Las preguntas que la debida diligencia realmente hace

Sí. EyesClear se implementa dentro del propio entorno del banco —on-premise o nube privada— y la IA corre sobre esa misma infraestructura, detrás de un gateway privado de LLM. Ningún dato de clientes y ninguna inferencia del modelo salen hacia una nube externa o un proveedor tercero. La soberanía de los datos está garantizada por la arquitectura, no por un contrato.

Un analista. La IA redacta a partir de la alerta y del conjunto completo de evidencia; el analista revisa, edita y firma. La IA es el maker y el analista es el checker: nada se cierra y nada se reporta sin esa firma.

Un solo motor atiende el procesamiento en tiempo real y el retroactivo como dos modos. Usted actualiza la tipología, la vuelve a correr sobre todo el histórico de transacciones esa misma noche y revisa las nuevas alertas a la mañana siguiente. Sin orden de trabajo con el proveedor, sin un proyecto de remediación de varios meses.

No. EyesClear no hace screening de pagos en tiempo real. Toma las alertas de sanciones y coincidencia de nombres que genera su plataforma de screening y las resuelve con el mismo flujo maker-checker. Su propio análisis también puede marcar preocupaciones de sanciones para derivarlas al equipo de screening.

Días, en lugar de un programa de integración de varios meses. Detección, gestión de casos y reportería llegan como una sola plataforma sobre un único data fabric que se conecta a los almacenes de datos que usted ya opera, así que no hay que completar antes un nuevo programa de data lake.

Tipos de reporte configurables, catálogos de campos y reglas de transformación generan las presentaciones ŞİB/STR de MASAK en Türkiye sobre el esquema vigente (Comunicado No. 30), los regímenes CRS y FATCA, y otras salidas complejas, con seguimiento de la presentación, manejo de reintentos y programación. Un nuevo tipo de reporte es configuración, no desarrollo.

Por arquitectura, no por política. El LLM corre únicamente dentro de EyesClear, sin acceso a sistemas, bases de datos ni aplicaciones del banco. Ve los datos del caso que la plataforma le entrega, y nada más. Todo lo que los agentes pueden hacer está definido por herramientas desarrolladas internamente, cada una una capacidad conocida y auditada con entradas y salidas definidas.

Los conectores universales aceptan SWIFT e ISO 20022 (MT103, pacs.008, camt y mensajes relacionados se procesan de forma nativa), colas en tiempo real como MQ y Kafka, y fuentes de bases de datos y archivos que cubren CRM, transacciones, riesgo y KYC, todas mapeadas hacia el data fabric único.

No. Los datos entran mediante recopilación basada en reglas que controlan sus analistas y equipos de tecnología: cada fuente, campo y actualización se configura de forma explícita. Algunas herramientas del mercado rastrean los datos internos en su lugar; a nuestro juicio ese patrón no es lo bastante seguro para un banco. No se lee nada que no haya sido autorizado de forma explícita.

Una implementación de plataforma completa busca un 30 % de mejora en eficiencia; operar junto a sus sistemas actuales busca un 10–15 %. Las dos cifras a vigilar en un piloto son el tiempo medio de atención por caso y las horas de analista devueltas a trabajo de mayor valor.

No. EyesClear no es un SaaS multiinquilino. Corre dentro del propio entorno del banco como microservicios en contenedores: ese es justamente el punto. Es la plataforma de investigación y decisión dentro del banco.

EyesClear puede llegar con hardware de IA privado del tamaño adecuado, de modo que la capa LLM entre al perímetro como equipo y no como una dependencia de nube. Pregúntenos cómo se plantea esa opción para su entorno.

Sí, así está diseñado. Los oficiales de cumplimiento editan reglas y tipologías directamente, y su equipo diseña qué recoge un caso mediante formularios dinámicos que entran en producción sin una solicitud de cambio al proveedor. Todo cambio material sigue pasando por un flujo maker-checker (doble control) con constancia completa de quién lo solicitó y quién lo aprobó.

La IA nunca decide por su cuenta. Cada salida es rastreable hasta los datos de origen y es revisada, editada y aprobada por un analista antes de que se actúe sobre ella, así que no hay un score de caja negra que defender. Toda la evidencia, el historial de casos y las decisiones se mantienen de forma central con pistas de auditoría completas, y el registro de actividad deja constancia de quién abrió qué pantalla y qué hizo.