Falsos positivos en listas restrictivas: por qué se disparan con nombres latinoamericanos
El problema no es que el motor encuentre demasiado. Es que encuentra mal, y el analista deja de leer.
Borrador pendiente de revisión editorial
Este artículo se redactó como parte de la construcción de la plataforma y aún no ha sido revisado por el equipo editorial. No se indexa ni aparece en el boletín hasta su aprobación.
Un falso positivo ocurre cuando el motor de screening señala una coincidencia entre una contraparte y un registro de lista que en realidad corresponde a otra persona. Con nombres latinoamericanos se multiplican por tres factores: nombres compuestos, dos apellidos y alta frecuencia de combinaciones comunes. Reducirlos exige calibrar el algoritmo, no bajar la sensibilidad.
Hay un momento reconocible en la vida de todo programa de cumplimiento: el analista abre la bandeja de coincidencias, ve doscientas, y empieza a descartarlas en bloque. No porque sea negligente, sino porque el sistema le enseñó que casi ninguna es real. Ese día el control dejó de funcionar, aunque siga apareciendo como operativo en el informe mensual.
El falso positivo no es un inconveniente estético. Es el mecanismo por el cual un control formalmente correcto se vuelve inútil en la práctica.
¿Por qué se disparan con nombres de la región?
Los motores de screening nacieron optimizados para convenciones anglosajonas: un nombre, un apellido, poca variación ortográfica. Aplicados a nombres latinoamericanos, tres características estructurales los descolocan.
- Nombres compuestos. "José Luis" no es un nombre con un segundo elemento accesorio: es una unidad. Un motor que compara token por token puede considerar coincidencia parcial cualquier "José" del mundo.
- Dos apellidos. El apellido materno aparece, desaparece o se abrevia según el documento. La misma persona figura como "Ramírez Ochoa", "Ramírez O." o "Ramírez" en tres fuentes distintas.
- Alta frecuencia. Las combinaciones más comunes de nombre y apellido en la región se repiten en decenas de miles de personas. Una coincidencia exacta de nombre completo puede ser, estadísticamente, poco informativa.
A esto se suman las variantes de acentuación, la partícula intermedia ("de la", "del"), la transliteración de nombres extranjeros y los errores de digitación en la fuente original, que nadie controla.
La tentación de bajar la sensibilidad
Ante la avalancha, la reacción intuitiva es endurecer el umbral de coincidencia: exigir similitud casi exacta. El volumen baja de inmediato y el equipo respira.
El problema de este ajuste es que su efecto es invisible. Los falsos positivos se ven; los falsos negativos, no. Nadie recibe una alerta que diga "aquí había una coincidencia real y la descartaste por umbral".
¿Qué sí reduce el ruido?
- Normalización previa: unificar mayúsculas, acentos, partículas y abreviaturas antes de comparar, en la consulta y en la fuente.
- Comparación estructurada por componentes: tratar nombres y apellidos como campos distintos, en lugar de comparar cadenas completas.
- Ponderación por frecuencia: una coincidencia en un apellido poco frecuente pesa más que una en el apellido más común del país.
- Datos secundarios de desempate: número de identificación, fecha de nacimiento o nacionalidad convierten una coincidencia dudosa en una descartable con criterio.
- Priorización por nivel de riesgo: presentar primero lo que más probablemente sea real, en vez de una lista plana ordenada alfabéticamente.
- Memoria de descartes: si un homónimo ya se descartó con criterio documentado, no debería volver a aparecer como novedad cada mes.
El descarte también se documenta
Hay un punto que se pasa por alto con frecuencia: ante el supervisor, descartar un falso positivo sin dejar constancia del criterio es tan problemático como no haber consultado. La consulta demuestra que el control se ejecutó; el criterio de descarte demuestra que se ejecutó con juicio.
Un registro adecuado del descarte responde tres preguntas: qué coincidencia apareció, qué dato permitió establecer que no correspondía a la contraparte, y quién tomó esa decisión. Cabe en tres líneas y evita una discusión completa en una visita de supervisión.
¿Cómo saber si su motor está bien calibrado?
| Señal | Qué indica |
|---|---|
| El analista descarta más del 90 % de las coincidencias sin leerlas | Exceso de ruido: el control es decorativo |
| Nunca aparece una coincidencia real | Umbral demasiado alto o cobertura insuficiente |
| Las mismas coincidencias reaparecen cada ciclo | No hay memoria de descartes documentados |
| Una coincidencia real llegó por otra vía y no por el screening | Falso negativo confirmado: revisar de inmediato |
La última fila es la única que importa de verdad. Si un hallazgo relevante llegó por un cliente, un banco o la prensa antes que por su sistema de screening, la calibración no es un asunto de eficiencia: es un hallazgo de control.
¿Su motor de screening genera más ruido que señal?
La coincidencia aproximada de Compliance está optimizada para nombres de Latinoamérica y entrega resultados priorizados por nivel de riesgo.
Normativa relacionada
Fuentes
- GAFI / FATF — Recomendaciones sobre debida diligencia del cliente
- Consejo de Seguridad de la ONU — Listas vinculantes de aplicación obligatoria
¿Es Oficial de Cumplimiento o profesional en gestión de riesgos?
Únase a nuestro grupo y conéctese con colegas de todos los sectores para compartir normativa, alertas de última hora y buenas prácticas en SARLAFT, SAGRILAFT/FPADM, C/ST y PTEE.
Grupo de WhatsApp. El ingreso está sujeto a validación de perfil.
Reciba el próximo análisis
InfoCompliance publica cada semana lo que cambia en regulación, tipologías y supervisión. Elija por dónde prefiere recibirlo.