Realidad Profesional | Revista del Consejo Profesional de Ciencias Económicas de la Provincia de Buenos Aires y su Caja de Seguridad Social
¿Qué pasa cuando un sistema clasifica a un cliente como de bajo riesgo y, meses después, alguien pregunta por qué se tomó esa decisión? La automatización puede ayudar a detectar operaciones inusuales, ordenar alertas y ahorrar tiempo. Pero si interviene en una decisión, también tiene que ser posible reconstruir qué datos utilizó, qué revisó la persona y por qué validó —o no— esa recomendación. En esta ocasión, los autores ponen el foco en un desafío cada vez más presente: separar con claridad lo que propone la herramienta de lo que decide el profesional. Porque la tecnología puede asistir el proceso, pero la responsabilidad y la capacidad de justificar cada decisión siguen siendo humanas.



El oficial de cumplimiento siempre tuvo una tarea clara: conocer al cliente, detectar lo inusual y reportar lo sospechoso. Lo que cambió es cómo lo hace. Hoy, cada vez más, una herramienta analiza los movimientos, asigna un nivel de riesgo y avisa qué conviene mirar.
Eso libera horas. Pero trae una pregunta nueva: cuando el sistema sugiere y la persona decide, ¿queda registrado quién decidió qué, y por qué?
Una empresa alcanzada por la normativa de prevención de lavado usa una herramienta que clasifica a sus clientes por nivel de riesgo. El sistema marca a un cliente nuevo como «riesgo bajo». El oficial de cumplimiento mira el legajo, no ve nada extraño y lo aprueba.
Meses después, ese cliente empieza a operar montos que no encajan con su perfil. En una revisión, alguien pregunta: ¿por qué se lo consideró de riesgo bajo?
Sin registro, la única respuesta disponible es “lo dijo el sistema”. Y esa respuesta no alcanza: ante el organismo de control, quien responde es la persona, no la herramienta.
Con un registro mínimo, la respuesta es otra: qué datos usó el sistema, qué verificó el oficial -documentación, actividad declarada, fuentes consultadas- y por qué coincidió con la clasificación. Quizás la decisión fue correcta con la información que había. La diferencia es poder demostrarlo.
Así como el oficial de cumplimiento aprendió a armar una matriz de riesgo o un legajo de cliente, ahora debe sumar otra habilidad. TRIA -Trazabilidad, Razonamiento, Inteligencia Artificial, Auditoría-, metodología registrada en Argentina (DNDA, Legajo N° RL-2026-46255181), la ordena en tres capas que hoy suelen quedar mezcladas:
Separarlas no agrega burocracia: evita que la salida del sistema y el criterio profesional se confundan.
Si mañana alguien pregunta, la respuesta no depende de la memoria de nadie.
Que una persona “esté en el circuito“ no alcanza. Para que su participación sea real necesita cuatro condiciones: información completa, tiempo suficiente, capacidad técnica para entender lo que el sistema le muestra y autoridad para contradecirlo. Con cientos de alertas y dos horas para revisarlas, no hay supervisión: hay convalidación.
Es lo que llamamos supervisión escéptica sustantiva: no aceptar ni rechazar de antemano lo que propone el sistema, sino verificarlo contra los hechos, la norma y el criterio propio; delegar una tarea en una máquina no es delegar la responsabilidad.
La normativa de prevención del lavado de activos incluye a los profesionales en Ciencias Económicas entre los sujetos obligados, en los supuestos que ella define. Por eso este tema se lee desde dos lugares: como asesores de organizaciones que tienen un oficial de cumplimiento, y como profesionales que también deben poder justificar sus propias decisiones.
Si alguna consulta no tiene no respuesta clara, ahí está el punto de partida. No hace falta infraestructura nueva: alcanza con registrar, en cada decisión, qué dijo el sistema, qué se revisó y qué se decidió. Ese registro mínimo es, en esencia, TRIA funcionando. La automatización sin trazabilidad no es modernización. Es riesgo diferido.
1. Grupo de Acción Financiera Internacional (GAFI), (2026).Las Recomendaciones del GAFI: Estándares internacionales sobre la lucha contra el lavado de activos y el financiamiento del terrorismo y de la proliferación. Ver especialmente la Recomendación 1, sobre enfoque basado en riesgo.
2. Financial Action Task Force (FATF). (2021).Opportunities and Challenges of New Technologies for AML/CFT.
3. Tabassi, E. (2023).Artificial Intelligence Risk Management Framework (AI RMF 1.0). National Institute of Standards and Technology.
Los contenidos que se publican son de exclusiva responsabilidad de sus autores y no expresan necesariamente el pensamiento de los editores.
