Estudo aponta 51% das instituições não estão satisfeitas com a qualidade dos dados de prevenção aos crimes financeiros

A pesquisa é inédita no Brasil e foi realizada com 53 instituições brasileiras.(Foto: Unsplash)

Novas tecnologias, governança e qualidade dos dados são as principais preocupações das instituições financeiras com relação a programas de Prevenção à Lavagem de Dinheiro e Financiamento ao Terrorismo. 51% das instituições não estão satisfeitas com a qualidade dos seus dados utilizados para prevenção a crimes financeiros, revela a Pesquisa de maturidade dos programas de Prevenção à Lavagem de Dinheiro e Financiamento ao Terrorismo, da EY, uma das maiores empresas de consultoria e auditoria do mundo.

Embora a inovação tecnológica seja fundamental para superar e mitigar as ameaças de crimes financeiros, à medida que as atividades criminosas se tornam cada vez mais sofisticadas e requerem abordagens inteligentes e eficientes, alguns desafios com relação a dados são enfrentados pelos setores obrigados no combate ao crime financeiro. Controles insuficientes e lacunas de capacidade representam 43% dos desafios para melhoria do tratamento de dados, segundo os entrevistados, e 26% das deficiências estão relacionadas a dados capturados incorretamente.

 A automação dos dados de maneira completa, ainda não é uma realidade nas instituições, como indica o gráfico abaixo:

A pesquisa é inédita no Brasil e foi realizada com 53 instituições brasileiras. Ela chega ao mercado dois anos após atualização das regras do BCB, CVM, SUSEP e PREVIC, que estabeleceram novo marco para prevenção de lavagem de dinheiro e financiamento de terrorismo. Foram ouvidos bancos, cooperativas de crédito, seguradoras, instituições de pagamento, entre outras.

 Segundo os entrevistados, os desafios mais frequentes são decorrentes da falta de padronização de dados, acessibilidade, fontes e estruturas de dados e isso impacta diretamente o programa de prevenção à crimes financeiros segundo + de 50% dos respondentes da pesquisa. A visão centralizada do cliente é a chave para evolução dos programas de PLDFTP. Sobre isso, a adoção de soluções de IA e machine learning também podem gerar análises mais precisas e completas da diligência contínua do cliente e ajudarão a lidar com o grande volume e variedade de dados criados por uma infinidade de tecnologias, melhorando ainda os recursos de gerenciamento de dados. Há oportunidades para redução do custo operacional, mas também, mais significativamente, possibilidades de identificar formas baseadas em inteligência e dados para combater o crime financeiro.

Diante disso, as questões relacionadas à disponibilidade e qualidade de dados se tornam ainda mais importantes. Uma vez que os controles para detecção e prevenção são desenvolvidos e implementados, é preciso definir uma estratégia de monitoramento de transações contínuo para garantir que os resultados esperados continuem a ser alcançados ou mesmo detectar a tempo possíveis falhas do processo (de dados ou sistêmico) além de possível identificação de tendências. Aspectos como estes devem servir como gatilhos para análise de impacto e possível tomada de ação para mitigação, remediação ou solução de problemas identificados.

Além disso, 64% das instituições ainda não possuem uma visão integrada de Fraude, PLDFT e Risco de Crédito. Uma estratégia e atuação compartilhadas, que englobe processos, sistemas, pessoas e dados resultam em inúmeros benefícios para a instituição, como: alertas e investigações mais direcionados e acionáveis, permitindo que todos os alertas do mesmo assunto sejam exibidos ao analista, melhoria das taxas de detecção de fraude, capacidade de identificação de esquemas criminosos sofisticados e identificação de padrões anteriormente ocultos.