais como as mais relevantes (34%). Pesa também a falta de um imperativo regulamentar, referido por 37% dos inquiridos fora da Europa, um número que sugere que muitas organizações estão à espera de sinais claros por parte dos reguladores antes de investirem.

Na inteligência artificial generativa, os números mostram uma aposta menos tímida, com quase metade das empresas a explorarem estas tecnologias (45%). As restantes 55% mantêm-se sem planos para adotar IA generativa.

“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”, sublinha Timo Purkott, Global Fraud and Financial Crime Transformation Lead da KPMG.

Ainda assim, a luta contra o branqueamento de capitais e a fraude continuam a ser das áreas onde as empresas do sector financeiro mais investem em tecnologias avançadas, para mitigar problemas. O estudo mostra que 86% das organizações inquiridas estão a realizar alguma forma de integração entre processos de combate ao branqueamento de capitais, fraude e segurança da informação. No entanto, também aqui, o nível de adoção continua a ser irregular entre países.

Situação em Portugal é animadora, mas...

Em Portugal, o estudo sublinha que a aplicação de tecnologias de Machine Learning também tem vindo a ganhar relevância no contexto da atividade de compliance, trazendo novas possibilidades na monitorização de riscos, deteção de comportamentos suspeitos e cumprimento das obrigações legais e regulamentares.

As empresas tiram cada vez mais partido destas ferramentas, que permitem analisar grandes volumes de dados, identificar padrões irregulares e automatizar processos de controlo interno. O recurso a algoritmos inteligentes tem facilitado a deteção de atividades de branqueamento de capitais, financiamento do terrorismo e outras infrações, permitindo uma resposta mais rápida e objetiva às exigências da legislação local e europeia.

Despesa com cibersegurança vai crescer na Europa. Estudo mostra onde e porquê
Despesa com cibersegurança vai crescer na Europa. Estudo mostra onde e porquê
Ver artigo

Admite-se, no entanto, que a adoção de Machine Learning no âmbito do compliance em Portugal ainda enfrenta alguns desafios. Estes desafios passam sobretudo pela “escassez de dados estruturados e pela necessidade de garantir a explicabilidade das decisões automatizadas”, que acabam por representar obstáculos técnicos e legais para as instituições que adotam estas tecnologias.

Um exemplo dado, é o facto de a utilização de Inteligência Artificial ou Machine Learning não ser proibida pelo Banco de Portugal, mas ter exigências acrescidas no que respeita a temas como a transparência dos modelos, gestão de riscos ou cumprimento do princípio da proporcionalidade.

Uma “cultura organizacional, muitas vezes marcada por uma abordagem conservadora, e a escassez de profissionais com competências específicas em ciência de dados e regulação”, também não têm favorecido uma adoção mais rápida destas tecnologias no país.

“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”, acrescentam os autores do estudo.

As oportunidades decorrentes de uma utilização mais extensa destas tecnologias no combate ao branqueamento de capitais são claras e abrangentes. A pesquisa destaca a melhoria da cobertura de riscos e a identificação de atividades suspeitas desconhecidas
ou complexas.

É também sublinhado o reforço das capacidades para priorizar alertas relevantes e recursos operacionais dedicados ao processo de combate ao branqueamento de capitais, com a utilização destas tecnologias. A GenAI pode ainda contribuir para melhorar a eficiência das investigações, ajudando a denunciar atividades suspeitas, agilizando-as e dotando-as de
maior consistência.