Monitoramento de transações

A transparência e a efetividade na detecção de crimes ou fraudes financeiras são uma realidade. As firmas-membro da KPMG estão revolucionando e transformando o futuro do monitoramento de transações.

As empresas lidam hoje com o desafio de combinar regulamentações e legislações cada vez mais extensas e em constante evolução, criando um ambiente regulatório complexo. Errar no cumprimento não é uma opção.

O ajuste dos sistemas de Monitoramento de Transações (MT) é uma tarefa complexa, intensificada pelo aumento das expectativas dos reguladores. As instituições financeiras geralmente realizam ajustes periódicos, contando com testes simplistas “acima e abaixo da linha”. Sistemas ineficientes resultam na produção de grandes volumes de alertas. Todos os meses, as empresas mundiais revisam manualmente milhões de alertas de monitoramento de crimes ou fraudes financeiras, com quase 95% dos alertas sendo “não suspeitos”. Os processos atuais de revisão de alertas geralmente dependem de equipes extensas, que, não raro, trabalham em locais distintos. Muitos profissionais de compliance entrevistados esperavam ampliar o quadro para 2022, com o intuito de conseguirem manter seus níveis atuais de compliance.

Diante da evolução da regulamentação, dos volumes transacionais e da identificação de novas tipologias de lavagem de dinheiro, a KPMG desenvolveu abordagens que visam tanto a otimização de sistemas quanto os processos de revisão de alertas. O objetivo é aumentar a qualidade do desempenho dos sistemas de monitoramento e propiciar uma revisão de alertas mais rápida, precisa e consistente, ajudando as instituições financeiras a cumprir suas obrigações de MT com qualidade e custo reduzido.

Com a revisão e o aprimoramento contínuos dos sistemas de MT, as empresas passam a contar com alertas de melhor qualidade, que podem ser revisados mais facilmente, seja por pessoas ou com o uso do classificador de alertas de MT.

• A otimização de ajustes automatizados depende do uso de machine learning para executar milhares de “cenários e se”. Desse modo, pode-se determinar a situação ideal para a segmentação de clientes, cenários, regras e limites.
• Essas recomendações podem ser revisadas por operadores humanos qualificados. Além disso, os ajustes no sistema de MT podem ser feitos de acordo com o apetite de risco do próprio cliente.
• A ferramenta de otimização de ajustes automatizada também pode ser usada para modelar mudanças nos negócios, visando determinar o impacto nos cenários de monitoramento atuais. Esse insight permite tomar decisões fundamentadas acerca das mudanças nos negócios e dos requisitos de recursos para gerenciar picos de alertas.

O classificador de alertas MT automatiza a tomada de decisões de revisão de alertas no primeiro nível de revisão.

• Usando técnicas avançadas de machine learning, a ferramenta automatiza a identificação de alertas que provavelmente exigirão investigação (escalação automática) e alertas que não são suspeitos (fechamento automático), permitindo que os analistas se concentrem em atividades de alto risco.
• Cada decisão de revisão de alerta tem um nível de confiança e é apoiada por uma lógica de decisão legível por humanos. Portanto, as empresas podem adaptar a implementação para ditar as taxas de cobertura e precisão que suportam seu apetite ao risco.
• O uso de machine learning supervisionado garante transparência à ferramenta e que esta possa ser revisada de maneira independente por auditores e reguladores.

As análises de gerenciamento fornecem informações sobre o desempenho do sistema, a qualidade dos dados e insights adicionais que podem fundamentar os controles de crimes ou fraudes financeiras.

• Pacotes de análise podem ser desenvolvidos para fornecer informações sobre a atividade de pagamento e indicar áreas de risco dentro do comportamento transacional.
• Os painéis personalizáveis visualmente ricos apresentam dados de gerenciamento de uma maneira que destaca os principais insights e permite a tomada de decisões orientada por dados.

A KPMG combinou especialização em indústrias e setores, monitoramento de transações e tecnologia com profissionais de ciência de dados com expertise mundial para criar abordagens avançadas para sistemas de monitoramento de transações. A experiência de trabalhar com clientes em âmbito global ajuda a garantir que a KPMG acompanhe a rapidez e o apetite dos reguladores, ao mesmo tempo em que abordam os desafios das empresas.

• Baseada em risco: a segmentação de clientes pode ser mais precisa e alinhada à abordagem baseada em riscos.
• Eficiência e eficácia: a Inteligência Artificial (IA) testa milhares de “cenários e se”, fornecendo recomendações para o ajuste ideal da segmentação, regras, cenários e limites de clientes. O sistema otimizado diminui as taxas de alertas ‘não suspeitos’.
• Redução de custos: os sistemas de MT otimizados tendem a produzir menos alertas de ‘baixa qualidade’, exigindo revisão manual demorada. A revisão de L1 automatizada minimiza a necessidade de revisão humana de quatro olhos, dependendo do apetite ao risco.
• Cumprimento regulatório: a detecção automatizada de alertas ‘suspeitos’ permite a escalação mais rápida de casos de alto risco de compliance. Testes de sistemas documentados, transparentes e auditáveis e processos de revisão de alertas demonstram o cumprimento regulatório.
• Perspicaz: informações e análises de gerenciamento identificam links, padrões e comportamentos para fornecer uma visão real.