Con el objetivo de reforzar las medidas para mitigar el fraude en las operaciones con billeteras digitales, el Banco Central de la República Argentina (BCRA) ha establecido recientemente una serie de requisitos técnico-operativos para los Proveedores de Servicios de Pago (PSP) y las entidades financieras que ofrecen el servicio de billetera digital.
En particular, la Comunicación BCRA “A” 7463 -emitida el 24/02/22- estipula ciertas pautas para la prevención y gestión del fraude, que deberán cumplimentar los participantes de los esquemas de transferencias.
Esta norma se encuentra alineada con las recomendaciones del Banco Internacional de Pagos (BIS) que, en el documento “CPMI Fast Payments – Enhancing the speed and availability of retail payments” publicado en 2016, ya reconocía las implicancias del riesgo de fraude en estos esquemas (como una subespecie dentro del riesgo operacional).
Específicamente, el BCRA dispone que “(…) Cada esquema de transferencias inmediatas deberá (…) apoyar sus análisis de fraude con herramientas que permitan identificar patrones sospechosos. De acuerdo con el riesgo evaluado y en función de las responsabilidades identificadas, deberá contemplar acciones en coordinación con los participantes de los esquemas involucrados (por ejemplo, alertar al cliente ordenante y/o requerirle confirmación por vías alternativas antes de cursar la transacción (…)”; todo ello dentro de un plazo máximo de implementación de 180 días contados a partir de la difusión de la nueva regulación.
Cómo resolver el cumplimiento
trak.e, la herramienta RegTech de Poincenot, resuelve a los PSP el cumplimiento de la normativa BCRA “A” 7463 al permitir:
- Procesar, analizar y clasificar un enorme volumen de información a través del uso de tecnologías que posibilitan la detección de operaciones sospechosas o fraudulentas en tiempo real.
- Escalar los negocios digitales.
- Configurar reglas y alertas parametrizables de forma rápida.
- Asegurar adecuados estándares de confidencialidad e integridad de la información transmitida.
- Implementar la herramienta en plazos compatibles con los requeridos por el regulador.
- Resolver los cambios regulatorios con flexibilidad y mayor adaptación
trak.e, además, aplica métodos de machine learning para detectar patrones complejos que indiquen una actividad inusual en el comportamiento transaccional del usuario.