Prueba de detección de sanciones de IA

Las respuestas y explicaciones aparecen a medida que realiza el cuestionario.

1. Según la regla del 50 por ciento de la OFAC, ¿cuándo se considera bloqueada una empresa que no aparece en la lista de sanciones?
   • Cuando tiene su sede en un país sancionado
   • Cuando las personas bloqueadas poseen juntas el 50 por ciento o más del mismo.
   • Cuando la mitad de sus clientes son extranjeros
   • Cuando tenga un nombre similar al de una entidad cotizada
2. ¿Qué estándar de responsabilidad se aplica a las violaciones de las sanciones civiles de los Estados Unidos?
   • Responsabilidad sólo por violaciones intencionadas
   • Responsabilidad sólo cuando una empresa tenía conocimiento real
   • Responsabilidad sólo si un regulador emitió una advertencia previa
   • Responsabilidad estricta, incluso sin conocimiento
3. ¿Cuál es el propósito de las pruebas debajo de la línea en la evaluación de sanciones?
   • Muestreo de alertas justo por debajo del umbral para ver si se están suprimiendo coincidencias verdaderas
   • Revisar solo las alertas con la puntuación más alta
   • Prueba de formatos de mensajes de pago
   • Comprobación de la finalización de la formación del personal
4. ¿Por qué la guía advierte sobre el entrenamiento de modelos de puntuación de alertas sobre decisiones pasadas de analistas?
   • Las decisiones pasadas siempre son correctas pero muy pocas
   • Los reguladores prohíben el aprendizaje automático en las pruebas de detección
   • Los verdaderos éxitos son raros y las etiquetas reflejan errores de los analistas del pasado.
   • Los datos históricos siempre están en el idioma equivocado
5. ¿Por qué los nombres chinos pueden generar problemas de coincidencia en la evaluación de sanciones?
   • Los nombres chinos nunca figuran en las listas de sanciones
   • Los nombres chinos siempre tienen más de cinco partes.
   • Los sistemas de detección no pueden almacenar caracteres chinos
   • El mismo nombre puede estar romanizado en pinyin, Wade-Giles o variantes locales.
6. ¿Qué información dice la guía que utiliza un modelo de puntuación de alertas para reducir la prioridad de una coincidencia parcial de nombres?
   • Identificadores secundarios como fecha de nacimiento y nacionalidad.
   • El saldo de la cuenta del cliente.
   • La hora del día en que se disparó la alerta.
   • La carga de trabajo del analista.
7. ¿Cuál de estos es uno de los cinco componentes del Marco de Compromisos de Cumplimiento de la OFAC de 2019?
   • marketing de clientes
   • Evaluación de riesgos
   • Previsión de ingresos
   • Precio del producto
8. Según la guía, ¿por qué aumentar el umbral de coincidencia por sí solo no es una buena solución para los falsos positivos?
   • Hace que la detección sea más lenta
   • Viola la regla del 50 por ciento
   • Elimina los falsos positivos pero omite más resultados verdaderos.
   • Aumenta el número de alertas.