Agentes de IA para el control de sanciones: cómo usarlos en la revisión de alertas

Última actualización: septiembre de 2026

Los agentes de IA para el cribado de sanciones revisan las coincidencias generadas por la herramienta de cribado actual de una institución, dejando el cribado en sí a dicha herramienta. Para cada coincidencia, el agente compara la entrada de la lista con los datos del cliente o del pago, muestra qué identificadores coinciden, difieren o faltan, y recomienda descartar la coincidencia como un falso positivo o escalarla. Cada posible coincidencia real, y cada coincidencia que los datos no puedan resolver, pasa a una persona, y una persona toma cada decisión de descartar, bloquear o rechazar.

La precaución es deliberada, ya que un falso positivo escalado erróneamente cuesta tiempo al analista, mientras que una coincidencia real descartada por error constituye una infracción de las sanciones. Esta guía cubre lo que un agente puede y no puede hacer en la revisión de alertas de sanciones, cómo se descarta un falso positivo, qué debe contener el registro de una coincidencia descartada y qué esperan de dicho registro la Oficina de Control de Activos Extranjeros (OFAC) y los inspectores.

Resumen rápido (TL;DR)

• Un agente de cribado de sanciones revisa las coincidencias de la herramienta de cribado que usted ya utiliza. No realiza el emparejamiento de nombres y nunca descarta, bloquea, rechaza ni libera nada por sí mismo.

• Descartar un falso positivo significa comparar cada identificador de la entrada de la lista con los datos que usted posee (nombres y alias, fecha y lugar de nacimiento, nacionalidad, números de identificación, direcciones) y mostrar qué alias produjo la coincidencia.

• Cuando falten los datos necesarios para decidir, el agente debe señalar la brecha de información y recomendar una revisión manual mientras se envía una solicitud de información.

• Una posible coincidencia real es siempre decisión de una persona. Una coincidencia confirmada se bloquea o rechaza y se reporta a la OFAC dentro de los 10 días hábiles.

• El registro de una coincidencia descartada debe mostrar los pasos seguidos y la información en la que se basó. La OFAC no confirma coincidencias ni falsos positivos, por lo que ese registro es la prueba de la institución.

• Evalúe a un agente frente a sus propias decisiones pasadas mediante dos métricas analizadas por separado: la tasa de acuerdo en falsos positivos y los fallos críticos (coincidencias reales omitidas), donde el límite permitido es cero.

¿Qué hace un agente de IA en el cribado de sanciones?

Un agente de IA en el cribado de sanciones revisa cada coincidencia que genera la herramienta de cribado y recomienda una decisión. El agente compara la coincidencia con la entrada de la lista y con los datos del cliente o del pago, registra qué identificadores coinciden, cuáles difieren y cuáles faltan, y recomienda descartar la coincidencia como falso positivo o escalarla. Un analista confirma o anula cada recomendación basándose en ese registro.

Un agente de cribado de sanciones es conservador por diseño. Recomienda descartar únicamente cuando el registro descalifica la coincidencia, y envía toda posible coincidencia real, así como cualquier coincidencia que los datos disponibles no puedan resolver, a una persona. Una persona toma cada decisión de descartar, bloquear y rechazar.

En el flujo de trabajo, el agente interviene después del cribado: la herramienta de cribado, que trabaja con las listas bajo licencia de la institución, sigue generando cada coincidencia, por lo que la capa de cribado de sanciones y listas de vigilancia que los inspectores ya conocen permanece intacta. El trabajo del agente es la revisión, que es donde se consume el tiempo.

Coincidencias, falsos positivos y coincidencias reales

• Coincidencia potencial (Hit): la señal de la herramienta de cribado de que un nombre u otro detalle en un registro de cliente o pago se parece a una entrada en una lista de sanciones. El cribado de nombres es el paso de emparejamiento que crea estas coincidencias en primer lugar.

• Falso positivo (False match): una coincidencia con alguien que no es la parte sancionada. Descartar un falso positivo de la OFAC significa demostrar, a partir del registro, por qué la coincidencia no corresponde a la parte de la lista.

• Coincidencia probable: una coincidencia donde varios identificadores independientes, como el nombre y la fecha de nacimiento, coinciden con la lista y nada la descalifica aún. Las directrices de la OFAC indican que una coincidencia probable debe enviarse a los procedimientos propios de la institución para coincidencias probables, y estos procedimientos deben ponerla en manos de una persona.

• Coincidencia real: una coincidencia con la propia parte sancionada, lo que activa los procedimientos de la institución para bloquear o rechazar.

¿Por qué el cribado de sanciones produce tantos falsos positivos?

El cribado de sanciones produce muchos falsos positivos porque el cribado de nombres está diseñado para detectar cualquier nombre que se parezca a uno de la lista, incluidos alias y variaciones ortográficas. Por lo tanto, los nombres comunes y las grafías similares generan alertas de cribado sobre personas que no son la parte sancionada. La OFAC lo señala en su guía sobre la evaluación de posibles coincidencias, actualizada en septiembre de 2026: "Muchas de las posibles coincidencias identificadas mediante el cribado son falsos positivos".

El volumen de falsos positivos a menudo proviene de un pequeño número de nombres. Un oficial de la BSA en un banco comunitario describió el caso de un solo cliente nuevo cuyo nombre se parecía mucho a uno de la lista de la OFAC, lo que generó una avalancha de alertas por sí solo. Un responsable de confianza y seguridad de una aseguradora describió este problema recurrente: "Recibimos las mismas coincidencias una y otra vez... si se trata repetidamente de la misma entrada en la misma lista de sanciones con la misma persona, es simplemente una pérdida de tiempo absoluta".

Para algunos equipos, la dificultad radica en la carga de revisión. El responsable de confianza y seguridad de la aseguradora señaló que el problema de su equipo era la incapacidad de descartar coincidencias repetitivas, lo que los sobrecargaba, más que la precisión de las coincidencias. Un analista sénior de cumplimiento de prevención de blanqueo de capitales (AML) en una fintech resumió el coste diario con claridad: "Yo soy quien las descarta todos los días... Sería estupendo no tener que lidiar con eso cada día".

Los inspectores esperan un método definido para gestionar el volumen de falsos positivos. La sección de la OFAC del manual de inspección de BSA/AML del FFIEC señala que las políticas, procedimientos y procesos de un banco "también deben abordar cómo se determinará si una coincidencia inicial de la OFAC es válida o si se trata de un falso positivo". Y añade: "Un volumen elevado de falsos positivos puede indicar la necesidad de revisar el programa de interdicción del banco".

La forma en que se obtienen, versionan y mantienen actualizadas las listas que sustentan el cribado se detalla en una guía aparte sobre la gestión de listas de la OFAC y de sanciones.

¿Qué hace un agente con una coincidencia y qué es lo que no hace?

Un agente toma una coincidencia que la herramienta de cribado ya ha detectado, prepara paso a paso la revisión que recomienda la OFAC y entrega a una persona una recomendación con las pruebas detalladas. El agente no realiza el emparejamiento de nombres ni descarta, bloquea o libera nada por sí mismo. En el proceso de cribado de sanciones, el agente se sitúa entre la coincidencia y la decisión.

Mantener la capa de cribado existente suele ser el objetivo principal. Un director de sistemas tecnológicos de BSA/AML/OFAC en un banco comunitario comentó que el banco preferiría un proveedor de cribado consolidado y listo para usar en lugar de un desarrollo a medida, para mitigar las dudas de los inspectores. Un agente que trabaja sobre esa herramienta deja intacto el control inspeccionado y asume el trabajo de revisión que lo rodea.

La pregunta frecuente 5 (FAQ 5) de la OFAC recomienda seis pasos para investigar una coincidencia potencial. La tabla muestra dónde puede preparar el trabajo un agente y dónde decide una persona.

Cada decisión de la última columna corresponde a una persona; la columna central representa la preparación.

El paso 3, la comparación, es el que un agente puede preparar de forma más completa. De este modo, la automatización del cribado de sanciones cubre la preparación de cada revisión, mientras que la decisión sigue en manos de una persona. Este mismo patrón de recomendar y luego confirmar se aplica a las alertas de monitoreo de transacciones, detalladas en una guía aparte sobre la automatización de alertas AML de nivel 1 (L1).

¿Cómo se descarta un falso positivo?

Un falso positivo se descarta comparando cada detalle de la entrada de la lista con lo que la institución sabe sobre el cliente o el pago, y registrando el resultado de cada detalle. Las entradas de la lista de la OFAC pueden incluir nombres completos, nombres anteriores, alias conocidos, nacionalidades, números de pasaporte, de identificación fiscal y de identidad nacional, lugar y fecha de nacimiento, números de registro comercial y direcciones conocidas. La guía indica el método directamente: "Para verificar o descartar una posible coincidencia, compare todos los detalles de la lista de la OFAC con la información de la que dispone sobre los datos de su transacción o actividad que generaron la 'alerta' o 'coincidencia'".

La cantidad de detalles que coinciden determina el resultado. Si coinciden muy pocos detalles, señala la OFAC, es posible que no se trate de una coincidencia válida, y "si tras revisar la información disponible puede determinar razonablemente que la coincidencia no es válida, puede proceder con la transacción o actividad". Si coinciden varios detalles independientes, como el nombre y la fecha de nacimiento de una persona, o el nombre y la ubicación de una entidad, la posible coincidencia de la OFAC ya no puede descartarse en este paso y se traslada a los procedimientos de la institución para coincidencias probables.

Un proceso de descarte sólido sigue cinco prácticas recomendadas:

1. Mostrar qué alias produjo la coincidencia. Un director de sanciones y cumplimiento AML en una entidad de transferencia de dinero señaló que los analistas necesitan que se destaque el alias coincidente. Una coincidencia en el nombre de un cliente que apunta a una entrada de la lista registrada bajo un nombre principal completamente diferente parecerá un error del sistema a menos que se muestre el alias. La OFAC clasifica algunos alias como débiles, los cuales una herramienta de cribado puede excluir según una decisión basada en riesgos, por lo que la revisión también debe indicar cuándo una coincidencia se basa en uno de ellos.

2. Marcar cada identificador. Para cada campo de la lista, el registro indica si coincide, difiere o falta. Un campo que falta no es ni una coincidencia ni una discrepancia, y el registro debe reflejarlo así.

3. Comparar los nombres parte por parte. Tratar un nombre completo como una única cadena de texto pasa por alto casos que una comparación de nombres de pila y apellidos sí detectaría. Un nombre de pila compartido con un apellido diferente es una prueba débil, y dos nombres que parecen diferentes como cadenas completas pueden coincidir si se analizan por partes.

4. Resolver cada coincidencia dentro de una alerta. Un director global de sanciones en una empresa de criptomonedas describió la regla con la que trabaja su equipo: cada coincidencia individual dentro de una alerta debe descartarse antes de que la alerta pueda aprobarse como falso positivo, y la resolución de cada coincidencia se documenta para fines de auditoría.

5. Vincular el descarte al cliente. Un director de sistemas tecnológicos de BSA/AML/OFAC en un banco comunitario señaló que, cuando se descarta como falso positivo una coincidencia con un nombre común, el banco quiere que se supriman las alertas futuras para ese cliente específico, no para todos los que compartan ese nombre.

Un descarte previo también debe servir de base para la siguiente revisión. Cuando una entrada ya descartada vuelve a aparecer para el mismo cliente, el revisor puede comprobar qué ha cambiado (incluida la versión de la lista) y apoyarse en el trabajo anterior.

¿Qué debe ocurrir cuando falta la información necesaria para descartar una coincidencia?

Cuando falta la información necesaria para descartar una coincidencia, el agente debe señalar la brecha específica y recomendar una revisión manual en lugar de forzar una decisión. A continuación se envía una solicitud de información y la revisión se ejecuta de nuevo cuando se recibe la respuesta. La guía de la OFAC prevé este paso: verificar o descartar una posible coincidencia "puede requerir recopilar información adicional de las partes involucradas en la transacción o actividad".

Un analista sénior de cumplimiento AML en una fintech describió un caso común: una coincidencia potencial marcada por la fecha de nacimiento cuando el registro del cliente no contiene ese dato, por lo que el analista debe buscarlo en fuentes externas y verificarlo antes de que la coincidencia pueda descartarse o confirmarse. Un agente tampoco puede resolver esa coincidencia, pero puede indicar exactamente qué campo falta y qué se necesitaría para resolverlo.

En las coincidencias de pagos, la escasez de datos suele ser el problema principal. Un director de cumplimiento de delincuencia financiera y regulación global en una firma de pagos transfronterizos comentó sobre los pagos retenidos por una coincidencia de cribado: "Con esta información, todos los presentes en la mesa pueden decir: sí, no es información suficiente... No hay suficiente información para gestionar la coincidencia y tomar una decisión sobre ella". El mismo director fue franco sobre el proceso de solicitar más información: "El objetivo de obtener más información es útil. Pero todo el proceso no lo es tanto... los recursos humanos que destinamos a esto no aportan mucho valor".

Preparar la solicitud de información es donde la ayuda de un agente resulta menos cuestionable: pedir exactamente el identificador que falta y, posteriormente, contrastar la respuesta con la lista cuando esta llegue.

El enfoque conservador tiene un coste visible. Un director de sanciones y cumplimiento AML en una entidad de transferencia de dinero, al referirse a un agente que había detectado pruebas contradictorias y recomendado una revisión manual, resumió el resultado: "Pero al final del día, solo te dice algo como... tienes que revisarlo tú mismo". En una coincidencia de sanciones, ese resultado es el correcto, porque una suposición que descarte por error una coincidencia real es una infracción, mientras que una recomendación de revisar de nuevo solo cuesta tiempo.

¿Por qué una posible coincidencia real es siempre decisión de una persona?

Una posible coincidencia real es siempre decisión de una persona porque los dos errores posibles al gestionar una coincidencia de sanciones conllevan costes muy distintos: escalar un falso positivo consume tiempo del analista, mientras que descartar una coincidencia real es una infracción de las sanciones que ningún ahorro de tiempo de revisión puede compensar.

El procedimiento de la FAQ 5 de la OFAC establece el mismo límite. Cuando coinciden varios datos de la lista, como el nombre y la fecha de nacimiento, la revisión pasa de evaluar la coincidencia a aplicar los procedimientos de la institución para coincidencias probables, y de ahí a la decisión de bloquear o rechazar. Un director de sistemas tecnológicos de BSA/AML/OFAC en un banco comunitario describió lo que significa una coincidencia confirmada en la práctica: "Si tenemos una alerta de lista de vigilancia y es una coincidencia real, eso significa detenerlo todo. No podemos dar de alta a este cliente, tenemos que darle de baja, pero si es una persona expuesta políticamente (PEP), no tenemos por qué hacerlo".

Una coincidencia de sanciones confirmada se bloquea o rechaza, y los bienes bloqueados o la transacción rechazada se reportan a la OFAC en un plazo de 10 días hábiles. Una coincidencia con una persona expuesta políticamente conlleva una revisión más detallada del cliente, como se explica en esta guía sobre cribado de PEP.

La velocidad sigue siendo importante, porque a menudo hay un cliente esperando. Un director global de sanciones en una empresa de criptomonedas describió un sistema en el que una coincidencia de cribado restringe la cuenta del cliente de inmediato, por lo que este no puede realizar transacciones hasta que un analista confirme que no se trata de una coincidencia real. Esa retención es un control de cribado, y es una persona quien la levanta. El trabajo del agente es poner las pruebas a disposición de esa persona lo antes posible.

Un responsable de cumplimiento en una fintech formuló la regla con claridad: "Esto siempre va a ser una revisión con intervención humana. Nada se va a automatizar sin que un humano lo apruebe formalmente y diga que estamos de acuerdo con esta decisión".

Algunos equipos piden más automatización que una simple firma humana para cada coincidencia. El director del banco comunitario que prefería un proveedor de cribado consolidado también solicitó la capacidad de cerrar una coincidencia de forma automática cuando el nombre supere el umbral mínimo de coincidencia del banco pero la fecha de nacimiento o la dirección sean claramente distintas. Si una institución adopta una regla de este tipo, debe constar en la política escrita de la institución para un flujo de trabajo definido, estar aprobada por los responsables del cumplimiento de sanciones y registrar las pruebas de cada coincidencia que la regla cierre. Esa decisión no corresponde a un agente.

¿Qué debe contener el registro de una coincidencia descartada?

El registro de una coincidencia descartada debe mostrar los pasos seguidos para investigar la posible coincidencia y la información en la que se basó para decidir que no era válida. Así lo expresa la propia OFAC en la FAQ 5, al señalar que las organizaciones "deben mantener registros completos y precisos que detallen los pasos seguidos para investigar la posible coincidencia y la información en la que se basaron para determinar finalmente si la coincidencia potencial era válida", y añade que la OFAC puede solicitar dichos registros. La OFAC también aclara que "no confirma posibles coincidencias ni falsos positivos", por lo que nadie ajeno a la institución valida la determinación.

Un registro estructurado bajo estas directrices contiene lo siguiente.

Las filas siguen el orden de la revisión, de modo que cualquier lector posterior pueda reconstruir el proceso de descarte desde la coincidencia inicial hasta la aprobación final.

Un responsable de control de calidad de cumplimiento de sanciones y altas en un banco regional describió lo que suelen detectar las auditorías en el ámbito de las sanciones: "Los hallazgos que solemos ver en materia de sanciones indican que los usuarios suelen olvidar realizar el cribado de sanciones, ya sea durante el alta o al realizar una transacción, o si lo hicieron, descartan la alerta con una justificación incorrecta". Un registro estructurado aborda este segundo fallo de forma directa. El mismo responsable preguntó si las justificaciones para descartar alertas podrían provenir de un conjunto estándar de plantillas que el propio equipo pudiera crear y editar antes de una auditoría. Las plantillas compartidas hacen que los descartes de los analistas tengan una redacción homogénea.

La gestión de casos es el lugar donde debe residir el registro, junto a la alerta y la decisión, para que el revisor pueda encontrarlo. El registro también debe conservarse a largo plazo: desde el 12 de marzo de 2025, la norma de mantenimiento de registros de la OFAC (31 CFR 501.601) exige que los registros de las transacciones sujetas a sus regulaciones estén disponibles para su inspección durante al menos 10 años, en consonancia con el plazo de prescripción de 10 años para las infracciones de sanciones. Independientemente de lo que indique la política de retención de la propia institución sobre las coincidencias descartadas, un descarte debe resultar comprensible para alguien que lo lea mucho después de que el analista que lo redactó haya dejado la empresa.

¿Cómo se evita que un agente invente o interprete mal una coincidencia?

Se evita que un agente invente o interprete mal una coincidencia aplicando controles fijos alrededor del modelo y exigiendo que cada recomendación cite el registro. Los controles deterministas previos al modelo aseguran que la entrada de la lista y los identificadores sobre los que razona sean los reales, y los controles posteriores al modelo verifican sus resultados frente a ellos. Una recomendación que no pueda vincularse a la entrada de la lista, a los campos comparados y al resultado de cada uno no es motivo suficiente para descartar una alerta.

Un director de proyectos de TI en una gestora de activos describió la arquitectura: "Muchas personas sin experiencia confían demasiado en los LLM... se necesitan controles deterministas al principio, el LLM en el medio y controles deterministas al final. Solo así se tiene la oportunidad de ser consistente".

El mismo director de proyectos de TI describió un caso de fallo: un piloto anterior que gestionaba alertas de delincuencia financiera mediante instrucciones a un modelo de lenguaje de propósito general, donde nada era auditable ni explicable, los resultados eran incorrectos y el piloto se canceló tras una breve prueba.

El Marco para los Compromisos de Cumplimiento de la OFAC, la guía de la OFAC de 2019 sobre programas de cumplimiento de sanciones, incluye los fallos de software de cribado o filtros entre las causas fundamentales de los incumplimientos de sanciones, como no incluir identificadores pertinentes o no tener en cuenta variaciones ortográficas de las partes prohibidas. Cada uno de esos fallos permite que se pase por alto una coincidencia real, que es el error más grave.

El marco de la OFAC también establece un estándar para la tecnología en un control de sanciones que se aplica tanto al agente como a la herramienta de cribado. Cuando la tecnología de la información forma parte de los controles internos, la organización debe haber "seleccionado y calibrado las soluciones de manera adecuada para abordar el perfil de riesgo y las necesidades de cumplimiento de la organización", y debe evaluarlas de forma rutinaria para garantizar su correcto funcionamiento.

¿Cómo se debe evaluar a un agente de cribado antes de confiar en él?

Evalúe al agente de cribado contrastándolo con sus propias decisiones pasadas antes de confiar en él: realice una prueba retrospectiva con alertas de cribado históricas, luego impleméntelo en modo pasivo (shadow mode) en el flujo de trabajo real y, por último, analice los resultados. Mida dos variables por separado. El porcentaje de coincidencia en los falsos positivos muestra cuánto tiempo de revisión podría ahorrar el agente. Por otro lado, los fallos críticos (es decir, coincidencias reales que el agente habría recomendado descartar) determinan si es seguro utilizar el agente, y el límite tolerado para los fallos críticos es cero.

Estas dos medidas —el nivel de acuerdo en falsos positivos y el recuento de fallos críticos— responden a una pregunta planteada por un vicepresidente de tecnología de una fintech sobre la puesta en marcha: "¿Cuál es nuestro proceso para sentirnos seguros y aceptar la revisión del agente de IA tal como se va a realizar, o cómo vamos a muestrear algunas de estas decisiones? ¿Recibiremos señales tempranas adicionales antes de lanzarlo a gran escala?".

A continuación, analice las discrepancias entre las decisiones del agente y las pasadas, ya que una tasa de acuerdo por sí sola oculta los hallazgos más útiles. Algunas discrepancias serán errores del agente que deben corregirse. Otras reflejarán información que el analista tenía pero que no figuraba en la alerta, o prácticas no escritas, como coincidencias que un analista experimentado escala debido a la alta sensibilidad de una lista específica, a pesar de que el procedimiento escrito indicaría descartarlas.

Cada tipo de discrepancia requiere una decisión antes de que el agente empiece a operar. O bien se incorpora la práctica al procedimiento escrito, o bien se facilitan al agente los datos que faltan; de lo contrario, se estará evaluando al agente sobre la base de un conocimiento que nunca se le proporcionó.

La validación corresponde a la institución, aunque el agente no realice el cribado directamente. Un oficial sénior de cumplimiento de sanciones en un banco regional, al ser consultado sobre si un sistema así pasaría por la gestión de riesgos de modelos, señaló: "Aunque técnicamente no estés realizando el cribado, sigues recurriendo a un sistema que analiza el cribado y que genera la narrativa y otros elementos para que un analista o alguien tome la decisión final". Es previsible que la política de tecnología o de riesgo de modelos de la propia institución incorpore una capa de revisión como esta en la validación, por lo que debe planificar la evaluación para que pueda servir como prueba de ello.

¿Qué han dicho los reguladores sobre la IA en el cribado de sanciones?

Los reguladores se han pronunciado poco sobre la IA específicamente en el cribado de sanciones. La declaración más directa de la OFAC sigue siendo su guía de septiembre de 2022 sobre pagos instantáneos, donde señala que la OFAC "conoce las herramientas de inteligencia artificial y otras soluciones innovadoras de cumplimiento... que pueden mejorar las funciones de cribado de sanciones y reducir los falsos positivos". La misma guía añade que "cuando sea apropiado, basándose en la evaluación de riesgos de la institución, la OFAC fomenta el uso de dichas herramientas" para gestionar los riesgos de sanciones en pagos instantáneos.

A fecha de septiembre de 2026, la OFAC no ha publicado ninguna guía en 2025 o 2026 sobre IA o aprendizaje automático en el cribado de sanciones. El informe del Departamento del Tesoro al Congreso de marzo de 2026 sobre tecnologías innovadoras señala que "la OFAC no exige a las empresas el uso de ninguna herramienta específica para el cribado de sanciones" y menciona la calidad de los datos, la gobernanza y las dudas sobre la validación como barreras para la adopción de herramientas de IA.

Las directrices de riesgo de modelos bancarios tampoco resuelven la cuestión de la IA en el cribado. Las directrices revisadas sobre riesgo de modelos publicadas el 17 de abril de 2026 (SR 26-2, Boletín OCC 2026-13 y FDIC FIL-15-2026) indican que "los modelos de IA generativa y de IA agéntica son novedosos y evolucionan rápidamente. Como tales, no entran en el ámbito de aplicación de esta guía". Añade que las prácticas de gobernanza y gestión de riesgos del propio banco deben orientar los controles para las herramientas no cubiertas. Las agencias tienen previsto publicar una solicitud de información sobre la gestión de riesgos de modelos que analice el uso de la IA por parte de los bancos; a fecha de septiembre de 2026, esta no se ha publicado.

En la práctica, el procedimiento documentado de la propia institución es el estándar por el que se evalúa a un agente. La OFAC no confirma coincidencias ni falsos positivos, y ninguna norma de riesgo de modelos define específicamente a un agente de cribado, por lo que las pruebas propias de la institución y la aprobación humana son lo que lo sustenta.

Cómo aborda Oscilar la revisión de alertas de sanciones

El agente de sanciones de Oscilar se integra sobre la herramienta de cribado que la institución ya utiliza y revisa las coincidencias que esta genera. El agente analiza cada coincidencia, la compara con identificadores como el nombre, la fecha de nacimiento, la nacionalidad y la dirección, y recomienda una decisión con su razonamiento detallado por escrito. En palabras de Agent Hub de Oscilar, el agente "funciona con su arquitectura de sanciones actual".

El agente es conservador por diseño. Cuando faltan atributos clave como la fecha de nacimiento o la dirección, señala la brecha específica y recomienda una revisión manual en lugar de forzar una decisión. El Agent Hub de Oscilar señala que "los agentes nunca cierran ni escalan alertas de forma autónoma: cada recomendación es revisada y confirmada por un analista humano antes de realizar cualquier acción".

Oscilar mantiene un registro de auditoría completo para cada decisión con el razonamiento guardado, y la plataforma está diseñada para contar siempre con intervención humana (human-in-the-loop). Antes de que una institución confíe en el agente, la evaluación se realiza siguiendo el proceso descrito anteriormente: una prueba retrospectiva con las alertas históricas de la institución, seguida de un modo pasivo en el flujo de trabajo real, con un análisis de resultados al final.

El agente de cribado de sanciones de Oscilar y su agente de cribado de PEP y medios adversos se detallan con más profundidad en sus respectivas páginas de producto.

Preguntas frecuentes

¿Qué hace un agente de IA en el cribado de sanciones?

Un agente de IA en el cribado de sanciones revisa las coincidencias que una herramienta de cribado ya ha detectado. Para cada coincidencia, el agente compara la entrada de la lista con los datos del cliente o del pago, registra qué identificadores coinciden, difieren o faltan, y recomienda descartar la coincidencia como un falso positivo o escalarla. Un analista confirma o anula cada recomendación, y cada posible coincidencia real se remite a una persona.

¿Puede un agente de IA descartar una alerta de cribado de sanciones por sí solo?

No. Un agente de IA debe recomendar descartar una alerta de cribado de sanciones únicamente cuando el registro descalifica la coincidencia, y un analista debe confirmar la recomendación antes de que se tome cualquier medida. Una coincidencia real descartada por error constituye una infracción de las sanciones, por lo que una persona toma cada decisión de descartar, bloquear o rechazar.

¿Qué debe contener el registro de una alerta de sanciones descartada?

El registro de una alerta de sanciones descartada debe contener la lista, la entrada y el alias que generaron la coincidencia; cada identificador comparado y si coincidía, difería o faltaba; cualquier información solicitada y recibida; la recomendación y su justificación; y la decisión del analista con sus argumentos y firma fechada. Esto sigue la FAQ 5 de la OFAC, que solicita registros completos y precisos de los pasos seguidos para investigar una posible coincidencia y la información utilizada como base. La OFAC no confirma coincidencias ni falsos positivos, por lo que el registro es la prueba de la institución de que la determinación fue correcta.

¿Qué debe ocurrir cuando falta la información necesaria para descartar una coincidencia?

Cuando falta la información necesaria para descartar una coincidencia, esta debe pasar a revisión manual especificando la brecha de información detectada, como la falta de fecha de nacimiento o dirección. A continuación, se envía una solicitud de información al cliente o a las partes del pago, y la revisión se ejecuta de nuevo cuando se recibe la respuesta. Forzar una resolución con datos incompletos conlleva el riesgo de descartar por error una coincidencia real.

¿Cómo debe evaluar una institución a un agente de cribado de sanciones antes de confiar en él?

Una institución debe evaluar a un agente de cribado de sanciones mediante una prueba retrospectiva frente a sus propias decisiones de cribado pasadas, luego en modo pasivo en el flujo de trabajo real y, por último, mediante un análisis de resultados. Este análisis debe reportar por separado el porcentaje de coincidencia en falsos positivos y los fallos críticos; un fallo crítico es una coincidencia real que el agente habría recomendado descartar, y el límite permitido para estos es cero. Las discrepancias mostrarán después si es necesario modificar el procedimiento, los datos o el agente.

Un agente de cribado de sanciones se gana la confianza mostrando su trabajo: qué identificadores coincidieron, cuáles no, qué faltaba y por qué recomienda descartar la alerta. Cualquier solución que no alcance este estándar, así como toda posible coincidencia real, debe quedar en manos de una persona, y el registro de cada coincidencia descartada debe ser capaz de superar una revisión retrospectiva. Para ver cómo se integra la revisión de alertas de sanciones en un programa más amplio, lea sobre el cumplimiento AML para bancos y AML para fintechs, o solicite una demostración práctica con sus propias decisiones de cribado pasadas.