Ponte en Contacto

Temario del curso

Introducción a la IA en delitos financieros

  • Panorama del fraude y el lavado de dinero en la era de las finanzas digitales.
  • Enfoques tradicionales frente a los basados en IA.
  • Estudios de caso de Mastercard, JPMorgan y bancos globales.

Aprendizaje automático para el monitoreo transaccional

  • Aprendizaje supervisado para la calificación 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 en redes

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

Procesamiento del lenguaje natural para 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 basada en consignas e informes de actividades sospechosas (SAR).

Gobernanza de modelos e interpretabilidad

  • Construcción de modelos interpretables y auditables.
  • Detección y mitigación de sesgos en algoritmos de detección de fraude.
  • Uso de técnicas de IA explicable (XAI) en entornos de cumplimiento.

Ética, regulación y riesgo del modelo

  • Cumplimiento de los marcos AML y KYC (por ejemplo, FATF, FinCEN, EBA).
  • Ética de la IA en la vigilancia y el monitoreo del cliente.
  • Estándares de informes y capacidad de auditoría regulatoria.

Estrategias de implementación y tendencias futuras

  • Integración de modelos de IA en sistemas transaccionales existentes.
  • Bucles de retroalimentación y mecanismos de actualización de modelos.
  • El futuro de la IA generativa en la investigación de fraude y la automatización de SAR.

Resumen y próximos pasos

Requerimientos

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

Público objetivo

  • Profesionales de riesgo de fraude.
  • Equipos de cumplimiento contra el lavado de dinero (AML).
  • Gestores de seguridad.
 14 Horas

Número de participantes


Precio por participante

Reseñas (1)

Próximos cursos

Categorías Relacionadas