Hoy en dia, los fraudes financieros están ocurriendo en tiempo real en manos de los cibercriminales más sofisticados.
Esto coloca a las instituciones financieras en una posición difícil, pues deben dedicar más tiempo y recursos para garantizar la seguridad al momento de ofrecer a los clientes una experiencia sin complicaciones.
Sin embargo, los avances en la inteligencia artificial (IA) ya están aliviando el problema –y creando una perspectiva más prometedora para el futuro.
El uso de análisis de datos para detectar actividades fraudulentas no es un concepto nuevo.
Empresas de tarjetas de crédito, instituciones financieras y otros han utilizado durante años análisis de comportamiento y predictivos para reducir los riesgos y el fraude.
Las tecnologías emergentes de IA llevan estos recursos a un nuevo nivel, usando una mayor automatización, aprendizaje sin supervisión y algoritmos más sofisticados para fortalecer la prevención de fraudes.
El aprendizaje de máquina (machine learning) es un elemento particularmente prometedor de la IA, porque permite que las soluciones se basen en el conocimiento previo y evolucionen para enfrentar nuevas amenazas de fraude, sin ser expresamente programadas para hacerlo.
A medida que estas capacidades continúan avanzando, los sistemas de IA se pueden ajustar para ofrecer la mejor respuesta en cualquier situación, proporcionando un mayor nivel de seguridad con menos interrupciones en la experiencia del cliente.
Monitoreo integral y continuo
La velocidad y la escala de las soluciones alimentadas por IA –y su capacidad para analizar los datos de forma diferente– permiten a las instituciones financieras monitorear con éxito actividades sospechosas, que de otra forma pasarían desapercibidas.
Hoy en día, muchas organizaciones utilizan software para analizar datos de fuentes limitadas mediante reglas predeterminadas. La IA permite un monitoreo más amplio y continuo de datos y comportamiento en varios canales.
Al revisar todas las actividades de la cuenta en tiempo real, incluyendo transferencias electrónicas, contratos, crédito, débito y pagos de boletos, un sistema de IA identifica comportamientos anormales y transacciones sospechosas de forma más rápida y efectiva, lo que a su vez crea una mejor experiencia del cliente.
Los datos agregados de la cuenta también se pueden combinar con información de mercado para producir más información que ayude a detectar amenazas emergentes, lo que permite a las instituciones financieras detectar y prepararse para amenazas que de otro modo no sabrían que existía.
Con la adición de biometría a la mezcla, incluyendo la autenticación de voz, rostro y huella digital, las estrategias de IA se fortalecen, creando una capa adicional de protección para acabar con el fraude antes de comenzar.
Mitigando falsos comentarios positivos
Como la velocidad de las transacciones ha aumentado en los últimos años, hay menos tiempo para las aprobaciones, haciendo que la automatización y la precisión de la IA sean más necesarias que nunca para las instituciones financieras.
La implementación de algoritmos de aprendizaje en máquina en tiempo real puede mejorar la precisión y la velocidad de las decisiones que ayudan a reducir el fraude.
Dado que estos algoritmos son calibrados para ser más precisos a lo largo del tiempo, la búsqueda de alertas de fraude falsos positivos será bastante reducido.
Esta es una buena noticia para los analistas de seguridad que pasan un buen tiempo revisando alertas –y para clientes cuyos pagos pueden ser postergados por búsquedas y aprobaciones extras.
Y una mejor precisión en la detección de transacciones fraudulentas significa que los clientes no serán interrumpidos (y potencialmente irritados) por un texto, llamada o correo para validar transacciones legítimas.
Libres de análisis demorados de falsos positivos, los funcionarios bancarios pueden, en vez de eso, dedicarse a otras tareas más eficientes, como encontrar soluciones a amenazas complejas.
La percepción humana es un método esencial para mejorar los modelos de aprendizaje de máquinas para detectar con más precisión el cambio de patrones de fraude.
El equipo de una institución financiera puede utilizar información sobre el fraude actual para mejorar la próxima generación de prevención automatizada de fraude.
Una estrategia de éxito de IA consigue unir inteligencia humana e inteligencia de máquina.
Las instituciones financieras que adoptan la IA tienen la oportunidad de proteger mejor su organización y su reputación, mejorando la experiencia del cliente.
Pueden encontrar un mejor equilibrio entre el análisis automático y los empleados, redirigir su equipo a tareas de mayor valor y responder más rápidamente a las nuevas amenazas.
Más que simplemente ofrecer un paso adelante en la prevención de fraudes, la IA tiene el potencial de llevar las estrategias de fraude a una nueva dirección.
Por Gasan Awad, vicepresidente y gerente de productos, riesgos y crimen financiero de Fiserv
