En un mundo cada vez más online, la necesidad de verificar con precisión las entidades jurídicas es primordial. Ingrese a la inteligencia artificial (IA), una tecnología transformadora que promete automatizar la verificación y el monitoreo de entidades, reduciendo así el riesgo de fraude y actividades delictivas. Damian Borth, profesor de Inteligencia Artificial y Aprendizaje Automático en la Universidad de St. Gallen, completó recientemente un proyecto con la GLEIF que explora cómo la IA puede impulsar la verificación de entidades legales. En una publicación de blog reciente, arrojó luz sobre cómo aprovechar datos de entidades legales abiertos, estandarizados y de alta calidad dentro de los modelos de IA puede mejorar la seguridad financiera.
Las tecnologías de inteligencia artificial y aprendizaje automático ofrecen una solución innovadora para los desafíos contra el lavado de dinero (AML). Al analizar grandes conjuntos de datos, pueden detectar patrones y anomalías complejos, lo que mejora significativamente la detección de transacciones sospechosas. La reciente colaboración del profesor Borth con la GLEIF dio como resultado un modelo de IA capaz de predecir con precisión la forma jurídica de una entidad utilizando su nombre y jurisdicción, lo que muestra el potencial de la IA para mejorar la confiabilidad de los datos comerciales.
Combinar la tecnología de IA con datos de alta calidad ofrece los mejores resultados. El profesor Borth describe cómo los datos abiertos, confiables, estandarizados y de alta calidad son fundamentales para el desarrollo exitoso de la IA. Los datos estandarizados garantizan que los modelos de IA estén entrenados con información precisa, lo que genera resultados más efectivos.
Los datos estructurados, como los datos sobre entidades jurídicas proporcionados por el Identificador de entidad jurídica (LEI), enriquecen la investigación de IA al proporcionar un conjunto de datos consistente para entrenar y probar modelos de IA en contextos financieros y legales. Esta uniformidad mejora la confiabilidad y la interoperabilidad del modelo entre jurisdicciones y mejora las capacidades de toma de decisiones del modelo de IA.
El reciente proyecto de la GLEIF demuestra cómo aprovechar la sinergia entre la IA y los datos estructurados tiene un gran potencial para la presentación de informes empresariales. Al utilizar conjuntos existentes de datos estructurados, podemos crear modelos de IA más útiles y precisos que contribuyan a la seguridad y la transparencia financieras.
Etiqueta: LEI
Comentarios de XBRL US sobre la revisión regulatoria de la FHFA
XBRL US envió una carta de comentarios a la Agencia Federal de Financiamiento de la Vivienda (FHFA) en respuesta a su Revisión regulatoria; Solicitud de comentario. Entre otras áreas, la FHFA RFC buscó aportes sobre desarrollos legales y de mercado que pueden haber hecho que las regulaciones actuales sean obsoletas o ineficientes. También buscaron comentarios sobre métodos alternativos para cumplir con varios requisitos reglamentarios.
La carta de XBRL US se centró en estos puntos, planteando los siguientes puntos:
• Alentó a la FHFA a investigar el uso de XBRL y el Identificador de Entidad Legal (LEI) como un medio para cumplir con los requisitos de la legislación de la Ley de Transparencia de Datos Financieros (FDTA) recientemente aprobada.
• Explicó que el uso generalizado de estándares de datos en los Estados Unidos y fuera de los Estados Unidos es un avance del mercado que la FHFA debería considerar adoptar. Las recopilaciones de datos obsoletas que se utilizan actualmente en la Agencia podrían modernizarse a través de estándares de datos con beneficios para toda la cadena de suministro.
• Taxonomías y estándares de datos XBRL propuestos como una alternativa mucho mejor al proceso actual de recopilación y suministro de datos en archivos de texto con documentación técnica en PDF como respaldo.
XBRL US comentó sobre una propuesta de la Comisión de Comercio de Futuros de Productos Básicos (CFTC)
La especificación XBRL1 es administrada por una organización global de estándares (XBRL International2) que cuenta con grupos de trabajo técnicos activos que revisan y adaptan el estándar para satisfacer las necesidades tecnológicas cambiantes en el mercado. A través de su trabajo, XBRL se ha expandido a lo largo de los años para que pueda usarse para crear documentos XBRL formateados en XML, XHTML (Inline XBRL), JSON o incluso CSV. A medida que las tecnologías cambian, el estándar XBRL está bien posicionado para adaptarse continuamente.
XBRL US presenta una carta de comentarios al Comité de Supervisión Reguladora (ROC)
La recopilación de datos financieros del gobierno en los mercados estadounidenses, de una manera eficiente y automatizable, se está convirtiendo en un escenario más probable, dadas las iniciativas recientes que impulsan una mayor estandarización. Un proyecto de ley federal de nivel 2 de 5 llamado Ley de Eficiencia y Transparencia de Informes de Subvenciones (GREAT, por sus 1) se centra en la estandarización de los datos para la presentación de informes de subvenciones, incluido el Paquete de Auditoría Única, que debe ser reportado por cualquier entidad que reciba $ 750,000 o más en subvenciones federales. El requisito de Auditoría Única se aplica a más de 10,000 gobiernos estatales y locales. La Ley GREAT ha sido aprobada por ambas cámaras en el Congreso de los Estados Unidos, y actualmente está en el comité y se espera que avance pronto.
Los beneficios integrados en la elaboración de informes financieros digitales de ESEF
A primera vista, el formato ESEF parece estar diseñado para impulsar la producción de informes financieros a un factor de forma conveniente sin papel. Si bien esto es cierto y muy loable, la insistencia de la ESMA en que las corporaciones incorporen su LEI revela un océano de potencial adicional. Este mandato aumentará la transparencia, aumentará la confianza y proporcionará una verificación instantánea y no repudiable de que la organización que presenta el informe es, de hecho, quien dice ser. Todos estos beneficios de gran alcance están habilitados por el informe que se vincula a los datos de referencia de LEI verificados de la entidad de presentación que se encuentran dentro del Índice Global de LEI.