Contacta con nosotros

Temario del curso

Introducción a la inteligencia artificial en el crimen financiero

  • Panorama general del fraude y AML en la era de las finanzas digitales.
  • Enfoques tradicionales frente a enfoques basados en IA.
  • Estudios de caso de Mastercard, JPMorgan y bancos globales.

Aprendizaje automático para la monitorización de transacciones

  • Aprendizaje supervisado para la puntuación y clasificación de riesgos.
  • 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 de fraude complejos utilizando IA basada en grafos.
  • Práctica hands-on con Neo4j o herramientas similares.

Procesamiento del Lenguaje Natural (NLP) para AML

  • Minería de texto en la diligencia debida del cliente (CDD).
  • Escaneo de listas de vigilancia utilizando reconocimiento de entidades nombradas (NER).
  • Revisión de documentos y elaboración de reportes de actividades sospechosas (SARs) mediante prompt engineering.

Gobernanza de modelos y explicabilidad

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

Ética, regulación y riesgos de modelos

  • Cumplimiento con los marcos normativos de AML y KYC (por ejemplo, GAFI/FAFT, FinCEN, EBA).
  • Ética de la IA en la vigilancia y el monitoreo del cliente.
  • Estándares de reporte y auditabilidad 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 inteligencia artificial generativa en la investigación de fraudes y la automatización de SARs.

Resumen y próximos pasos

Requerimientos

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

Público objetivo

  • Profesionales en gestión de riesgos 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