AML Risk Management Frameworks

Propósito de la posición

• Contribuir al diseño, desarrollo, ejecución y mejora de las metodologías de evaluación del riesgo de lavado de dinero y financiamiento al terrorismo (PLD/FT) a nivel entidad, bajo un enfoque basado en riesgos (Risk-Based Approach). Mediante el análisis avanzado de datos y la modelación matemática y estadística, apoyar la identificación y medición de los factores de riesgo, la evaluación de la efectividad de los controles y la estimación del riesgo residual, conforme al marco metodológico aplicable al Grupo. Producir resultados sólidos, trazables y útiles para orientar la gestión y el apetito de riesgo.

La contribución diferencial que buscamos

• Buscamos a una persona con formación cuantitativa sólida, dominio práctico de programación y capacidad para diseñar medidas rigurosas de fenómenos que no se observan directamente, se registran de forma incompleta o tienen múltiples dimensiones. Debe transformar conceptos de riesgo en variables, hipótesis, indicadores y modelos; justificar la selección de datos y variables aproximativas (proxies), reconocer sesgos e incertidumbre y evaluar la validez de los resultados.
• Aportará especial valor la experiencia en metodologías de evaluación de riesgos (risk assessment) o en medición de fenómenos como pobreza, desigualdad, economía informal, corrupción, vulnerabilidad o gobernanza.

Responsabilidades principales

• Desarrollo de metodologías de Risk Assessment. Participar en el diseño, aplicación, calibración y mantenimiento de metodologías de evaluación del riesgo PLD/FT a nivel entidad, con un enfoque basado en riesgos.
• Medición del riesgo inherente, controles y riesgo residual. Construir y probar componentes cuantitativos para analizar exposición por factores de riesgo, evaluar la efectividad de controles y consolidar resultados para una visión integral del riesgo; documentar las reglas de agregación, supuestos y límites de interpretación.
• Cuantificación de fenómenos complejos. Definir variables observables y proxies, construir y contrastar indicadores simples o compuestos y justificar criterios de normalización, ponderación y agregación. Examinar subregistro, representatividad, calidad de las fuentes e incertidumbre, evitando confundir una medida aproximativa con la magnitud real del fenómeno.
• Modelación matemática y validación estadística. Formular hipótesis, seleccionar y aplicar métodos descriptivos, explicativos o predictivos según el problema; comparar alternativas y validar su pertinencia.
• Realizar pruebas de sensibilidad, estabilidad y robustez y, cuando resulte apropiado, emplear técnicas multivariadas, modelos de variables latentes o simulaciones.
• Explotación y preparación de datos a gran escala. Desarrollar programas y procesos automatizados para la extracción, depuración, transformación y análisis de datos, utilizando herramientas como Python y SQL, que permitan construir, ejecutar y validar modelos cuantitativos de evaluación del riesgo.
• Revisión y documentación metodológica. Contrastar resultados con evidencia y fuentes independientes cuando sea posible, detectar inconsistencias, mantener fichas técnicas y respaldos de cálculo, y colaborar con áreas de Datos, Cumplimiento y Riesgos en la mejora de modelos y la evaluación de controles.
• Innovación e inteligencia artificial. Explorar y aplicar responsablemente herramientas de IA generativa y analítica avanzada para automatizar tareas, investigar alternativas metodológicas y mejorar procesos. Verificar exactitud, confidencialidad, sesgos y explicabilidad conforme a las políticas del Banco.

Capacidades imprescindibles

• Fundamento matemático y estadístico. Dominio sólido de probabilidad, estadística descriptiva e

inferencial, análisis multivariado y criterios de selección y evaluación de modelos; capacidad para relacionar

métodos cuantitativos con problemas reales de medición.

• Diseño de indicadores y medición indirecta. Capacidad para operacionalizar conceptos, seleccionar

variables observables y proxies, construir y validar índices e indicadores, identificar sesgos de medición y

evaluar si los resultados representan razonablemente el fenómeno que se pretende medir.

• Programación y manejo avanzado de datos. Dominio práctico de Python y SQL para extracción,

depuración, transformación, análisis y automatización; capacidad para desarrollar procesos verificables,

eficientes y documentados.

• Rigor metodológico y validación. Capacidad para cuestionar supuestos, reconocer subregistro, sesgos y

límites de los datos, contrastar métodos, probar escenarios y comunicar incertidumbre; evitar atribuir

precisión excesiva a estimaciones indirectas.

• Pensamiento crítico y resolución de problemas. Aptitud para formular hipótesis, investigar anomalías,

contrastar explicaciones y proponer soluciones metodológicas basadas en evidencia.

• Colaboración y comunicación técnica. Autonomía para ejecutar análisis complejos y capacidad para

explicar métodos, resultados e incertidumbre a especialistas y responsables no técnicos, con atención al

detalle y confidencialidad.

Experiencia profesional

• Indispensable. Experiencia demostrable en análisis cuantitativo con Python y SQL, procesamiento de bases

de datos complejas y construcción o aplicación de modelos matemáticos o estadísticos; documentación de

procedimientos y validación de resultados.

• Muy valorada. Participación en el diseño, aplicación o validación de metodologías de evaluación de riesgos

(risk assessment), efectividad de controles, índices compuestos o modelos de clasificación, puntuación y

agregación de riesgos.

• Muy valorada. Experiencia en el desarrollo, aplicación o validación de metodologías cuantitativas para

medir fenómenos complejos, multidimensionales, parcialmente observables o sujetos a incertidumbre (por

ejemplo, pobreza, desigualdad, vulnerabilidad, economía informal, corrupción, gobernanza o salud pública).

Se valorarán trabajos con índices compuestos, métodos econométricos, inferencia estadística, modelos de

variables latentes, análisis de sensibilidad o estimación de incertidumbre; pueden provenir de ámbitos

ajenos al sector financiero.

• Deseable. Experiencia en PLD/FT, fraude, riesgos financieros u operativos, tratamiento de información

bancaria, uso de plataformas en la nube o desarrollo de soluciones de IA y visualización analítica.

Formación académica

Licenciatura o ingeniería con preparación sólida en matemáticas, estadística, programación y métodos de

investigación cuantitativa. Se consideran pertinentes, entre otras, las siguientes formaciones:

• Ciencias cuantitativas. Actuaría, Matemáticas, Estadística, Matemáticas Aplicadas, Física, Ciencia de Datos,

Ciencias de la Computación, Investigación de Operaciones y afines.

• Ingenierías. Cualquier especialidad de ingeniería —incluidas Sistemas, Industrial, Química y Física— que

acredite formación matemática y experiencia práctica en análisis y modelación de datos.

• Economía, salud y ciencias sociales cuantitativas. Economía, Econometría, Finanzas Cuantitativas,

Demografía, Políticas Públicas, Sociología cuantitativa, Bioestadística, Epidemiología o Psicometría, y otras

disciplinas con métodos numéricos, estadística y programación acreditados.

Posgrado o formación complementaria en Estadística, Econometría, Ciencia de Datos, Modelación Matemática,

Bioestadística o Evaluación de Riesgos: deseable, no excluyente.

Idiomas

Español: expresión oral y escrita clara y precisa, especialmente para documentar metodologías y explicar

resultados. Inglés: nivel funcional para consultar documentación técnica, interactuar con equipos y elaborar

materiales de trabajo; B2 o equivalente, deseable.