Como o Investigador Cognitivo está combatendo o crime financeiro

O crime financeiro é responsável por US$1t a US$3t em atividade anual globalmente, mas menos de 1% é detectado. Enquanto muito trabalho investigativo vai para o desmantelamento de esquemas de crime sofisticados, os resultados são muitas vezes atormentados por erros dispendiosos e resultados de baixa qualidade.

Uma grande instituição financeira global recorreu recentemente à EY para obter orientação. Seu ciclo de vida de conformidade foi sobrecarregado com processos ineficientes e altamente manuais. Em um determinado dia, os investigadores trabalharam em vários sistemas e ferramentas diferentes, coletando dados manualmente, revisando informações e, por fim, inserindo-as em um sistema de gerenciamento de casos. Os investigadores lutaram para revisar grandes volumes de clientes e alertas, com uma falta de priorização de riscos que muitas vezes resultava em revisões completas da população e muitos alertas improdutivos. Uma vez concluídas as revisões, os analistas tiveram que buscar manualmente os pontos-chave dos dados e escrever uma narrativa de disposição, que sofria de inconsistências devido à natureza subjetiva do processo ou simples erros de escrita.

Estes desafios foram extremamente preocupantes para o banco. Como seus custos de conformidade e problemas de qualidade continuaram a crescer, a instituição buscou uma solução de tecnologia sustentável para aliviar esses pontos de dor. Embora estivessem familiarizados com tecnologias como inteligência artificial (IA) e autoaprendizagem, eles estavam enfrentando restrições de recursos, não entendiam totalmente as complexas nuances de construção, teste e, em última análise, implantação dessas tecnologias na produção, e também estavam preocupados com a adoção regulatória e aceitação dessas tecnologias.

O banco contratou a EY para avaliar seus processos atuais e identificar áreas de melhoria por meio da introdução de tecnologia. De extrema importância foi a necessidade de reduzir o esforço manual geral do processo de revisão, priorizar clientes e alertas de alto risco e padronizar o componente de redação narrativa da investigação.

Para combater desafios como esses, a EY desenvolveu o Cognitive Investigator, uma plataforma tecnológica que permite a rápida implantação de tecnologias avançadas, como AI, aprendizado de máquina e automação inteligente. O Cognitive Investigator foi projetado para atacar ineficiências e processos propensos a erros no ciclo de vida da conformidade. Ao contrário de soluções comparáveis, o Cognitive Investigator integra-se diretamente com os sistemas e ferramentas existentes, em vez de substituí-los, e foi construído com flexibilidade e reutilização em mente.

Após uma avaliação inicial, a EY identificou uma abordagem para implantar as tecnologias integradas do kit de ferramentas do Cognitive Investigator, incluindo oportunidades para tomada de decisão inteligente e automação inteligente de processos que abordassem os objetivos principais do cliente. A intenção final da EY era melhorar o processo de tomada de decisão, deslocando o foco dos investigadores de processos manuais e demorados para atividades de alto valor agregado.

Quando o banco tinha utilizado AI e autoaprendizagem no passado, havia um tempo de espera significativo antes que eles pudessem implantar seus modelos na produção, muitas vezes superando o benefício projetado da solução. Com o Cognitive Investigator, a EY acelerou a realização desses benefícios, abrindo caminho para futuras inovações tecnológicas para a instituição financeira.

Implantação da tecnologia

Após analisar os processos da instituição financeira, a EY recomendou três oportunidades potenciais para capacitadores de tecnologia: implementar uma metodologia avançada de priorização de risco para clientes e alertas, automatizar a busca de notícias negativas e criar um "modelo inteligente" automatizado para o processo de geração de narrativas. Essas melhorias ajudariam os investigadores do cliente a concentrar seus esforços em atividades mais complexas, como clientes de alto risco e alertas, reduzindo o tempo gasto em processos altamente manuais, como a obtenção de informações e a escrita de narrativas repetitivas.

A estrutura de pontuação de risco de decisão inteligente da EY foi implementada para fornecer uma compreensão inicial do risco que foi usada para priorizar clientes de alto risco para investigação. A estrutura habilitada para IA foi projetada usando um modelo de aprendizado de máquina que identificou atributos-chave do cliente indicativos de risco e utilizou um loop de feedback sustentável, onde dados históricos de due diligence e investigações permitiram treinamento futuro e refinamento do modelo de pontuação.

Além disso, a EY desenvolveu uma metodologia de modelagem preditiva para avaliar o risco de alerta, possibilitando o processo com tecnologia de autoaprendizagem que utilizou feedback de investigações históricas. Os níveis de tolerância ao risco foram configurados com base no apetite de risco do banco, utilizando dados de geração de alertas, monitoramento de transações e outros sistemas. O modelo de decisão inteligente da ferramenta identificou atividades suspeitas e automatizou o processo de triagem e revisão de alertas improdutivos. Isso reduziu significativamente a carga de trabalho dos investigadores, eliminando os falsos positivos da população de revisão.

Um dos principais atributos identificados para as pontuações de risco foi a relevância das notícias negativas associadas a um cliente. Uma pontuação negativa de notícias mais alta impulsiona uma pontuação de risco mais alta e pode levantar uma bandeira vermelha no relacionamento com esse cliente.

A solução de notícias negativas da EY automatizou e aprimorou o processo típico de pesquisa de notícias negativas. A tecnologia da ferramenta raspou automaticamente informações de notícias negativas de fornecedores de dados da Web aberta e de terceiros para clientes e contrapartes relevantes, avaliando e resumindo cada artigo e, por fim, calculando uma pontuação negativa abrangente de notícias para o cliente. O relatório resumido de notícias negativas foi gerado em uma fração do tempo necessário para realizar manualmente a pesquisa (de horas a segundos), permitindo decisões mais rápidas do analista e mais foco nos esforços de valor agregado.

Para os alertas que foram automaticamente identificados para fechamento, a EY gerou uma narrativa de disposição resumindo as principais informações e fundamentos para o fechamento. A tecnologia de geração de narrativas foi integrada aos sistemas de clientes existentes e aos outros capacitadores de tecnologia da EY para extrair informações-chave dos sistemas de upstream e identificar áreas que requerem entrada manual dentro da narrativa. Esse aprimoramento padronizou as narrativas de disposição para alertas e mudou o foco do analista para alertas de alto risco, proporcionando economia significativa de tempo e redução de custos para o cliente.