Hawk AI, una plataforma contra el lavado de dinero y la prevención del fraude para bancos, recauda $ 17 millones

Hawk AI, una plataforma contra el lavado de dinero y la prevención del fraude para bancos, recauda $ 17 millones

IA de halcónuna empresa alemana que desarrolla inteligencia contra el lavado de dinero (AML) y la prevención del fraude tangencial para instituciones financieras, ha recaudado $ 17 millones en una ronda de financiación de Serie B.

Antes de ahora, Hawk AI tenía recaudó $ 10 millones, y con $ 17 millones nuevos en el banco, la compañía dijo que planea reforzar su desarrollo de productos y planes de expansión global. La ronda de la Serie B estuvo dirigida por Sands Capital, con la participación de Picus Capital, DN Capital, Coalition y BlackFin Capital Partners.

se estima que hasta Cada año se lavan 2 billones de dólares de ganancias obtenidas de forma ilícita, lo que representa hasta el 5 % del PIB mundial, con solo 1% de estos beneficios ilegales recuperados. Y aquí es donde Hawk AI está estableciendo su puesto.

Fundado en Múnich en 2018, Hawk AI sirve para mejorar la forma en que los bancos y las empresas de pago gestionan sus riesgos de cumplimiento a través de un sistema de vigilancia AML modular nativo de la nube que promete el “más alto nivel de explicabilidad” en su motor de toma de decisiones impulsado por IA. que es fundamental para las auditorías y las investigaciones reglamentarias.

“Las instituciones financieras y los reguladores deben poder comprender y confiar en las decisiones impulsadas por la IA”, dijo a TechCrunch el cofundador y director ejecutivo de Hawk AI, Tobias Schweiger. “La completa capacidad de explicación de una IA de este tipo es la clave para establecer la confianza y la aceptación”.

Hawk AI: monitoreo de transacciones AML, resultados explicables Créditos de imagen: Halcón AI

Hawk AI ofrece productos como control de pagos, selección de clientes, monitoreo de transacciones, fraude de transaccionesy calificación de riesgo del clienteque permite a sus clientes construir su propio modelo de calificación de riesgo combinando datos estáticos (p. ej., datos geográficos o de productos) con datos dinámicos (p. ej., datos de transacciones como informes de actividades sospechosas).

Entre sus clientes se encuentran la plataforma europea de gestión de gastos Moss, empresa estadounidense de procesamiento de pagos Tarjeta bancaria norteamericanay de Brasil Banco do Brasil Américas.

Caja negra

Además del legado de titulares en el espacio como verafín, Sistemas BAEy Oráculohay otros recién llegados notables en este espacio, incluido el unicornio del fraude financiero Feedzai y Espacio de características respaldado por VC. Sin embargo, Hawk AI está promocionando sus credenciales nativas de la nube y su modelo de negocio SaaS como uno de sus principales diferenciadores, frente a las torpes implementaciones en las instalaciones de muchos de los jugadores heredados.

Pero la compañía desea enfatizar su enfoque en abordar el mundo de la “caja negra” en el que la IA y los algoritmos de aprendizaje automático suelen habitar: comprender por qué un algoritmo tomó una decisión específica es clave, y las empresas deben poder justificar por qué se marcó un cliente. como un estafador potencial.

Hawk AI: calificación de riesgo del cliente Créditos de imagen: Halcón AI

Vale la pena señalar que otro software de detección de anomalías brinda información sobre qué factores llevaron a una bandera. Pero Hawk AI dice que su tecnología pendiente de patente también les dice a los usuarios cuál es el “rango esperado” de comportamiento normal, dando una puntuación para cada factor de riesgo utilizando el lenguaje humano natural. La compañía dice que este contexto es esencial en términos de evaluar si un caso califica como actividad sospechosa o no.

“Para Hawk AI, la explicabilidad se compone de dos áreas”, dijo Schweiger. “¿Cuál es la justificación para una decisión individual impulsada por la IA y cómo se desarrollaron los algoritmos que contribuyen a la IA? Los oficiales de cumplimiento deben tener transparencia sobre ambos”.


Source link