Detrás de cada depósito bloqueado o cada retirada retenida hay un número: la puntuación de riesgo de KYT. Ese único número decide si un depósito pasa, si una retirada se retiene y si se presenta un informe de transacción sospechosa. La pregunta que hacen tanto quien compra como quien supervisa es la misma: cómo de precisa es esa puntuación y si el equipo puede explicar por qué salió donde salió. Esta guía desglosa qué miden las herramientas de puntuación de riesgo de transacciones cripto, el equilibrio entre precisión y explicabilidad, por qué los reguladores exigen puntuaciones que puedan leer, y qué mirar al evaluar una herramienta. Para el flujo de screening que hay detrás de estas puntuaciones, consulta Phalcon Compliance. Esta página pertenece al Centro de recursos de KYT.
Qué miden las puntuaciones de riesgo de KYT
Una puntuación de riesgo de KYT es un resumen de la exposición ilícita asociada a una dirección o una transacción. Se construye a partir de dos entradas: la exposición directa a contrapartes ilícitas conocidas y la exposición indirecta que viaja por rutas de fondos de varios saltos.
La exposición directa es la entrada más sencilla. Cuando una dirección ha operado con una entidad sancionada, un mercado de la darknet, un mezclador o una dirección marcada por una incautación policial, esa conexión es una coincidencia directa con una etiqueta. La exposición indirecta es donde los motores de puntuación divergen. Los fondos se mueven a saltos, y la estratificación existe justamente para diluir la exposición trazable. Un motor que ignora las rutas de varios saltos infravalora el riesgo, y uno que trata todos los saltos como igual de arriesgados lo sobrevalora.
Los motores que manejan bien esto cuantifican la contaminación multisalto. Phalcon Compliance reporta el valor de exposición, el importe absoluto de fondos ilícitos que llegaron a la dirección por rutas rastreadas, y el porcentaje de exposición, ese valor como proporción del total de entradas. Juntos responden a las dos preguntas que hace un supervisor: cuánto dinero sucio tocó esta dirección y qué parte de su actividad es sucia. La primera guía una decisión de bloqueo de fondos. La segunda guía una decisión de desvinculación.
Sobre la exposición, la puntuación agrega Indicadores de Riesgo. Saca a la luz 17 categorías de Indicadores de Riesgo que abarcan entidades sancionadas, mercados de la darknet, servicios de mezcla, estafas, robos, financiación del terrorismo, seguridad infantil, fraude, juego y otra actividad ilícita o de alto riesgo. Cada indicador es una señal etiquetada y atribuible, y la puntuación es la combinación ponderada de esos indicadores más las cifras de exposición, no la salida opaca de un modelo.
Cambiar capacidad de detección por explicación
La cuestión de la precisión no es un eje único. Hay dos clases de precisión, y tiran en direcciones opuestas.
La primera es la precisión de detección: cuán bien atrapa el motor patrones de blanqueo nuevos, nunca vistos antes. Los modelos de aprendizaje automático de caja negra tienen ventaja aquí. Un modelo entrenado sobre patrones de grafo puede marcar una secuencia de estructuración o estratificación que nunca ha visto etiquetada, porque la secuencia se parece estadísticamente a comportamientos maliciosos conocidos. Para tipologías emergentes, un modelo de comportamiento atrapa lo que un motor basado solo en etiquetas se pierde.
La segunda es la explicabilidad: si el equipo puede decir, por escrito y ante una inspección, por qué una puntuación es la que es. Aquí ganan los motores de caja transparente guiados por etiquetas. Una puntuación construida a partir de Indicadores de Riesgo con nombre y un valor de exposición cuantificado es explicable por construcción. El responsable de cumplimiento puede señalar el indicador, la contraparte y el importe, y volcarlo en un informe de transacción sospechosa. Una puntuación guiada por los pesos internos de un modelo no se puede desmontar igual, y la distancia entre la puntuación y la explicación es donde viven los hallazgos de una inspección.
El equilibrio no se resuelve comprando una herramienta más cara. Un motor de caja transparente está tan al día como sus etiquetas. Si un mezclador nuevo arranca este mes y la etiqueta aún no se ha propagado, el motor infravalorará el riesgo de las direcciones que ya han operado con él. Un modelo de comportamiento atrapa el patrón antes, pero le cuesta explicar el hallazgo de una forma que un regulador acepte. La posición realista es que la capa de puntuación más fuerte combina las dos: indicadores guiados por etiquetas para la explicabilidad y detección de comportamiento para los patrones emergentes.
Por qué los reguladores exigen puntuaciones explicables
El enfoque basado en el riesgo del GAFI obliga a un VASP a comprender el riesgo que está asumiendo, y la norma de programa AML (31 CFR 1022.210) de FinCEN exige que el programa esté documentado y disponible para su inspección, y por eso el razonamiento de cada decisión tiene que poder reconstruirse. Los reguladores no califican una puntuación de riesgo de forma aislada: califican si el equipo puede defender la decisión que esa puntuación motivó. Una puntuación alta que provocó un bloqueo tiene que ser justificable. Una puntuación baja que dejó pasar una transacción que después resultó ser ilícita también tiene que serlo. Una puntuación que el equipo de cumplimiento no puede explicar se lee como una carencia del programa, por muy preciso que sea el motor subyacente.
Esto aparece en la práctica operativa. Los profesionales de cumplimiento que trabajan con herramientas de screening cripto describen la exigencia de explicar las puntuaciones de riesgo a los reguladores como una presión operativa real, no como una preferencia teórica. El tema recurrente a lo largo de los ciclos de inspección es la necesidad de explicar las decisiones de puntuación a quien supervisa, y los hallazgos de inspección se plantean como la consecuencia de puntuaciones que no se pueden desmontar.
El marco regulatorio lo respalda. El enfoque basado en el riesgo del GAFI para los proveedores de servicios de activos virtuales espera monitorización continua y una metodología auditable, no solo un resultado. Los supervisores leen una metodología de puntuación auditable como prueba de un programa que funciona. Leen una puntuación de caja negra que no pueden auditar como un control que existe sobre el papel pero no se puede verificar, lo cual es peor que un control más simple que sí se puede verificar. La precisión sin explicabilidad suspende la prueba de la inspección. La explicabilidad sin precisión suspende la prueba de la detección.
Puntuación de caja transparente: 17 categorías de Indicadores de Riesgo y cuantificación de la exposición
Un motor de puntuación de caja transparente expone sus entradas. Phalcon Compliance se construye sobre ese principio. Toda puntuación de riesgo que devuelve es trazable hasta un conjunto con nombre de 17 categorías de Indicadores de Riesgo y hasta un valor y un porcentaje de exposición cuantificados. Quien lee la puntuación puede ver qué indicadores saltaron, qué contrapartes los dispararon y cuánto valor ilícito circuló por la dirección.
Las 17 categorías de Indicadores de Riesgo cubren lo que esperan los supervisores: entidades y direcciones sancionadas, mercados de la darknet, servicios de mezcla, estafas y proyectos fraudulentos, fondos robados, financiación del terrorismo, material de explotación infantil, juego y otros comportamientos ilícitos o de alto riesgo. Cada indicador está etiquetado y es atribuible. La puntuación es una agregación de señales con nombre, y cada señal se puede inspeccionar, cuestionar y volcar en una resolución o en una comunicación al regulador.
El valor y el porcentaje de exposición se sitúan sobre los indicadores como capa de cuantificación. Responden a la pregunta de la contaminación multisalto que las banderas binarias no pueden responder. Una dirección con un porcentaje de exposición pequeño pero un valor de exposición grande es una dirección de alto volumen con una contaminación ilícita limitada. Una con un porcentaje grande y un valor pequeño es una dirección pequeña dominada por entradas ilícitas. Una puntuación de caja transparente que reporta las dos permite al equipo elegir la respuesta correcta y bloquear los fondos correctos.
El resultado práctico es que la puntuación es auditable por construcción. El equipo no necesita reconstruir el razonamiento después de los hechos: el razonamiento viaja con la puntuación.
Detección de comportamiento más exposición: atrapar la estratificación nueva sin dejar de ser explicable
La debilidad de un motor de caja transparente basado solo en etiquetas es la latencia de las etiquetas. Las tipologías nuevas emergen más rápido de lo que se propagan las etiquetas, y la estratificación sofisticada está diseñada para diluir la exposición trazable por debajo del umbral en el que salta una puntuación guiada por etiquetas. Una capa de puntuación que se apoye solo en etiquetas históricas se perderá los patrones nuevos hasta que las etiquetas se pongan al día, y para entonces los fondos ya se han movido a menudo.
La respuesta es un motor de riesgo de comportamiento superpuesto a la puntuación por indicadores y exposición. La plataforma incluye un motor de riesgo de comportamiento que detecta patrones asociados a la estratificación, la estructuración y otras tipologías de movimiento de fondos que quizá aún no lleven etiqueta. Mira cómo se mueven los fondos, no solo de dónde vinieron, lo que le permite marcar actividad que parece blanqueo aunque ninguna contraparte individual figure en una lista de sanciones o de actividad ilícita.
Esta combinación importa porque preserva la explicabilidad mientras extiende el alcance de la detección. La señal de comportamiento no sustituye a la puntuación por indicadores y exposición: añade una capa. Cuando el motor de comportamiento marca una dirección, esa marca es un Indicador de Riesgo por derecho propio, con su propia etiqueta y su propio rastro de auditoría. Quien lleva el cumplimiento sigue viendo una señal con nombre y atribuible, no la salida cruda de un modelo.
Esta es la resolución realista del equilibrio entre precisión y explicabilidad. Un motor de caja transparente que empareja indicadores etiquetados y exposición cuantificada con una capa de detección de comportamiento puede atrapar patrones emergentes de estratificación sin renunciar a la explicabilidad que exige una inspección.
Evaluar una herramienta de puntuación para tu equipo
Cuando un equipo de cumplimiento evalúa una herramienta de puntuación de riesgo de transacciones cripto, la cuestión de la precisión hay que descomponerla en las tres cosas que de verdad importan en una inspección. Una herramienta fuerte en una y floja en las otras dos fallará justo en el punto donde más importa.
Primera: si la puntuación se puede explicar. La herramienta tiene que devolver Indicadores de Riesgo con nombre y atribuibles junto a la puntuación, más cifras de exposición cuantificadas que el equipo pueda volcar en una resolución o en una comunicación. Pide al proveedor un desglose de puntuación de muestra y comprueba si los indicadores y las cifras de exposición están visibles, etiquetados y son trazables hasta las contrapartes. Una puntuación sin ese desglose es una puntuación que el equipo tendrá que defender sin evidencias.
Segunda: si la puntuación se puede auditar. La herramienta tiene que conservar el historial de screening, la puntuación en el momento del screening y los indicadores y cifras de exposición que la motivaron. Los supervisores preguntan cuál era la puntuación el día en que se liberó la transacción, no cuál es hoy después de que la dirección haya sido reetiquetada. Una herramienta que no congela el registro histórico no puede responder a esa pregunta.
Tercera: si la puntuación se puede defender. La herramienta tiene que dar soporte a la lógica de umbrales del equipo, al enrutado de alertas y al flujo de informes de transacciones sospechosas. La puntuación solo es útil si se enchufa al programa, con bandas de riesgo que se traduzcan en decisiones de liberar, retener y bloquear, y un rastro de auditoría que conecte la puntuación con la acción tomada. Una puntuación de alta precisión que no se integra es una cifra en un panel, no un control.
La pregunta de la precisión, formulada con honestidad, es si la herramienta le da al equipo una puntuación sobre la que pueda actuar, que pueda explicar y que pueda defender, en ese orden. Aplica el principio de caja transparente: 17 categorías de Indicadores de Riesgo, valor y porcentaje de exposición, y un motor de riesgo de comportamiento que extiende la detección sin sacrificar la explicabilidad. Descubre Phalcon Compliance y comprueba cómo la capa de puntuación saca a la luz los indicadores y las cifras de exposición de los que depende tu registro ante una inspección.
