Contacta con nosotros

Temario del curso

Introducción a la inteligencia artificial en delitos financieros

  • Visión general del fraude y la prevención del lavado de dinero (AML) en la era de las finanzas digitales.
  • Enfoques tradicionales frente a los basados en inteligencia artificial.
  • Estudios de casos de Mastercard, JPMorgan y bancos globales.

Aprendizaje automático para el monitoreo de transacciones

  • Aprendizaje supervisado para la evaluación de riesgos y clasificación.
  • Aprendizaje no supervisado para la detección de anomalías.
  • Generación de alertas en tiempo real y procesamiento de flujos de datos.

Análisis de grafos y detección de riesgos de red

  • Modelado de relaciones entre entidades y transacciones.
  • Detección de esquemas de fraude complejos utilizando inteligencia artificial basada en grafos.
  • Práctica con Neo4j o herramientas similares.

Procesamiento del lenguaje natural para la prevención del lavado de dinero (AML)

  • Minería de texto en la debida diligencia del cliente (CDD).
  • Escaneo de listas de vigilancia mediante reconocimiento de entidades nombradas (NER).
  • Revisión de documentos y reportes de actividades sospechosas (SAR) basados en indicadores específicos (prompts).

Gobernanza de modelos y explicabilidad

  • Construcción de modelos explicables y auditables.
  • Detección y mitigación de sesgos en algoritmos de detección de fraudes.
  • Uso de técnicas de inteligencia artificial explicable (XAI) en entornos de cumplimiento normativo.

Ética, regulación y riesgo de modelos

  • Cumplimiento con los marcos normativos de prevención del lavado de dinero (AML) y conocimiento del cliente (KYC) (por ejemplo, FATF, FinCEN, EBA).
  • Ética de la inteligencia artificial en la vigilancia y el monitoreo de clientes.
  • Estándares de informes y auditoría normativa.

Estrategias de implementación y tendencias futuras

  • Integración de modelos de inteligencia artificial en sistemas de transacción existentes.
  • Bucles de retroalimentación y mecanismos de actualización de modelos.
  • El futuro de la inteligencia artificial generativa en la investigación de fraudes y la automatización de reportes de actividades sospechosas (SAR).

Resumen y próximos pasos

Requerimientos

  • Comprensión de los riesgos de fraude y los procedimientos de prevención del lavado de dinero (AML).
  • Experiencia en análisis de datos o informes de cumplimiento normativo.
  • Familiaridad básica con Python o plataformas analíticas.

Público objetivo

  • Profesionales de riesgo de fraude.
  • Equipos de cumplimiento de prevención del lavado de dinero (AML).
  • Gerentes de seguridad.
 14 Horas

Número de participantes


Precio por participante

Testimonios (1)

Próximos cursos

Categorías Relacionadas