En 2017, el fundador de la criptomoneda OneCoin abordó un avión en Sofía, Bulgaria y desapareció. Desapareció con una fortuna estimada en más de 4 mil millones de dólares, defraudada a millones de personas en todo el mundo en uno de los mayores esquemas piramidales de la historia. Desde entonces, el objetivo del FBI no es sólo encontrar al fundador (que está en su lista de los diez criminales más buscados), sino responder a la pregunta: ¿dónde está el dinero?
Casos como el de OneCoin, popularizado por podcasts como The Economist’s Scam Inc. (2024), revelan dos delitos. El primero es el fraude. El segundo, más silencioso y complejo, es el blanqueo de dinero: el proceso de creación de dinero robado parece legítimo.
El gato y el raton
La estafa de OneCoin no es un hecho aislado. Cada año se blanquea entre el 2% y el 5% del PIB mundial, o hasta 2 billones de dólares, en el sistema financiero mundial. Ese dinero es el combustible del terrorismo, la trata de personas y la corrupción.
Durante décadas, la lucha contra el blanqueo de capitales (Anti-Money Laundering o AML) ha sido un juego del gato y el ratón. Los reguladores crearon la regla y los delincuentes encontraron una manera de eludirla.
Tras analizar la vanguardia de esta lucha, hemos confirmado que se ha cambiado el tablero de juego. La era de las hojas de cálculo está llegando a su fin y comienza la era de la inteligencia artificial.
Tabla 1: Comparación de enfoques. Adaptabilidad
Hasta hace poco, la administración pública obligaba a los bancos y otras entidades a utilizar sistemas basados en reglas. Eran simples: si una transacción superaba los 10.000 euros, se marcaba. Si una cuenta recibía repentinamente 50 transferencias pequeñas, se marcaba.
El problema es que los delincuentes se adaptan. Para evitar ser detectados, comenzaron a dividir el dinero en cientos de pequeñas transacciones, logrando así pasar por debajo del umbral de advertencia.
Los blanqueadores de OneCoin, por ejemplo, utilizaron redes de empresas fantasma y transferencias opacas para mover dinero por todo el mundo. El resultado fue el caos para las entidades, que se ahogaban en miles de falsos positivos mientras dinero de origen verdaderamente ilegítimo se colaba por las grietas del sistema.
Nuestro estudio identifica un cambio de paradigma de la estadística al aprendizaje automático. En lugar de seguir reglas estrictas, estos sistemas de IA aprenden patrones de comportamiento. La inteligencia artificial antiblanqueo aprende qué es normal en una cuenta y detecta anomalías: transferencias a paraísos fiscales, operaciones nocturnas o redes de cuentas que parecen diseñadas únicamente para mover dinero.
Análisis de redes: una herramienta revolucionaria
Las Administraciones se han dado cuenta de que el blanqueo de capitales no se produce en un acto aislado, sino en una red de transacciones. En lugar de considerar cada transacción como un punto individual, el análisis de red dibuja un mapa que conecta las cuentas.
Imagínese: una transferencia de 5.000 euros de la cuenta A a la cuenta B no es sospechosa. Pero el análisis de la red puede mostrar que los 5.000 euros van de A a B, de B a C, de C a D y finalmente de D a A. Este patrón circular se utiliza para ocultar orígenes ilícitos a través de múltiples capas de transacciones. El análisis de la red revela el mapa completo.
Nadie tiene la imagen completa.
En nuestro estudio, identificamos un problema crítico que llamamos “ceguera de la red”. Esto sucede cuando cada banco ve sólo su parte de las transacciones, sin acceso al panorama completo del flujo ilícito. Si el dinero en el esquema salta del Banco A al Banco B, la primera entidad registra sólo la salida y la segunda sólo la entrada, perdiendo así el rastro global.
La acción de la administración pública es aquí crucial. Para encontrar blanqueadores, las autoridades financieras deben convertirse en tecnólogos. Nuestro análisis de la investigación sobre este tema apunta a un nuevo conjunto de herramientas para estas organizaciones:
Marcos de homogeneización y intercambio de datos: la ceguera de la red solo se cura si las entidades pueden compartir información de forma segura y colaborativa. La nueva Agencia Europea contra el Blanqueo de Dinero (AMLA) es un paso en esta dirección.
Zonas de pruebas regulatorias: se debe crear un entorno de prueba seguro para que las entidades reguladas puedan experimentar de manera controlada con nueva inteligencia artificial contra el lavado de dinero.
Mida lo que importa: aléjese de los simples indicadores de cumplimiento (como el número de informes de sospecha completados) o listas de verificación y comience a medir la efectividad real, con métricas orientadas a resultados.
Lidiar con la privacidad: Equilibrar la vigilancia y la privacidad es un gran desafío. La solución incluye nuevas tecnologías, como el aprendizaje federado, que permite que la inteligencia artificial de diferentes entidades aprenda de patrones comunes sin compartir nunca los datos personales de los clientes.
La lucha contra el blanqueo de capitales ha dejado de ser una cuestión de contables y se ha convertido en una batalla por el big data. La mejor manera de encontrar miles de millones de OneCoin y detener las próximas redes criminales es utilizar redes de inteligencia para desmantelarlas.
Descubre más desde USA Today
Suscríbete y recibe las últimas entradas en tu correo electrónico.
Spanish 