Sinergia en la Sombra: El Escudo Invisible de la Banca

Fuente de la imagen: Corazón de Jabato (Velasco, 2016)

En el mundo de las finanzas modernas, existe una lucha constante y silenciosa contra redes criminales que se han vuelto expertas en esconder dinero sucio aprovechando que los bancos no suelen hablar entre sí: Consortium Data: Sinergia AML (Velasco, 2026). Actualmente, el gran problema es que cada banco opera como una isla solitaria, viendo solamente una pequeña parte de las transacciones globales, lo que genera "puntos ciegos" que los delincuentes explotan al repartir sus actividades ilícitas entre múltiples instituciones para no levantar sospechas (Gouni, 2025). Aquí es donde entra en juego el concepto de los datos de consorcio o inteligencia colaborativa: una estrategia que permite que diferentes entidades bancarias unan sus fuerzas para crear un escudo compartido contra el fraude y el blanqueo de capitales (FATF, 2021). Lo revolucionario de este enfoque es que no requiere que los bancos entreguen las listas privadas de sus clientes a un tercero, algo que sería ilegal y peligroso para la privacidad; en cambio, utilizan tecnologías que posibilitan analizar patrones de comportamiento sospechoso sin necesidad de ver los nombres o datos personales reales de las personas (Chinta et al., 2023).

Para lograr este equilibrio entre seguridad y secreto, se utiliza una técnica llamada aprendizaje federado, que funciona como un "cerebro digital" que viaja de un banco a otro aprendiendo sobre nuevos trucos criminales sin llevarse nunca la información privada fuera de la institución (Khan et al., 2026). Esta colaboración se apoya en sistemas de registro digital altamente seguros, conocidos como blockchain de consorcio, que actúan como un libro de cuentas que nadie puede borrar ni manipular, permitiendo que las autoridades supervisen que todo se haga bajo las reglas de protección de datos (Piao et al., 2021). Las mejoras más recientes han permitido que estos sistemas sean tan veloces que pueden analizar millones de movimientos en el tiempo que tardamos en hacer un pago con el móvil, reduciendo drásticamente los errores y las falsas alarmas que a veces bloquean injustamente las cuentas de la ciudadanía honesta (Fontaine et al., 2026). Concluyendo, los datos de consorcio están transformando la seguridad bancaria de un modelo de "islas aisladas" a uno de "inteligencia colectiva", donde la privacidad de los usuarios y la caza de delincuentes no son objetivos opuestos, actúan de aliados tecnológicos (Chinta et al., 2023).

______________

Bibliografía

Chinta, S., Bhoyar, M., y Pattanayak, S. K. (2023). Federated Learning for Privacy-Preserving AML in Multi-Bank Collaborations. Technix International Journal for Engineering Research (TIJER), 10(11), 80-100.

FATF. (2021). Stocktake on Data Pooling, Collaborative Analytics and Data Protection. Financial Action Task Force.

Fontaine, C., Laurent, M., y Moreau, J. (2026). Communication-Efficient Federated Learning for Real-Time Anti-Money-Laundering Monitoring. Preprints.org. doi:10.20944/preprints202601.1728.v1

Gouni, M. R. (2025). Autonomous Federated Compliance Intelligence for Global Anti-Financial Crime Networks. Journal of Information Systems Engineering and Management, 10(63s).

Khan, A., ten Thij, M., Tang, G., y Wilbik, A. (2026). HybridFL: A Federated Learning Approach for Financial Crime Detection. arXiv preprint arXiv:2602.19207v1.

Piao, Y., Ye, K., y Cui, X. (2021). A Data Sharing Scheme for GDPR-Compliance Based on Consortium Blockchain. Future Internet, 13(217).

Velasco-Carretero, M. (2026). Consortium Data: Sinergia AML. Sitio Prevención Blanqueod e Capitales e Infracciones Monetarias. Visitado el 7/7/2026.

¿Cazar criminales o excluir ciudadanos?

Fuente de la imagen: Lucha contra los delitos financieros (Velasco, 2021)

En la actualidad, el control del dinero sucio se ha convertido en un rompecabezas global sumamente complejo, especialmente tras la llegada de las criptomonedas y los activos digitales (Retos y Divergencias de las Políticas Antiblanqueo, Velasco, 2026). Mientras que las naciones más ricas, como Estados Unidos o los miembros de la Unión Europea, han logrado construir leyes sólidas y cuentan con avanzadas herramientas tecnológicas para vigilar los movimientos en la "blockchain", muchos países en desarrollo se quedan rezagados debido a la falta de presupuesto y de personal experto (Owen et al., 2025). Esta desigualdad es un problema de justicia que genera una vulnerabilidad crítica: los delincuentes suelen buscar los eslabones más débiles de la cadena internacional para mover sus fondos con total impunidad, aprovechando donde hay menos vigilancia. Además, existe una fuerte crítica hacia la tendencia de imponer reglas de control uniformes para todos por igual; expertos señalan que obligar a un país con una economía pequeña a seguir exactamente las mismas normas que una potencia mundial es un error de diseño, ya que no se consideran las necesidades ni las limitaciones del sistema financiero local (Ortiz Dorantes, 2018). En el caso específico de África, las investigaciones han revelado un "efecto umbral": si bien un nivel básico de normas ayuda a que los bancos funcionen mejor, si las exigencias se vuelven excesivas y demasiado caras de cumplir, terminan por asfixiar la innovación y frenar el progreso económico de las regiones que más necesitan crecer (Antwi et al., 2023).

Fuente de la imagen: ¿Sistema seguro o muro invisible? Sitio Prevención del Blanqueo (Velasco, 2026)

Más allá de los marcos legales, el uso de la tecnología y el impacto directo en la vida de las personas son los grandes temas de debate hoy en día. Actualmente, se está apostando por la Inteligencia Artificial y el aprendizaje automático para detectar patrones sospechosos que el ojo humano no alcanzaría a ver, pero este camino todavía enfrenta retos técnicos importantes sobre la calidad de la información y el respeto a la intimidad (Husnaningtyas et al., 2023). Pero esta vigilancia extrema ha traído consecuencias inesperadas para los ciudadanos comunes, como el fenómeno del cierre masivo de cuentas bancarias. Por miedo a recibir multas astronómicas por cualquier descuido, muchas instituciones financieras han decidido "eliminar el riesgo" cortando la relación con clientes que consideran "complicados" solamente por su cargo público o nacionalidad, como diplomáticos o inmigrantes que envían remesas, tratándolos injustamente como si fueran criminales (Kang, 2017). Esta situación plantea un conflicto de intereses o "trilema" que es muy difícil de resolver: el reto de crear un sistema que sea verdaderamente efectivo contra el crimen, pero que al mismo tiempo proteja la privacidad de la gente y no deje a millones de personas fuera del sistema bancario (Judge y Kashyap, 2024). En conclusión, el éxito en la lucha contra el blanqueo de capitales en esta era digital depende de tener mejores algoritmos y de encontrar un equilibrio más humano que entienda que la seguridad del sistema no debe construirse a costa de la exclusión de los ciudadanos más vulnerables.

__________

Bibliografía

Antwi, S., Tetteh, A. B., Armah, P., & Dankwah, E. O. (2023). Anti-money laundering measures and financial sector development: Empirical evidence from Africa. Cogent Economics & Finance, 11(1), 2209957.

Husnaningtyas, N., Hanin, G. F., Dewayanto, T., & Malik, M. F. (2023). A systematic review of anti-money laundering systems literature: Exploring the efficacy of machine learning and deep learning integration. JEMA: Jurnal Ilmiah Bidang Akuntansi dan Manajemen, 20(1), 91-116.

Judge, K., & Kashyap, A. K. (2024). Anti-Money Laundering: Opportunities for Improvement. Wharton Initiative on Financial Policy and Regulation, University of Pennsylvania.

Kang, S. (2017). Rethinking The Global Anti-Money Laundering Regulations to Deter Corruption (Disertación de SJD). Fordham University School of Law.

Ortiz Dorantes, A. (2018). Prevención y persecución del lavado de dinero. Revista de la Facultad de Derecho de México, (19), 297-308.

Owen, A., Dawson, G., & Reed, O. (2025). Comparative Analysis of Anti-Money Laundering (AML) Policies for Cryptocurrency in Developed and Developing Countries. [Reporte de investigación].

Velasco-Carretero, M. (2026). Retos y Divergencias de las Políticas Antiblanqueo. Sitio Prevención del Blanqueo. Visitado el 12/5/2026.

Vía ML, DL e IA, Stop al Blanqueo de Capitales

Fuente de la imagen: Blanqueo de Capitales (M. Velasco, 2008)

Imagina que el blanqueo de capitales o, como se denomina en Latinoamérica, lavado de dinero, es como intentar convertir billetes manchados de barro en dinero reluciente que nadie pueda rastrear. Es un problema global gigantesco que busca esconder de dónde viene el dinero que se ha obtenido ilegalmente (Le-Khac et al., 2016), que incluye ganancias de actividades como el tráfico de drogas, el juego clandestino o la evasión de impuestos (Soltani et al., 2016; Salehi et al., 2017). Los delincuentes usan este proceso para que su dinero "sucio" parezca legal y legítimo (Suresh et al., 2016). Normalmente, el proceso tiene tres etapas: primero, meten el dinero en el sistema financiero; luego, lo mueven a través de un montón de transacciones complicadas para que sea difícil seguirle la pista; y al final, lo reintroducen en la economía como si fuera limpio (Alexandre & Balsa, 2015; Savage et al., 2016). El no tener buenos sistemas para combatir esto puede desestabilizar la economía de un país y dañar la confianza en todo el sistema financiero (Ahmed, 2017). Hoy en día, con tanta tecnología, a los criminales les resulta más fácil esconder este dinero ilícito (Eysenbrandt, 2023). Antes, los bancos usaban principalmente sistemas basados en reglas. Es decir, si una transacción pasaba de cierta cantidad o cumplía ciertos criterios, se encendía una "banderita roja" (Han et al., 2020; Chen et al., 2018). El problema es que estos métodos, que a menudo requerían que las personas revisaran montones de documentos, eran lentos, costosos y generaban muchísimas falsas alarmas (Kute et al., 2021). Los "lavadores" de dinero se han vuelto muy astutos, usando redes complejas, empresas fantasma e incluso criptomonedas para que sus movimientos de dinero sean casi invisibles (Efijemue et al., 2023). Esto significa que los sistemas antiguos ya no dan la talla (PricewaterhouseCoopers, 2020). La pandemia de COVID-19 solo empeoró las cosas, ya que la gente ecomenzó a usar más los servicios digitales, creando nuevas oportunidades para los criminales y haciendo que la detección avanzada fuera aún más urgente (Vulchi & Ackerman, 2024; Efijemue et al., 2023; Ahmad, 2018). Aquí es donde entra la Inteligencia Artificial (IA), junto con el aprendizaje automático – ML- y el aprendizaje profundo -DL- (M. Velasco, 2025). 

Estas tecnologías son un cambio de juego en la lucha contra el blanqueo. Piensa que son como un detective súper inteligente que puede analizar volúmenes de datos enormes en tiempo real y detectar patrones y anomalías muy sutiles que a un humano se le pasarían por alto (Amoako et al., 2025; Efijemue et al., 2023; Saleous et al., 2023). Además, lo genial es que estos modelos de IA aprenden y se adaptan continuamente a medida que los delincuentes cambian sus tácticas (Amoako et al., 2025). ¿Y cómo funciona esta "magia"? El aprendizaje automático permite que las computadoras aprendan de la experiencia sin ser programadas explícitamente (Alzubi et al., 2018). Hay varias formas de hacerlo: • El aprendizaje supervisado es como enseñarle a un niño con ejemplos. Le damos al modelo datos de transacciones que ya sabemos si son "buenas" o "malas", y él aprende a reconocer esas características (Bakhshinejad et al., 2022; Labib et al., 2020). Por ejemplo, un sistema de dos capas, como el que propusieron Tertychnyi et al. (2020), primero quita las transacciones obviamente seguras y luego examina las de mayor riesgo con un ojo más crítico. • El aprendizaje no supervisado es para cuando no tenemos etiquetas. El modelo busca patrones ocultos y similitudes en los datos por sí mismo (Bakhshinejad et al., 2022; Labib et al., 2020). Esto es muy útil para descubrir nuevas tácticas de blanqueo. Un sistema como LaundroGraph, por ejemplo, usa redes neuronales para mapear las relaciones entre clientes y transacciones, revelando así estructuras complejas de "lavado" (Cardoso et al., 2022). • Por último, el aprendizaje semi-supervisado o el aprendizaje activo combinan lo mejor de ambos mundos. Usan una pequeña cantidad de datos etiquetados y una gran cantidad de datos sin etiquetar (Chapelle et al., 2006). En el aprendizaje activo, el sistema incluso le pregunta a un experto humano qué datos debe etiquetar para mejorar su aprendizaje (Ma et al., 2020). Un buen ejemplo es Amaretto, que usa la intervención de un analista de blanqueo para que revise y etiquete las transacciones sospechosas, haciendo que el sistema sea más preciso y eficiente con el tiempo (Labanca et al., 2022).

En síntesis la IA y el ML mejoran la eficiencia al reducir las falsas alarmas y permitir que los equipos de cumplimiento se centren en los casos realmente importantes (Amoako et al., 2025). De hecho, los estudios sugieren que estos modelos son mucho más precisos que los sistemas de reglas básicos (Tertychnyi et al., 2020; Cardoso et al., 2022; Labanca et al., 2022). Pero no todo es color de rosa. Implementar la IA en la lucha contra el blanqueo tiene muchos retos: • Desde el punto de vista técnico, se necesita una infraestructura muy potente y personal con conocimientos muy específicos (Canhoto, 2021; Fabri et al., 2022). La tecnología avanza tan rápido y hay tantas transacciones que procesar que la capacidad de computación es un problema para algunos bancos (Canhoto, 2021). Además, todavía no hay una forma estándar de comparar los modelos de IA, lo que dificulta saber cuál es el más efectivo (Oeben et al., 2019). Y, claro, los sistemas automatizados pueden ser un blanco para ciberataques (Fabri et al., 2022). • Los datos son otro punto crítico. La IA necesita datos de muy alta calidad para aprender bien (Husnaningtyas et al., 2023). Pero la información financiera es súper confidencial, y los bancos están obligados a proteger la privacidad de sus clientes (Fabri et al., 2022). Esto hace que sea muy difícil conseguir datos reales para entrenar los modelos, lo que retrasa la investigación (Han et al., 2020; Chen et al., 2018). A menudo se usan datos "sintéticos", pero estos, aunque se parezcan, no siempre capturan la complejidad del comportamiento humano real (Pourhabibi et al., 2020). Otro problema es que los datos de blanqueo están muy desequilibrados: la mayoría de las transacciones son normales, lo que complica mucho que la IA detecte las pocas que son sospechosas (Kute et al., 2021; Chen et al., 2018). Y la calidad de los datos también sufre porque los bancos no reciben retroalimentación de las autoridades sobre si sus informes de actividad sospechosa (SAR) realmente sirvieron para algo, lo que les impide saber si sus sistemas están funcionando bien (Kute et al., 2021; Han et al., 2020).

• En el ámbito empresarial, los controles contra el blanqueo se ven a menudo como una carga costosa para los bancos, ya que no generan beneficios directos (Pontes et al., 2022). La inversión inicial y el mantenimiento de los sistemas de IA son altos (Lokanan, 2022). Además, no hay una ventaja competitiva clara para los bancos que adopten IA en esta área, lo que reduce el incentivo (Fabri et al., 2022). Y los bancos suelen ser reacios a compartir información sobre el blanqueo con otros, por miedo a revelar secretos de su funcionamiento o por cuestiones legales (Pontes et al., 2022). • Finalmente, los retos legales y éticos son un gran obstáculo. Las leyes de privacidad de datos, como el GDPR en Europa, pueden chocar con la necesidad de procesar grandes cantidades de datos para la IA (Bertrand et al., 2021). Es básico que las decisiones de la IA sean transparentes y explicables para los clientes (Bertrand et al., 2021), lo cual es difícil con los modelos de "caja negra" que no muestran cómo llegan a sus conclusiones (Zednik, 2021). Las guías éticas para la IA, aunque importantes, suelen ser muy abstractas y difíciles de aplicar en la práctica (European Commission, 2019b). Para intentar solucionar algunos de estos problemas, especialmente los de privacidad de datos y la falta de colaboración, ha surgido el aprendizaje federado (FL), que también se llama aprendizaje colaborativo (C. Zhang et al., 2021). Conjetura que es como entrenar a un equipo de estudiantes, pero sin que cada uno tenga que entregar sus apuntes al profesor central. Cada estudiante aprende con sus propios apuntes, y solo comparte con el profesor un resumen de lo que ha aprendido. Así, el profesor puede mejorar la forma de enseñar para todos, sin ver los apuntes individuales de nadie (Shiffman et al., 2022; Yang et al., 2019).

En el mundo bancario, esto se traduce en que los bancos pueden entrenar un modelo de IA común sin necesidad de compartir los datos sensibles de sus clientes (Kanamori et al., 2022). Cada banco entrena una parte del modelo con sus propios datos locales, y solo envía al servidor central los parámetros o "aprendizajes" cifrados. El servidor los combina para crear un modelo global mejorado, que luego los bancos descargan y usan en sus propios sistemas (Yang et al., 2019; Kanamori et al., 2022). Esta técnica ya se ha usado con éxito en la medicina, por ejemplo, para detectar tumores sin que los hospitales compartieran los datos privados de los pacientes (Pati et al., 2022). En el sector financiero significa que los bancos pueden crear modelos más precisos para situaciones raras pero críticas, como la financiación del terrorismo, incluso si un solo banco no tiene suficientes datos (Shiffman et al., 2022). Este enfoque, que protege la privacidad y reduce costes, ha mostrado un aumento del 75% en la eficiencia en el descubrimiento de delitos financieros (Shiffman et al., 2022). Si bien el aprendizaje federado tiene sus propios retos, como los costos de comunicación o la heterogeneidad de los datos entre bancos (T. Li et al., 2020), ofrece una forma de colaborar y mejorar la detección de delitos financieros que antes era impensable (Shiffman et al., 2022). De hecho, los reguladores en Estados Unidos ya están animando a la banca a experimentar con estas nuevas herramientas (Shiffman et al., 2022). En conclusión, el blanqueo de capitales es un problema complejo en constante evolución, y las herramientas tradicionales ya no son suficientes. La IA y el aprendizaje automático ofrecen un potencial enorme para mejorar la detección y hacerla más eficiente y precisa (Amoako et al., 2025; Husnaningtyas et al., 2023). Pero hay retos importantes en lo tecnológico, la calidad de los datos, los costes y, sobre todo, en los aspectos legales y éticos (Amoako et al., 2025; Eysenbrandt, 2023; Husnaningtyas et al., 2023). El aprendizaje federado es una solución prometedora para superar algunas de estas barreras, permitiendo la colaboración entre bancos sin sacrificar la privacidad (Shiffman et al., 2022; Eysenbrandt, 2023). Para que la IA alcance su máximo potencial en esta lucha, es necesario que las regulaciones se adapten y que todas las partes implicadas colaboren de cerca (Amoako et al., 2025).

________________________

Referencias bibliográficas

Ahmad, T. I. (2018). United States financial industry cybersecurity legislation: Regulatory considerations for cyber risk preparedness (Master’s thesis, Utica College).

Ahmed, S. A. (2017). Practical application of anti-money laundering requirements in Bangladesh an insight into the disparity between anti-money laundering methods and their effectiveness based on resources and infrastructure. Journal of Money Laundering Control, 20(4), 428–450. https://doi.org/10.1108/JMLC-09-2016-0042

Al-Shabandar, R., Lightbody, G., Browne, F., Liu, J., Wang, H., & Zheng, H. (2019). The Application of Artificial Intelligence in Financial Compliance Management. 2019 International Conference on Artificial Intelligence and Advanced Manufacturing.

Alexandre, C., & Balsa, J. (2015). A multiagent based approach to money laundering detection and prevention. ICAART 2015 - 7th International Conference on Agents and Artificial Intelligence, Proceedings, 1, 230–235. https://doi.org/10.5220/0005281102300235

Alzubi, J., Nayyar, A., & Kumar, A. (2018). Machine Learning from Theory to Algorithms: An Overview. Journal of Physics: Conference Series, 1142(1), 012015. https://doi.org/10.1088/1742-6596/1142/1/012015

Amoako, E. K., Boateng, V., Ajay, O., Adukpo, T. K., & Mensah, N. (2025). Exploring the role of Machine Learning and Deep Learning in Anti-Money Laundering (AML) strategies within U.S. Financial Industry: A systematic review of implementation, effectiveness, and challenges. Finance & Accounting Research Journal, 7(1), 22-36. https://doi.org/10.51594/farj.v7i1.1808

Bakhshinejad, N., Soltani, R., Nguyen, U. T., & Messina, P. (2022). A Survey of Machine Learning Based Anti-Money Laundering Solutions. arXiv preprint arXiv:2202.04097.

Bertrand, A., Maxwell, W., & Vamparys, X. (2020). Are AI-based Anti-Money Laundering (AML) Systems Compatible with European Fundamental Rights? ICML 2020 Law and Machine Learning Workshop.

Bertrand, A., Maxwell, W., & Vamparys, X. (2021). Do AI-based anti-money laundering (AML) systems violate European fundamental rights. International Data Privacy Law, 11(3), 276–293. https://doi.org/10.1093/idpl/ipab013

Canhoto, A. (2021). Leveraging machine learning in the global fight against money laundering and terrorism financing: An affordances perspective. Journal of Business Research, 131, 441–452. https://doi.org/10.1016/j.jbusres.2021.03.003

Cardoso, M., Saleiro, P., & Bizarro, P. (2022). LaundroGraph: Self-Supervised Graph Representation Learning for Anti-Money Laundering. 3rd ACM International Conference on AI in Finance. https://doi.org/10.1145/3573216.3573241

Chen, Z., Van Khoa, L. D., Teoh, E. N., Nazir, A., Karuppiah, E. K., & Lam, K. S. (2018). Machine Learning techniques for anti-money laundering (AML) solutions in suspicious transaction detection: a review. Knowledge and Information Systems, 57(1), 245–285. https://doi.org/10.1007/s10115-018-1188-7

Chapelle, O., Schölkopf, B., & Zien, A. (2006). Semi-Supervised Learning. MIT Press.

Efijemue, O., Obunadike, C., Taiwo, E., Kizor, S., Olisah, S., Odooh, C., & Ejimofor, I. (2023). Cybersecurity strategies for safeguarding customers' data and preventing financial fraud in the United States financial sectors. International Journal of Soft Computing, 14(3), 10-5121.

European Commission. (2019b). Ethics Guidelines for Trustworthy AI.

Eysenbrandt, Y. (2023). Artificial Intelligence to combat money laundering and terrorist financing - recent advances and outlook (Bachelor Thesis). Deutsche Bundesbank. https://doi.org/10.13140/RG.2.2.31714.75206

Fabri, L., Wenninger, S., Kaymakci, C., Beck, S., Klos, T., & Wetzstein, S. (2022). Potentials and Challenges of Artificial Intelligence in Financial Technologies. MCIS 2022 Proceedings 14.

FATF. (2022). The FATF Recommendations. FATF. https://www.fatf-gafi.org/en/publications/Fatfrecommendations/Fatf-recommendations.html

Han, J., Huang, Y., Liu, S., & Towey, K. (2020). Artificial intelligence for anti-money laundering: a review and extension. Digital Finance, 2(3–4), 211–239. https://doi.org/10.1007/s42521-020-00023-1

Husnaningtyas, N., Failazufah Hanin, G., Dewayanto, T., & Malik, M. F. (2023). A systematic review of anti-money laundering systems literature: Exploring the efficacy of machine learning and deep learning integration. JEMA: Jurnal Ilmiah Bidang Akuntansi dan Manajemen, 20(1), 91–116. http://dx.doi.org/10.31106/jema.v20i1.20602

Kanamori, S., Abe, T., Ito, T., Emura, K., Wang, L., Yamamoto, S., Phong, L. T., Abe, K., Kim, S., Nojima, R., Ozawa, S., & Moriai, S. (2022). Privacy-Preserving Federated Learning for Detecting Fraudulent Financial Transactions in Japanese Banks. Journal of Information Processing, 30, 789–795. https://doi.org/10.2197/ipsjjip.30.789

Kute, D. V., Pradhan, B., Shukla, N., & Alamri, A. (2021). Deep Learning and Explainable Artificial Intelligence Techniques Applied for Detecting Money Laundering - A Critical Review. IEEE Access, 9, 82300–82317. https://doi.org/10.1109/ACCESS.2021.3086359

Labanca, D., Primerano, L., Markland-Montgomery, M., Polino, M., Carminati, M., & Zanero, S. (2022). Amaretto: An Active Learning Framework for Money Laundering Detection. IEEE Access, 10, 41720–41739. https://doi.org/10.1109/ACCESS.2022.3167699

Labib, N. M., Rizka, M. A., & Shokry, A. E. M. (2020). Survey of Machine Learning Approaches of Anti-Money Laundering Techniques to Counter Terrorism Finance. In Ghalwash, El Khameesy, Magdi, Joshi (eds.), Internet of Things - Applications and Future (Lecture Notes in Networks and Systems 114, pp. 73–87). https://doi.org/10.1007/978-3-030-36691-9_8

Le-Khac, N. A., Markos, S., O'Neill, M., Brabazon, A., & Kechadi, T. (2016). An efficient search tool for an anti-money laundering application of an multi-national bank's dataset. arXiv preprint arXiv:1609.02031.

Li, T., Sahu, A. K., Talwalkar, A., & Smith, V. (2020). Federated Learning: Challenges, Methods, and Future Directions. IEEE Signal Processing Magazine, 37(3), 50–60. https://doi.org/10.1109/MSP.2020.2975618

Lokanan, M. (2022). Predicting Money Laundering using Machine Learning and Artificial Neural Networks Algorithms in Banks. SSRN. https://doi.org/10.2139/ssrn.4101967

Ma, L., Ding, B., Das, S., & Swaminathan, A. (2020). Active Learning for ML Enhanced Database Systems. Proceedings of the 2020 ACM SIGMOD International Conference on Management of Data, 175–191. https://doi.org/10.1145/3318464.3380720

Oeben, M., Goudsmit, J., & Marchiori, E. (2019). Prerequisites and AI challenges for model-based Anti-Money Laundering. arXiv preprint arXiv:1905.02949.

Pati, S., et al. (2022). Federated learning enables big data for rare cancer boundary detection. Nature Communications, 13(1), 7474. https://doi.org/10.1038/s41467-022-35313-9

Pontes, R., Lewis, N., McFarlane, P., & Craig, P. (2022). Anti-money laundering in the United Kingdom: new directions for a more effective regime. Journal of Money Laundering Control, 25(2), 401–413. https://doi.org/10.1108/JMLC-09-2021-0100

Pourhabibi, T., Ong, K.-L., Kam, B. H., & Boo, Y. L. (2020). Fraud detection: A systematic literature review of graph-based anomaly detection approaches. Decision Support Systems, 133, 112999. https://doi.org/10.1016/j.dss.2020.112999

PricewaterhouseCoopers, P. (2020). PwC's global economic crime and fraud survey 2020. PwC.

Salehi, A., Ghazanfari, M., & Fathian, M. (2017). Data mining techniques for anti money laundering. International Journal of Applied Engineering Research, 12(20), 10084–10094.

Saleous, H., Ismail, M., AlDaajeh, S. H., Madathil, N., Alrabaee, S., Choo, K. K. R., & Al-Qirim, N. (2023). COVID-19 pandemic and the cyberthreat landscape: Research challenges and opportunities. Digital Communications And Networks, 9(1), 211–222. https://doi.org/10.1016/j.dcan.2022.10.007

Savage, D., Wang, Q., Chou, P., Zhang, X., & Yu, X. (2016). Detection of money laundering groups using supervised learning in networks. http://arxiv.org/abs/1608.00708

Shiffman, G. M., Liposky, S., & Hamilton, R. (2022). Artificial Intelligence and the Revolution in Financial Crimes Compliance. Risk Intelligence White Paper.

Soltani, R., Nguyen, U. T., Yang, Y., Faghani, M., Yagoub, A., & An, A. (2016). A new algorithm for money laundering detection based on structural similarity. 2016 IEEE 7th Annual Ubiquitous Computing, Electronics and Mobile Communication Conference (UEMCON), 1–7.

Suresh, C., Reddy, K. T., & Sweta, N. (2016). A Hybrid Approach for Detecting Suspicious Accounts in Money Laundering Using Data Mining Techniques. International Journal of Information Technology and Computer Science, 8(5), 37–43. https://doi.org/10.5815/ijitcs.2016.05.04

Tertychnyi, P., Slobozhan, I., Ollikainen, M., & Dumas, M. (2020). Scalable and Imbalance-Resistant Machine Learning Models for Anti-Money Laundering: A Two-Layered Approach. In Clapham, Koch (eds.), Enterprise Applications, Markets and Services in the Finance Industry, FinanceCom (pp. 43–58). https://doi.org/10.1007/978-3-030-63955-4_4

Velasco-Carretero, Manuel (2025). Revolución en la Lucha contra el Crimen Financiero. Sitio Prevención del Blanqueo de Capitales. Visitado el 01/08/2025.

Vulchi, J. R., & Ackerman, E. (2024). Exploring OWASP Top 10 Security Risks in LLMs with Practical Testing and Prevention.

Yang, Q., Liu, Y., Chen, T., & Tong, Y. (2019). Federated Machine Learning: Concept and Applications. ACM Transactions on Intelligent Systems and Technology, 10(2), 1–19. https://doi.org/10.1145/3297757

Zednik, C. (2021). Solving the Black Box Problem: A Normative Framework for Explainable Artificial Intelligence. Philosophy and Technology, 34(1), 265–288. https://doi.org/10.1007/s13347-020-00407-7 Zhang, C., Xie, Y., Bai, H., Yu, B., Li, W., & Gao, Y. (2021). A survey on federated learning. Knowledge-based Systems, 216, 106833. https://doi.org/10.1016/j.knosys.2021.106833.

Encuentro de personas expertas en blanqueo de capital

Fuente de la imagen: mvc archivo propio

Para la Agencia de la Unión Europea (UE) de la Cooperación en materia de Justicia Penal, Eurojust, el blanqueo de capitales es uno de los tres principales tipos de delitos por los que las autoridades nacionales solicitan cooperación judicial transfronteriza[1]. En 2022, la Agencia manejó 1.882 casos relacionados con el lavado de dinero[2]. Sin embargo, el blanqueo de capitales a menudo se combina con otras actividades delictivas organizadas a gran escala, como el tráfico de drogas, la trata de personas y la inmigración. contrabando.

En el sitio Prevención del Blanqueo, bajo el título “Reunión de expertos en Blanqueo de Capitales”[3], te informaba del primer gran encuentro de alto nivel de personas expertas en blanqueo de capitales (también conocido como lavado de dinero) y recuperación de activos, que ha tenido lugar durante los días 19 y 20 de junio en su sede de Eurojust en la Haya. El objetivo de la reunión fue reunir al grupo más amplio de especialistas para desarrollar un enfoque común para enfrentar el creciente delito de lavado de dinero y mejorar la recuperación de activos.

El encuentro congregó a fiscales especializados en recuperación de activos y en la lucha contra el blanqueo de capitales y la recuperación de activos de la UE y países con fiscales de enlace en Eurojust. Además, participaron representantes de la Comisión Europea (CE), otras agencias y organismos de la UE, el Grupo de Acción Financiera Internacional, la Red CARIN o la Interpol. También, participaron expertos en criptomonedas, así como representantes de las Unidades de Inteligencia Financiera y del Grupo Egmont.

Los participantes informaron sobre las lecciones aprendidas de las investigaciones y los enjuiciamientos, discutiendo los diversos desafíos legales y las mejores prácticas con respecto a la recuperación de activos delictivos, en particular en vista del Reglamento sobre el reconocimiento mutuo de órdenes de congelamiento y decomiso y el Acuerdo de Comercio y Cooperación. entre la UE y el Reino Unido[4]. Se prestó especial atención a la dimensión de las criptomonedas en el ámbito de la recuperación de activos y el blanqueo de capitales[5].

Finalmente, se apoyó la creación de un grupo de discusión dedicado al blanqueo de capitales y a la recuperación de activos, promovido por la propia Eurojust, con la finalidad de aumentar la cooperación interinstitucional nacional y transfronteriza entre el poder judicial, las fuerzas del orden y otros actores involucrados en la lucha contra el lavado de dinero y la recuperación de activos obtenidos de forma delictiva, aumentando la eficiencia. Fuente de la información: Eurojust. Fuente de la imagen: mvc archivo propio.

______________

[1] A través de Eurojust.

[2] De los cuales 690 se abrieron en 2022.

[3] Velasco Carretero, Manuel. Reunión de expertos en Blanqueo de Capitales. Sitio Prevención del Blanqueo. 2023. Visitado el 24/06/2023.

[4] Los debates fueron oportunos en el contexto de las actuales propuestas de la Comisión Europea en el ámbito del blanqueo de capitales, la recuperación de activos y la infracción de las medidas restrictivas de la Unión.

[5] Los participantes subrayaron la importancia de tener enfoques comunes e intercambiar experiencias con regularidad.

Nuevas reglas de diligencia debida contra el blanqueo

Fuente de la imagen: rvs

La tarde del jueves la pasé hojeando la posición de los eurodiputados de las comisiones de Asuntos Económicos y Monetarios y Libertades Civiles, Justicia y Asuntos de Interior del Parlamento Europeo (PE), sobre tres proyectos de ley de disposiciones financieras de la política de la UE contra el blanqueo de capitales (ALD/CFT)[1], que referencié en el sitio Prevención del Blanqueo, texto “Sobre disposiciones europeas contra el Blanqueo”[2]. El paquete consta de El "libro de reglas único" - con disposiciones sobre la realización de la diligencia debida sobre los clientes, la transparencia de los beneficiarios reales y el uso de instrumentos anónimos, como los criptoactivos, y nuevas entidades, como las plataformas de financiación colectiva. También incluye disposiciones sobre los llamados pasaportes y visas "de oro"[3].

Otro proyecto es La 6ª Directiva Anti-Blanqueo de Dinero - que contiene disposiciones nacionales sobre Supervisión y Unidades de Inteligencia Financiera, así como sobre el acceso de las autoridades competentes a la información necesaria y confiable, por ejemplo, registros de beneficiarios reales y activos almacenados en zonas francas[4]; Y el tercer proyecto es El reglamento que establece la Autoridad Europea contra el Blanqueo de Capitales (AMLA) con facultades de supervisión e investigación para garantizar el cumplimiento de los requisitos ALD/CFT[5]. De esta manera, los eurodiputados iniciarán conversaciones con el Consejo de la Unión Europea (UE) acerca de la reforma de las normas antiblanqueo de capitales de la UE para ayudar a las autoridades a tomar medidas enérgicas contra el flujo ilícito de dinero y activos.

El PE ha aprobado los mandatos de negociación para propuestas que reforman las políticas de la UE en materia de lucha contra el blanqueo de capitales y la financiación del terrorismo (ALD/CFT)[6]. Los proyectos de ley prevén nuevas reglas de diligencia debida para que las empresas verifiquen la identidad de los clientes, qué poseen y quién los controla, y otorgan a las personas con un interés legítimo (por ejemplo, periodistas, organizaciones de la sociedad civil e instituciones de educación superior) acceso a los registros de beneficiarios finales, entre otras disposiciones. Finalmente, el paquete crearía una Autoridad Europea contra el blanqueo de capitales (AMLA) con poderes de supervisión e investigación para hacer cumplir las reglas de manera consistente. Fuente de la información: PE.

_________________________________

[1] Para leer las citas de los eurodiputados que liderarán las negociaciones sobre la forma final de los proyectos de ley, clickea aquí. Sitio visitado el 21/04/2023.

[2] Velasco Carretero, Manuel. Sobre disposiciones europeas contra el Blanqueo. Sitio Prevención del Blanqueo. 2023. Visitado el 21/04/2023.

[3] El texto fue aprobado con 99 votos a favor, 8 en contra y 6 abstenciones.

[4] . El texto fue aprobado con 107 votos contra 5 y 0 abstenciones.

[5] El texto fue adoptado por 102 votos contra 11 y 2 abstenciones.

[6] La primera reunión para iniciar negociaciones con los representantes de los ministros de la UE tendrá lugar a principios de mayo.

¿Conoces la Base de Datos de Titular Real?

Fuente de la imagen: geralt en pixabay

Entiende el Consejo General del Notariado de mi país (CGN), que el dinero ilícito es muy difícil de localizar porque se oculta tras una maraña de sociedades y un enjambre de testaferros u hombres de paja, dificultando al máximo descubrir quién es el titular real de esas sociedades y el dueño, por tanto, del dinero o del patrimonio[1]. El Grupo de Acción Financiera Internacional (GAFI) en España, señaló que la información sobre la titularidad real de las sociedades españolas está a disposición de las autoridades competentes con facilidad y rapidez a través del Índice Único Informatizado del CGN. La Base de Datos de Titular Real del Notariado fue presentada en sociedad en 2017 por el CGN e identifica a los titulares reales de más de 2.200.000 sociedades, fundaciones, asociaciones, partidos políticos y sindicatos.

Según el CGN, la existencia de esta base[2] permite a las autoridades competentes en la materia conocer quiénes son las personas que ocultan dinero o propiedades ilícitas tras una maraña de sociedades fantasmas y testaferros. La información contenida en ella procede del Índice Único Informatizado notarial, que es la piedra angular de los servicios de prevención del blanqueo de capitales, financiación del terrorismo y del fraude fiscal, del colectivo notarial. Recientemente, se ha suscrito un acuerdo entre la Comisión Nacional del Mercado de Valores (CNMV) y el CGN para que la Comisión pueda acceder a información de las bases de datos notariales de Titular Real y de Personas con Responsabilidad Pública[3], garantizando la seguridad y confidencialidad de los datos[4]. Fuente de la información: CGN y CNMV. Fuente de la imagen: geralt en pixabay.

______________________________

[1] De hecho, el Grupo de Acción Financiera Internacional (GAFI) lleva más de 17 años luchando para que los 34 países que lo integran sean capaces de identificar a los titulares reales de sus millones de empresas.

[2] El uso de esta Base de Datos de Titular Real está regulado en el artículo 9.6 del Reglamento de la Ley 10/2010 de Prevención de Blanqueo.

[3] Habilitándose una plataforma desde la que se canalizarán los requerimientos de información de la CNMV.

[4] Que serán exclusivamente utilizados por la CNMV para llevar a cabo sus funciones de supervisión e inspección de los mercados de valores y de la actividad de cuantas personas físicas y jurídicas se relacionan en el tráfico de los mismos.

Guerra Ucrania y Prevención Blanqueo Capitales

Fuente de la imagen: mvc archivo propio

Preguntó Rocío si se había realizado alguna acción política o legislativa en mi país en relación con la prevención del blanqueo de capitales y el conflicto de Ucrania. Remití al texto publicado en el Sitio Prevención del Blanqueo, bajo el título “Sanciones con motivo del conflicto de Ucrania”[1], donde me hacía eco de la información del Servicio Ejecutivo de la Comisión de Prevención del Blanqueo de Capitales e Infracciones Monetarias de España (SEPBLAC), sobre la comunicación informativa a las personas y entidades obligadas a aplicar sanciones financieras internacionales impuestas por los Reglamentos de la Unión Europea (UE) con motivo del conflicto de Ucrania, publicándose en la página web del Tesoro Público[2] un comunicado que comprendía una relación de las disposiciones aprobadas por la UE en el marco de un paquete de sanciones financieras internacionales. El documento contiene enlaces a la lista consolidada de sujetos y entidades sometidos a sanciones financieras internacionales de la UE y a las disposiciones UE de aplicación[3].

También, incluye un apartado de orientaciones para la aplicación de sanciones financieras internacionales en el ámbito de la UE, desde nuevo régimen de sanciones hasta ampliación de sanciones económicas; y la normativa de aplicación, en cuanto al régimen de autorización de transferencias, congelaciones y bloqueos, y liberación de fondos. Dentro de las obligaciones de aplicación por el sector privado, derivadas de este paquete de sanciones financieras internacionales, se encuentran las de Inmovilización de todos los fondos y recursos económicos que sean propiedad[4], imposibilidad de poner fondos o recursos económicos, directa ni indirectamente, a disposición ni en beneficio de personas físicas o jurídicas, entidades u organismos que se incluyan en la lista del anexo; comunicar e informar a las autoridades competentes de las actuaciones anteriores, en este caso la Subdirección de Inspección y Control de Movimientos de Capitales[5]. Fuente de la información: SEPBLAC. Fuente de la imagen: mvc archivo propio.

________________________________

[1] Velasco Carretero, Manuel. Sanciones con motivo del conflicto de Ucrania. Sitio Prevención del Blanqueo. 2022. Visitado el 13/03/2022.

[2] En el apartado de Sanciones Financieras.

[3] Así como información sobre las principales obligaciones financieras de aplicación por el sector privado.

[4] Estén en poder o estén bajo el control de personas físicas y jurídicas recogidas en los anexos.

[5] A través del correo electrónico secretariaicmc@economia.gob.es y con el asunto “Congelaciones”.

Nada más lejos de la realidad

Fuente de la imagen: rvs/2020

Entendía el patrono de la Fundación que con ingresar las ayudas, subvenciones y donaciones en una cuenta corriente abierta en una entidad financiera, era más que suficiente para cumplir con todo lo relativo en mi país a la prevención del blanqueo de capitales e infracciones monetarias. “Nada más lejos de la realidad”, expresé. En el sitio “Prevención del Blanqueo de Capitales e Infracciones Monetarias”, bajo el título “Recomendaciones a Organizaciones sin Fines de Lucro”[1], reflexioné sobre las organizaciones sin fines de lucro (OSFL) y la prevención del blanqueo de capitales o lavado de dinero, aprovechándome de unas recomendaciones que en su momento emitió el Ministerio de Economía y Competitividad del Gobierno de España (MEyC), que entendía las OSFL como una pieza básica que complementa la acción social pública mediante la canalización de esfuerzos privados orientados a la consecución de fines de interés general. Sin embargo[2], son vulnerables al riesgo de abuso para actividades de blanqueo de capitales y financiación del terrorismo.

Para ir despejando incógnitas, el artículo 39 de la Ley 10/2010[3], establece que “…el personal con responsabilidades en la gestión de OSFL velará para que éstas no sean utilizadas para el blanqueo de capitales o para canalizar fondos o recursos a las personas o entidades vinculadas a grupos u organizaciones terroristas”. En particular, establece que “todas las fundaciones y asociaciones conservarán durante al menos diez años registros con la identificación de todas las personas que aporten o reciban a título gratuito fondos o recursos de la OFSL, en los términos de los artículos 3 y 4 de esta Ley”[4]. En ese sentido, el MEyC realiza una serie de recomendaciones[5] orientadas a proteger la integridad y reputación de las OSFL[6]. Los riesgos a los que se expone cada entidad, en función de su actividad, ámbito geográfico de actuación o volumen de fondos gestionado determinan la mayor o menor relevancia de la adopción de estas medidas.

De esta forma, un elemento básico a la hora de prevenir eficazmente cualquier abuso, es que las OSFL analicen y valoren los riesgos intrínsecos de las diferentes actividades que desarrollan y, a partir de ello, enfoquen y orienten sus controles, intensificándolos en aquellas áreas o proyectos con riesgos objetivamente más altos. En relación al funcionamiento de los órganos de gobierno (OG)[7] de las OSFL, se recomiendan procedimientos que aseguraran la idoneidad ética y profesional de los miembros del órgano de gobierno y administración[8]. Cada OSFL debería regular las facultades que corresponden a sus OGs y representación, delimitando sus obligaciones y responsabilidades, así como el régimen de adopción de acuerdos. Asimismo, entre otras acciones, el OG debería garantizar que cuenta con un mínimo de miembros suficiente para asegurar la correcta toma de decisiones; reunirse de forma regular y documentar los acuerdos adoptados; participar activamente en la estrategia, planificación y seguimiento de las actividades de la institución; o adoptar los mecanismos necesarios que promuevan una adecuada transparencia financiera[9] y prevengan los conflictos de interés y las incompatibilidades en los miembros del OG.

En cuanto a la planificación y seguimiento técnico de la actividad, las OSFLs deberían determinar claramente su objeto social, sus colectivos beneficiarios, absteniéndose de realizar actividades que no estuvieran determinadas a conseguir dicho fin. Para ello debería establecer unos criterios claros de selección de proyectos que deberían ser aprobados por el órgano de gobierno. El OG debería aprobar un plan de actividades anuales. La entidad debería tener preestablecidos criterios de selección de sus contrapartes, tomar medidas proactivas para verificar la honorabilidad de las mismas y que no están infiltradas o relacionadas con actividades de blanqueo de capitales[10]. Igualmente, el MEyC recomienda que las OSFLs deberían contar con sistemas de seguimiento interno y control de las actividades, aprobados por el OG, que pudieran confirmar la efectiva ejecución de los proyectos, la existencia real de los beneficiarios previstos[11] y la realización de las compras y gastos pronosticados. La entidad debería realizar y conservar informes de progreso y finalización de los proyectos/actividades.

El riesgo de desvío de fondos para la financiación del terrorismo u otras actividades criminales[12], debería incluirse entre los factores a considerar a la hora de plantearse no acometer el proyecto o actividad. En caso de acometerlo, las entidades deberían reforzar el seguimiento de su efectiva realización, sin descartar, cuando las circunstancias lo permitan sin menoscabo para la seguridad del personal de la entidad, la realización de verificaciones adicionales in situ. En lo que a la transparencia financiera se refiere, para el MEyC el OG tendría que aprobar criterios para aceptar donaciones[13], teniendo en cuenta la información pública disponible acerca de la posible implicación o relación de dichas empresas o entidades[14], documentándose la imputación de los fondos recaudados a las actividades de cada año con la preceptiva gestión presupuestaria[15]. Es interesante la formalización de procedimientos para que la recepción y el empleo de los fondos, se realicen a través del sistema bancario, lo que facilita los controles para la prevención del blanqueo de capitales[16]. Por si es de tu interés, a continuación te dejo un videotutorial de treinta minutos de duración, alojado en el canal de Youtube. Fuente de la información: MEyC. Fuente de la imagen: rvs/2020.

_________________________

[1] Velasco Carretero, Manuel. Recomendaciones a Organizaciones sin Fines de Lucro. Sitio Prevención del Blanqueo de Capitales e Infracciones Monetarias. 2016. Visitado el 28/12/2021.

[2] Como se ha señalado internacionalmente.

[3] Ley 10/2010, de 28 de abril, de prevención del blanqueo de capitales y de financiación del terrorismo.

[4] La referencia a los artículos 3 y 4 implica la obligación de identificar no sólo a las personas que aporten o reciban fondos, sino también, en su caso, a sus titulares reales. El artículo 4 define titular real como a) La persona o personas físicas por cuya cuenta se pretenda establecer una relación de negocios o intervenir en cualesquiera operaciones. b) La persona o personas físicas que en último término posean o controlen, directa o indirectamente, un porcentaje superior al 25% del capital o de los derechos de voto de una persona jurídica, o que por otros medios ejerzan el control, directo o indirecto de la gestión de una persona jurídica. Se exceptúan las sociedades que coticen en un mercado regulado de la Unión Europea o de países terceros equivalentes c) La persona o personas físicas que sean titulares o ejerzan el control del 25% o más de los bienes de un instrumento o persona jurídicos que administre o distribuya fondos, o, cuando los beneficiarios estén aún por designar, la categoría de personas en beneficio de la cual se ha creado o actúa principalmente la persona o instrumento jurídicos.

[5] Ministerio de Economía y Competitividad. MEJORES PRÁCTICAS EN LA LUCHA CONTRA EL BLANQUEO DE CAPITALES Y LA FINANCIACIÓN DEL TERRORISMO. SECTOR ORGANIZACIONES SIN FINES DE LUCRO. 2014.

[6] Por su carácter de recomendaciones no son legalmente vinculantes, pero junto a las obligaciones legales vigentes, contribuyen a que las OSFL se protejan más eficazmente frente a la amenaza que presentan aquellos que pretenden servirse de ellas para delinquir.

[7] El órgano de gobierno tiene un papel fundamental en el cumplimiento de la misión de la organización y en su funcionamiento ético.

[8] En especial Junta Directiva, Patronato, así como en su caso Comités Ejecutivos u otros órganos delegados, otros puestos directivos o personas con responsabilidades (apoderados, directores de oficinas locales…).

[9] Establecer políticas o responsables de aprobación de gastos, controles internos sobre los programas de gasto, así como, cuando el volumen de actividad y el riesgo lo justifiquen, auditorías anuales externas.

[10] En caso de cuestaciones, la entidad debería informar a los potenciales donantes del destino previsto de los fondos y asegurarse de que se emplean con dicho fin. Posteriormente, debería informar a los donantes del detalle de las actividades realizadas con los fondos recibidos.

[11] En su caso, la recepción de los fondos por parte de los beneficiarios.

[12] Actividades en zonas con implantación o influencia de grupos terroristas, crimen organizado…

[13] Al menos en las donaciones de empresas y entidades privadas, así como en las donaciones individuales de mayor cuantía.

[14] O de sus titulares reales o cargos directivos en procedimientos delictivos relacionados con el blanqueo de capitales o la financiación del terrorismo.

[15] Tanto el presupuesto como su liquidación deberían ser aprobadas por el órgano de gobierno. La entidad debería mantener un presupuesto detallado de cada proyecto, detallando los ingresos recibidos para ese proyecto y los gastos, especificando la identidad de los beneficiarios, o cuando ello no resultara factible, sus características. El seguimiento de ejecución técnica de cada proyecto debería complementarse con la supervisión de la ejecución financiera (incluido del presupuesto de administración) y sus posibles desviaciones.

[16] En consecuencia, debería tratar de minimizarse el uso de efectivo. En la medida de lo posible, y cuando las características del proyecto o actividad así lo aconsejen, se recomienda mantener una cuenta bancaria diferenciada para cada proyecto a fin de facilitar la realización de controles de ejecución de los diferentes proyectos. Algunas OSFL tienen la obligación legal de presentar las cuentas anuales, acompañadas de una memoria descriptiva de las actividades realizadas. En el caso de fundaciones y asociaciones declaradas de utilidad pública, dichas cuentas deben desglosar el origen, cuantía y aplicación de los ingresos públicos percibidos. Asimismo, en determinadas circunstancias las entidades sin fines de lucro están obligadas a auditar sus cuentas. Sin perjuicio del cumplimiento de estas obligaciones legales, el riesgo a que hace frente la entidad en materia de blanqueo de capitales y financiación del terrorismo debería ser uno de los criterios a tener en cuenta para que una entidad decida voluntariamente someter sus cuentas o un determinado proyecto/actividad a auditoría externa.

Lucha contra los delitos financieros

Fuente de la imagen: archivo propio

Coincido con la Comisión Europea (CE) en que la compleja cuestión de afrontar los flujos monetarios ilícitos no es nueva. La lucha contra el blanqueo de capitales y la financiación del terrorismo es clave para garantizar la estabilidad financiera y la seguridad en Europa. Las lagunas legislativas que existen en un Estado miembro repercuten en el conjunto de la Unión Europea (UE). Por ello, para la CE las normas de la UE deben ejecutarse y supervisarse eficazmente para luchar contra la delincuencia y proteger nuestro sistema financiero, siendo de suma importancia garantizar la eficiencia y la coherencia del marco de la UE en materia de lucha contra el blanqueo de capitales. En el sitio Prevención del Blanqueo, texto “Revisión de las normas contra el blanqueo de capitales”[1], te informaba del paquete de propuestas legislativas presentadas por la CE para reforzar las normas de la Unión Europea (UE) en materia de lucha contra el blanqueo de capitales y la financiación del terrorismo. También incluye la propuesta de creación de una nueva Autoridad de la UE para luchar contra el blanqueo de capitales. Este paquete forma parte del compromiso de la Comisión de proteger a los ciudadanos de la UE y al sistema financiero de la UE frente al blanqueo de capitales y la financiación del terrorismo.

El paquete legislativo aplica los compromisos recogidos en el Plan de Acción para una política de la Unión en materia de prevención del blanqueo de capitales y la financiación del terrorismo, adoptado por la Comisión el 7 de mayo de 2020. El marco de la UE para luchar contra el blanqueo de capitales también incluye el Reglamento sobre el reconocimiento de las resoluciones de embargo y decomiso, la Directiva relativa a la lucha contra el blanqueo mediante el Derecho penal, la Directiva sobre el uso de la información financiera para luchar contra la delincuencia grave, la Fiscalía Europea, y el Sistema Europeo de Supervisión Financiera. Según la CE, la finalidad consiste en mejorar la detección de transacciones y actividades sospechosas y colmar las lagunas utilizadas por los delincuentes para blanquear ingresos ilícitos o financiar actividades terroristas a través del sistema financiero. Como se recuerda en la Estrategia de la UE para una Unión de la Seguridad para 2020-2025, la mejora del marco de la UE para la lucha contra el blanqueo de capitales y la financiación del terrorismo también contribuirá a proteger a los europeos del terrorismo y la delincuencia organizada[2]. Fuente de la información: CE. Fuente de la imagen: archivo propio.

______________________________________

[1] Velasco Carretero, Manuel. Revisión de las normas contra el blanqueo de capitales. Sitio Prevención del Blanqueo. 2021. Visitado el 21/07/2021.

[2] Las medidas adoptadas supuestamente mejorarán el marco actual de la UE al tener en cuenta los retos nuevos y emergentes relacionados con la innovación tecnológica. Entre ellas figuran las monedas virtuales, la integración de los flujos financieros en el mercado único y el carácter mundial de las organizaciones terroristas. Igualmente, se intenta crear un marco armonizado para facilitar el cumplimiento por parte de los organismos sujetos a las normas de lucha contra el blanqueo de capitales y la financiación del terrorismo.

El talón de Aquiles en la guerra contra el blanqueo

Fuente de la imagen: mvc archivo propio

Terminada la impartición de la clase de Compliance Financiero al alumnado de la XXV Promoción del Máster de Dirección Financiera de la Escuela Internacional de Posgrados, y antes de visitar a Morfeo, me pasé por el kiosko de prensa virtual a “ojear” los diarios financieros, coincidiendo con el editorial de The Economist, The war against money-laundering is being lost[1], en el sentido de que las entidades financieras siguen siendo “el talón de Aquiles” en la guerra global contra el lavado de dinero[2].

De todas formas, y siguiendo con la argumentación del diario económico, algo no funciona bien en la regulación internacional contra la previsión del blanqueo de capitales, en gran parte por “poner al zorro a cuidar las gallinas”, al delegar los Estados en el sector privado las medidas de control. El propio Grupo de Acción Financiera Internacional (GAFI)[3], ha admitido desajustes estructurales importantes en el sistema, acusando a la gran mayoría de países de no abordar el blanqueo de capitales.

Cierto que hay Estados que han registrado decentes calificaciones en las evaluaciones del GAFI, al aprobar atractivas leyes en prevención del blanqueo de capitales, solo para diluirlas más tarde por no implementar disposiciones clave. Para The Economist, son tres los problemas que obstaculizan la lucha contra los delitos financieros: la falta de transparencia; la falta de colaboración y la falta de recursos. Fuente de la información The Economist. Fuente de la imagen: mvc archivo propio.

__________________________

[1] The war against money-laundering is being lost. The economist. 2021. Sitio visitado el 14/04/2021.

[2] A pesar de la gran cantidad de regulaciones destinadas a convertirlos en “soldados de primera línea” en ese conflicto.

[3] Organismo intergubernamental que establece los estándares globales en prevención de blanqueo de capitales.

Tiempos de cambio en prevención del blanqueo

Fuente de la imagen: elaboración propia

Si eres follower de este sitio por textos como “El Derecho Penal contra el Blanqueo de Capitales”, “Canales específicos para denuncia del blanqueo”, “Prevención lavado de dinero en las ONGs”, “Se les llena la boca de prevención”, “En modo formación termino el año” o “Blanqueo y Secreto Profesional”, son prueba de ello. Igualmente, desde hace más de una década (2005) edito el sitio “Prevención del Blanqueo”. Pues bien, durante la tarde del sábado he estado repasando los apuntes sobre el tema, que tengo compendiado y que te dejé en “De blanqueo va la semana”, para preparar un tutorial de refuerzo o como complemento pedagógico didáctico a clases presenciales virtuales. Abajo te dejo insertado el tutorial. 

Se avecinan tiempos de cambio. En “Reciclándome en prevención blanqueo capitales”, te comentaba la intención del legislador español de transponer la Directiva (UE) 2018/843, junto a las novedades de la Directiva (UE) 2019/2177, con la finalidad de perfeccionar los mecanismos de prevención y mejorar la transparencia y disponibilidad de información sobre los titulares reales de las personas jurídicas y otras entidades sin personalidad que actúan en el tráfico jurídico, proponiéndose otras modificaciones y mejoras puntuales que se recogen en los estándares internacionales o son el resultado del diagnóstico que realizan las autoridades de aplicación de esta normativa. Fuente de la imagen: archivo propio.

Reciclándome en prevención blanqueo capitales

Fuente de la imagen: momento de la ponencia

Invitado por Sandra[1] (Gracias), parte de la tarde del lunes la pasé asistiendo a una sesión presencial virtual sobre las novedades de la 5ª directiva en Prevención de Blanqueo de Capitales y Financiación del Terrorismo (PBCyFT), organizada por la Universidad Internacional de la Rioja (UNIR) e impartida por Isabel Arnal[2]. Y es que, como ya avancé en junio y principios de julio en el sitio Prevención de Blanqueo (textos “Audiencia Pública transposición V Directiva” y “Anteproyecto Transposición V Directiva”), recientemente, el Ministerio de Asuntos Económicos y Transformación Digital del Gobierno de España (MAEyTD) ha publicado el anteproyecto de ley por la que se modifica la Ley 10/2010, de 28 de abril, de Prevención del Blanqueo de Capitales y de la Financiación del Terrorismo y se transponen Directivas de la Unión Europea (UE) en materia de Prevención de Blanqueo de Capitales y Financiación del Terrorismo[3]. 

El Legislador propone transponer la Directiva (UE) 2018/843[4], incorporando las novedades en estas materias aprobadas por la Directiva (UE) 2019/2177[5], con la finalidad de perfeccionar los mecanismos de prevención del terrorismo y mejorar la transparencia y disponibilidad de información sobre los titulares reales de las personas jurídicas y otras entidades sin personalidad que actúan en el tráfico jurídico, proponiéndose otras modificaciones y mejoras puntuales que responden a los objetivos generales de mejora de los instrumentos y mecanismos de prevención, pero que no vienen derivados de la necesaria transposición de normas europeas, sino que se recogen en los estándares internacionales aprobados por el Grupo de Acción Financiera (GAFI) o son el resultado del diagnóstico que, sobre el funcionamiento del modelo y sus posibilidades de mejora, realizan las autoridades de aplicación de esta normativa[6]. Fuente de la imagen: captura de pantalla de un momento de la ponencia. 

_________________________________

[1] Sandra, Fernández Esteban. Coordinadora Académica de Títulos Propios-Estudios Avanzados en UNIR - La Universidad en Internet. 

[2] Isabel Arnal, Directora de las Unidades Financieras de Inteligencia de Cumplimiento en Bankia. Especialista en Investigación, AML e Inteligencia Financiera, ha trabajado en SEPBLAC, en el sector público y ocupado roles de responsabilidad en Barclays Bank, Caixabank y Bankinter. 

[3] La normativa de prevención del blanqueo de capitales y de la financiación del terrorismo tiene la necesidad de adaptarse y evolucionar a medida que lo hacen los riesgos y amenazas a los que se enfrenta. Conforme a esta premisa, después de la transposición mediante el Real Decreto Ley 11/2018, de 31 de agosto, de la Directiva (UE) 2015/849, del Parlamento Europeo y del Consejo, de 20 de mayo de 2015, relativa a la prevención de la utilización del sistema financiero para el blanqueo de capitales o la financiación del terrorismo (en adelante, la IV Directiva o Directiva UE 2015/849), procede adaptar nuevamente la normativa nacional con el objetivo de transponer otras Directivas europeas. 

[4] Del Parlamento Europeo y del Consejo, de 30 de mayo de 2018, por la que se modifica la Directiva (UE) 2015/849 relativa a la prevención de la utilización del sistema financiero para el blanqueo de capitales o la financiación del terrorismo, y por la que se modifican las Directivas 2009/138/CE y 2013/36/UE (en adelante, la V Directiva o Directiva UE 2018/843). 

[5] Del Parlamento Europeo y del Consejo de 18 de diciembre de 2019 por la que se modifica la Directiva 2009/138/CE sobre el acceso a la actividad de seguro y de reaseguro y su ejercicio (Solvencia II), la Directiva 2014/65/UE relativa a los mercados de instrumentos financieros y la Directiva (UE) 2015/849 relativa a la prevención de la utilización del sistema financiero para el blanqueo de capitales o la financiación del terrorismo. 

[6] . Esta norma garantiza el principio de seguridad jurídica, alineando el ordenamiento jurídico en esta materia con las disposiciones de la Unión Europea y las principales recomendaciones del GAFI, como organismo internacional de referencia en la materia. La tramitación de la norma garantiza el principio de transparencia, y su elaboración ha cumplido con los trámites de consulta previa y de audiencia e información pública contemplados en el artículo 133 de la Ley 39/2015, de 1 de octubre, del Procedimiento Administrativo Común de las Administraciones Públicas. La norma da cumplimiento al principio de eficiencia, por cuanto que, si bien el objetivo inicial de la misma era la trasposición la V Directiva, se ha aprovechado este trámite necesario para dar satisfacción a otras necesidades regulatorias.

Recompensando el compromiso a largo plazo

Fuente de la imagen: DavidRockDesign en pixabay

Parte de la tarde del viernes la dediqué a rehojear la versión 24.05.2019 del anteproyecto de Ley (AL), por la que se diseña legislativamente la modificación en mi país del texto refundido de la Ley de Sociedades de Capital, aprobado por el Real Decreto Legislativo 1/2010, de 2 de julio, y otras normas financieras, para adaptarlas a la Directiva (UE) 2017/828 del Parlamento Europeo y del Consejo[1], de 17 de mayo de 2017, por la que se modifica la Directiva 2007/36/CE en lo que respecta al fomento de la implicación a largo plazo de los accionistas[2]. El motivo es porque recientemente el Gobierno de España (GE) ha iniciado su tramitación, información que avancé hace unos días en el sitio "Contable y fiscal". 

Desincentivación del "cortoplacismo" de los inversores y promoción del "compromiso" a largo plazo de los accionistas. Entiende el Poder Ejecutivo que, por un lado, el AL busca mejorar el gobierno corporativo de nuestras sociedades cotizadas, equilibrando los intereses de los accionistas, de los empleados y del entorno de las compañías. Para ello la norma establece que las empresas puedan conocer la identidad y motivación de sus inversores y obliga a las gestoras de fondos de inversión a elaborar y hacer pública su política de implicación en las sociedades en las que invierten. También, regula por primera vez la figura de los "asesores de voto" o "proxy advisors"[3] e incrementa la transparencia de las operaciones vinculadas[4]. 

Por otro, intenta aumentar la competitividad del mercado bursátil español, para que más empresas europeas elijan España como plaza para salir a bolsa, manteniendo la protección al pequeño inversor, permitiendo opciones que ofrecen otros países de nuestro entorno como las "acciones de lealtad", que establece que los accionistas puedan otorgar un voto adicional por cada acción que se mantenga durante dos años como mínimo. Las acciones de lealtad refuerzan la vinculación a largo plazo de los accionistas, en línea con el objetivo general de la norma. Finalmente, se ajustan los requisitos que no son obligatorios en otras jurisdicciones[5]. Fuente de la información: GE. Fuente de la imagen: DavidRockDesign en pixabay. 

__________________________

[1] La norma europea está dirigida a mejorar el gobierno corporativo de las sociedades cotizadas en la Unión Europea y de esa forma aumentar sus posibilidades de financiación a largo plazo y sostenibilidad. 

[2] Si quieres acceder al anteproyecto, versión 24.05.2019, alojado en la web del mineco.gob, clickea AQUÍ. 

[3]Entidades que prestan servicio de asesoramiento a inversores en relación con el ejercicio del derecho de voto derivado de la titularidad de acciones, previendo que deberán publicar información acerca del código de conducta al que estén adheridos. 

[4] Esta norma intenta desincentivar el cortoplacismo de algunos inversores y gestores, recompensando el compromiso a largo plazo de los accionistas. 

[5] Asimismo, adapta a la normativa europea el umbral a partir del cual una emisión de valores requiere la elaboración y publicación de folleto, manteniéndose algunas excepciones necesarias para la protección de inversores.