Higiene de falsos positivos na triagem de sanções

Pergunte a um analista de compliance o que há de errado com a ferramenta de triagem dele, e a resposta raramente é "deixamos passar coisas." É quase sempre "recebemos alertas demais, e a maioria não é nada." Essa reclamação parece um problema de eficiência. Na verdade, é um problema de risco: a responsabilidade por sanções da OFAC é estrita — intenção e conhecimento não são uma defesa — e um programa que gera centenas de alertas de baixa qualidade por dia treina seus próprios analistas a liberar as coisas rapidamente, que é exatamente a condição sob a qual uma correspondência real acaba passando despercebida. A higiene de falsos positivos não é um capricho de UX. É um controle que determina se os verdadeiros positivos no meio da pilha realmente são capturados.

Por que falsos positivos acontecem

A maioria dos falsos positivos remonta a uma de um pequeno número de causas-raiz, e elas se somam:

• Nomes comuns. Nomes no estilo "Mohammed Ahmed" ou "John Smith" produzem correspondências contra uma fração significativa de qualquer base de clientes, independentemente de qualquer conexão real com o indivíduo sancionado.
• Variação de transliteração. Nomes transliterados do árabe, cirílico ou caracteres chineses para caracteres latinos têm múltiplas romanizações válidas — "Gaddafi," "Qaddafi," e "Kadhafi" são o mesmo nome. Um algoritmo de correspondência ajustado para erros de digitação em escrita latina lida com isso de forma diferente de um construído para variação entre escritas, e o algoritmo errado ou deixa passar a variante real, ou trata cada escolha de romanização como uma quase-correspondência com tudo.
• Identificadores secundários fracos ou ausentes. Um resultado positivo baseado apenas no nome, sem data de nascimento, nacionalidade ou documento de identidade nacional para restringir o campo, não consegue distinguir o indivíduo sancionado de uma pessoa não relacionada que por acaso compartilha o nome.
• Proliferação de pseudônimos sem sinal de força. Entidades designadas frequentemente carregam dez ou mais pseudônimos conhecidos — variantes completas do nome legal, apelidos de uma única palavra, nomes anteriores da empresa. Tratar um AKA fraco, de uma única palavra, com o mesmo peso de correspondência que um pseudônimo forte e único aumenta os resultados positivos contra qualquer pessoa cujo nome contenha, por acaso, esse fragmento.

A tensão, dita sem rodeios

Toda alavanca que reduz falsos positivos também tem a capacidade de reduzir falsos negativos, se puxada longe demais. Essa é toda a dificuldade deste problema: um limiar de correspondência fuzzy ajustado o suficiente para parar de sinalizar "John Smith" contra todo cliente chamado John Smith também é um limiar que pode deixar passar sem sinalização uma transliteração genuinamente quase correspondente. Ajustar para uma fila silenciosa e ajustar para uma cobertura defensável não são o mesmo objetivo, e um programa que só mede a queda de "alertas por dia" não tem como saber qual dos dois de fato alcançou. Qualquer esforço de redução de falsos positivos precisa declarar, e ser capaz de demonstrar, que o recall sobre as correspondências verdadeiras não se alterou.

Técnicas concretas

1. Faça a correspondência com mais do que o nome. A mudança de maior alavancagem isolada é usar todo identificador que uma fonte realmente publica — data de nascimento, local de nascimento, nacionalidade, número de passaporte ou de documento nacional de identidade e, para embarcações, o número IMO, que é muito mais discriminante do que o nome de uma embarcação. Uma correspondência baseada só no nome contra um nome comum é quase inutilizável; o mesmo nome mais uma data de nascimento reduz o campo em ordens de grandeza, nas duas direções — isso descarta homônimos não relacionados e aumenta a confiança em uma correspondência genuína. É por isso que o catálogo de fontes lista exatamente quais identificadores cada lista publica: duas fontes com a mesma cobertura nominal podem ter capacidades de correspondência muito diferentes, dependendo de quais campos a autoridade emissora realmente divulga.

2. Trate os pseudônimos como tendo forças diferentes, não como uma lista indiferenciada. Uma grafia alternativa completa do nome legal e um apelido de uma única palavra não são igualmente diagnósticos. Programas que pontuam cada AKA de forma idêntica herdam a taxa de falsos positivos de seu pseudônimo mais fraco. Onde uma fonte distingue pseudônimos fortes e fracos, leve essa distinção para a lógica de correspondência, em vez de achatá-la.

3. Use um algoritmo de correspondência adequado à escrita e ao idioma, não uma função genérica de distância de edição. A variação de transliteração do cirílico e do árabe é um problema conhecido e limitado — a correspondência fonética e sensível à transliteração lida com isso de forma significativamente melhor do que limiares brutos de distância de edição de strings, ajustados para erros de digitação em texto latino. Um único limiar global, aplicado uniformemente entre origens de nomes distintas, é uma fonte comum e evitável de ambos os tipos de erro ao mesmo tempo.

4. Registre o histórico de disposição — sem nunca suprimir a triagem. Quando um analista libera um resultado positivo como "revisado, não é uma correspondência" para um cliente específico, registrar essa determinação evita relitigar o mesmo alerta de baixo valor a cada ciclo de triagem. A disciplina que importa aqui: isso reduz o ruído repetido sobre uma não correspondência já documentada, não a triagem subjacente. A lista continua sendo verificada todas as vezes; apenas o custo de fadiga de alerta de uma determinação já resolvida diminui. Suprimir silenciosamente um nome de triagens futuras é uma decisão materialmente diferente e muito mais arriscada, e nunca deveria ser um efeito colateral da redução de ruído.

5. Use a linhagem da fonte para ajudar os analistas a triar, não apenas para auditar depois do fato. Saber de qual autoridade, programa e lista veio um resultado positivo permite que um revisor verifique rapidamente a plausibilidade — um resultado positivo contra um programa de sanções da República Democrática do Congo, para um cliente sem nenhum vínculo comercial africano, carrega premissas diferentes de um resultado positivo contra uma listagem do programa da OFAC para a Rússia, para um cliente com contrapartes russas. Este é um retorno direto e prático da mesma postura de transparência de fontes que fundamenta nosso catálogo de dados: a proveniência não serve apenas para a trilha de auditoria, é um sinal de triagem no momento.

O pano de fundo regulatório

O próprio Framework for Compliance Commitments da OFAC trata a qualidade da triagem — cobertura, atualidade, calibração da correspondência fuzzy e a resolução das cadeias de propriedade da 50 Percent Rule — como um controle documentado que os examinadores procuram, não um detalhe de implementação interno deixado a critério do fornecedor. Um programa que não consegue explicar por que seus limiares de correspondência estão definidos onde estão, e não consegue mostrar que uma mudança de redução de falsos positivos não custou recall, não tem um controle defensável — tem uma fila que por acaso é mais curta.

Onde verificar sua própria correspondência

Navegue pelo catálogo de fontes para ver quais identificadores e estruturas de pseudônimos cada lista realmente publica, navegue pelo corpus completo para ver a densidade real de pseudônimos e a cobertura de identificadores registro por registro, e veja nossos guias de jurisdição AML/CFT para saber como cada regulador enquadra as expectativas de qualidade de triagem em sua própria linguagem de supervisão.