4 de junio de 2024– Lynx, proveedor líder de software basado en Inteligencia Artificial (IA) para detectar y prevenir el fraude y delitos financieros, ha sido reconocido como Mejor Solución de Filtrado de Nombres y Transacciones en el Chartis RiskTech Quadrant® para Soluciones de Filtrado de Nombres y Transacciones.
Los datos de Chartis Research revelan que las instituciones financieras gastarán un estimado de $6.8 mil millones de dólares en listas de vigilancia y tecnologías de medios adversos en 2024. El último informe se centra en las soluciones para las sanciones —nombre y transacciones— y la filtración y el control de los medios adversos y sus elementos relacionados. Lynx recibió puntuaciones de capacidad que lo perfilan como líder en el sector, tanto en Metodología de Datos como en Velocidad y Capacidades en Tiempo Real en el cuadrante.
«Lynx Tech ha tomado su profunda experiencia en la aplicación del aprendizaje automático de Big Data y la Inteligencia Artificial en el mundo del fraude y la ha aplicado eficazmente a la supervisión de listas de vigilancia», afirma Nick Vitchev, director de investigación de Chartis. “Su solución aplica tecnologías propias de aprendizaje automático para aumentar las listas de vigilancia de una manera configurable que es explicable para los reguladores, y ofrece puntuaciones similares en tiempo real con rapidez y precisión, por lo que esperamos que avance significativamente en el mercado en un futuro próximo».
La ubicación en el cuadrante de investigación de Chartis sigue al reconocimiento de Lynx en Financial Crime and Compliance 50 (FCC50) de Chartis, un análisis en profundidad de los proveedores que se destacan en la prevención de delitos financieros y cumplimiento regulatorio.
Vitchev continúa: «la aparición de Lynx en nuestra clasificación inaugural FCC50 refleja su capacidad para trasladar sus conocimientos y su prestigio en el ámbito de la detección del fraude a la prevención del lavado de activos y más allá. Además de una sólida plataforma que incorpora un gran número de señales de riesgo y permite una gran escalabilidad y flexibilidad, los sofisticados modelos y capacidades de ajuste de Lynx, respaldados por un enfoque centrado en la inteligencia artificial, le permiten resolver retos en algunos de los casos de uso y mercados más complejos».
Dan Dica, CEO de Lynx, comenta: «estamos orgullosos de haber recibido dos formas de reconocimiento por nuestra solución por parte de Chartis Research en los últimos meses. Estos logros representan nuestro compromiso de permanecer vigilantes, ágiles y centrados en el cliente, aprovechando la tecnología para ofrecer soluciones innovadoras que aborden los requisitos dinámicos de visualización de sanciones y prevención de lavado de activos».
«Estoy increíblemente orgullosa de que el conjunto de soluciones para frenar el lavado de dinero de Lynx Tech hayan sido reconocidas por Chartis», agrega Alyssa Iyer, Directora de Producto para prevención de lavado de activos. «Este reconocimiento destaca nuestra dedicación a remodelar el cumplimiento regulatorio y la prevención de delitos financieros con tecnologías pioneras de IA».
Acerca de Lynx
Somos una empresa de software impulsada por inteligencia artificial especializada en detectar y predecir patrones de comportamiento para prevenir el fraude y el crimen financiero. Dirigidos por expertos de la industria y académicos, desarrollamos e implementamos tecnologías de IA probada. Nuestra plataforma está disponible tanto en las instalaciones como en la nube. Priorizamos la visión, agilidad y velocidad para brindar experiencias excepcionales al cliente y hemos construido relaciones duraderas y confiables con algunas de las principales instituciones financieras, fintechs y empresas comerciales en todo el mundo.Consulta más información en https://lynxtech.com
Equipo Prensa
Portal Innova
 para detectar y prevenir el fraude y delitos financieros, ha sido reconocido como Mejor Solución de Filtrado de Nombres y Transacciones en el Chartis RiskTech Quadrant® para Soluciones de Filtrado de Nombres y Transacciones.){kind=link}