Nuevo algoritmo colombiano detecta lavado de dinero con una eficacia 2,6 veces superior a los sistemas actuales.

Un equipo de investigadores de la Universidad Nacional de Colombia (UNAL) diseñó un modelo de inteligencia artificial que supera ampliamente la eficacia de los sistemas tradicionales para detectar lavado de activos, uno de los delitos financieros más complejos y extendidos a nivel global.

El estudio fue liderado por Santiago Leonardo Delgado Mejía, magíster en Ingeniería de Sistemas y Computación, quien desarrolló un modelo basado en aprendizaje automático que logró identificar correctamente el 71 % de las transacciones ilícitas, frente al 27 % que detectan los sistemas de reglas convencionales utilizados por entidades financieras.

“Mientras los modelos actuales están limitados por reglas estáticas y generan hasta un 95 % de falsas alarmas, el algoritmo TGATLike actúa como un filtro inteligente capaz de rastrear patrones complejos y dinámicos en grandes volúmenes de datos”, explicó Delgado Mejía.

Un delito que mueve billones de dólares

El lavado de activos permite al crimen organizado “blanquear” fondos provenientes de actividades ilícitas como el narcotráfico, la trata de personas, la corrupción o la extorsión. Según la Oficina de las Naciones Unidas contra la Droga y el Delito (UNODC), entre el 2 % y el 5 % del PIB mundial —equivalente a entre 1,6 y 4 billones de dólares anuales— podría estar relacionado con operaciones de lavado de dinero.

Estos recursos no solo afectan la estabilidad financiera global, sino que también financian redes criminales en expansión.

Así funciona el nuevo sistema

El avance desarrollado en la UNAL se basa en una idea innovadora: tratar el sistema financiero como una red social, en la que las cuentas son nodos y las transacciones son mensajes entre ellas. Así lo explicó Delgado Mejía:

“Decidimos ver todo el sistema financiero como una red social dinámica. Las cuentas tienen historias y conexiones. Al reconstruir la biografía financiera de cada cuenta, es posible identificar cambios estructurales en su comportamiento que pueden señalar actividades sospechosas”.

El modelo de inteligencia artificial, denominado TGATLike, analiza no solo transacciones individuales, sino también patrones relacionales y temporales. Detecta, por ejemplo, si una cuenta cambia de comportamiento repentinamente o si transacciones separadas en el tiempo forman parte de un mismo circuito de lavado.

Este enfoque contrasta con los sistemas actuales basados en reglas, que funcionan con umbrales fijos y frecuentemente generan falsas alarmas.

Validación con datos simulados: IBM y la IA contra el lavado

Para probar la efectividad del algoritmo, el investigador utilizó el simulador IBM Transactions for Anti-Money Laundering, que contiene 5 millones de transacciones ficticias entre 500.000 cuentas. Solo el 0,01 % de estas operaciones simuladas representaban actividades de lavado de dinero, lo que refleja el desafío de encontrar "una aguja en un pajar".

Bajo estas condiciones, el modelo TGATLike demostró su capacidad para reconocer patrones ocultos, incluso en flujos financieros aparentemente normales.

Comparación con sistemas tradicionales: más detección, menos errores

Aunque el modelo tradicional mostró una precisión del 69 % (cuando alerta, la probabilidad de que se trate de una transacción ilícita es alta), el sistema TGATLike alcanzó un 65 % en precisión, pero detectó 2,6 veces más transacciones ilegales.

“El modelo de reglas es conservador. Prefiere no alertar antes que equivocarse. En cambio, TGATLike genera más alertas, pero muchas más son casos reales. No busca reemplazar lo existente, sino actuar como una capa preliminar de filtrado inteligente”, precisó Delgado Mejía.

Hacia un futuro con menos dinero sucio

Este tipo de desarrollos abre nuevas posibilidades para fortalecer la detección de delitos financieros en Colombia y en el mundo. Al integrar modelos de inteligencia artificial como TGATLike en los procesos de análisis bancario, las instituciones podrían optimizar recursos y reducir los niveles de impunidad financiera.

Además, al tratarse de una herramienta de código adaptable, su aplicación podría extenderse a diversos entornos regulatorios y financieros, permitiendo una respuesta más ágil ante las estrategias de evasión cada vez más sofisticadas del crimen organizado.

Para este informe se consultaron las siguientes fuentes:

• Oficina de las Naciones Unidas contra la Droga y el Delito (UNODC)

• Universidad Nacional de Colombia (UNAL)

• IBM Transactions for Anti-Money Laundering

* Este informe se realizó con el apoyo de la Universidad Nacional y su sección de Unimedios.

Haga clic aquí y encuentre más información de LA PATRIA.

Síganos en Facebook, Instagram, YouTube, X, Spotify, TikTok y nuestro canal de WhatsApp, para que reciba noticias de última hora y más contenidos.