Por Luis Silvestre, consultor de Negocios
de FICO
Desde siempre, empresas
y particulares han lidiado con el riesgo de ser víctimas de fraudes y estafas.
En la era digital en que nos encontramos, este tema tiene a bancos y todo tipo
de comercios en jaque. De acuerdo con la Condusef[1], en 2023 la cantidad de
fraudes cibernéticos se incrementó 20.1%, con respecto a un año atrás, y el
monto total de eventos fraudulentos en comercios por internet, banca móvil,
pagos por celular y transacciones electrónicas en México superó los $20
millones de pesos.
Sin duda, las
organizaciones han andado un largo camino a través de este complejo tema, desde
aquella época en que la gestión del fraude se basaba en la intuición, hasta nuestros
días, cuando se aprovechan las nuevas tecnologías, como la analítica de Big
Data, la inteligencia artificial (IA) y el análisis predictivo, para enfrentar
el reto y frenar los intentos malintencionados. A continuación, hacemos un
recorrido por la evolución que ha tenido lugar:
Un inicio complicado
En un principio, el
éxito de la gestión de fraudes en las instituciones bancarias y los negocios dependía
sobre todo de la experiencia del personal a cargo. Era común que las áreas
operativas tomaran parte en la creación de las estrategias y reglas, y las revisiones
eran manuales y subjetivas. A pesar de los esfuerzos, las múltiples ineficiencias
y limitaciones traían bajas tasas de detección y alto impacto en la experiencia
del cliente.
Existía una alta
demanda de personal dedicado a revisar situaciones sospechosas, para crear,
revisar y actualizar constantemente las reglas de monitoreo necesarias para la
estrategia. Con todo, no había una base cuantitativa sólida para la toma de
decisiones; sólo los casos conocidos de los que las áreas a cargo de la gestión
de fraudes tomaban ventaja si podían correlacionar los datos, causas y
consecuencias. Además, el foco estaba en el producto y no en el cliente.
Era una estrategia ineficiente:
había inconsistencias en los resultados, generándose altas tasas de falsos
positivos (es decir, transacciones legítimas identificadas por error como
fraudulentas) que culminaban en experiencias de cliente negativas. Por lo
general los fraudes no se detectaban, de forma que las pérdidas financieras
eran cuantificables.
La posibilidad
de las decisiones basadas en datos
Podemos decir que,
con la llegada de los modelos de análisis predictivos que usaban grandes
volúmenes de datos históricos (Big Data) y la adopción de técnicas de machine
learning, se comenzó a liberar el poder de los datos para combatir el
fraude.
Hacia 1992, FICO
lanzó Falcon Fraud Manager, una de las primeras aplicaciones comerciales
viables de IA y redes neuronales, con técnicas avanzadas de análisis de datos y
machine learning que identifican patrones sospechosos y protegen contra
actividades fraudulentas. Pero la adopción del análisis y la ciencia de los
datos empezó a ganar proporciones significativas realmente hasta la década
pasada.
La revolución de la
ciencia de datos es la que impulsó a las organizaciones a empezar a utilizar
estas tecnologías, gracias a la reducción de los costos del almacenamiento de
datos y el avance de las capacidades de procesamiento. Al introducir las
decisiones basadas en datos, las empresas detectaban fraudes con mayor
precisión, la reacción era en tiempo real y ya se automatizaban diversas
tareas, lo que permitió liberar recursos humanos para situaciones más críticas
y tener, a la vez, una gestión más eficiente. ¿La cereza del pastel? Una mejor
experiencia general del cliente.
La IA y la
nueva revolución
A partir de la base
que representaron los Big Data y la analítica predictiva, se han incorporado
nuevas tecnologías (como la IA) que hacen frente a las nuevas demandas en la
era de la digitalización, en la que la exigencia de los clientes manda.
Estas tecnologías avanzadas
brindan ventajas directas e indirectas. Las primeras se relacionan puntualmente
con su uso adecuado para, por ejemplo, identificar patrones complejos, reducir
los falsos positivos y detectar fraudes de forma temprana, reduciendo costos
operativos y minimizando las pérdidas financieras.
Ahora bien, nunca
ha sido más importante hablar de las ventajas indirectas, y es que, por un
lado, al tener una sólida prevención de fraudes mejora la confianza de los
clientes y la reputación de la institución financiera. En esta era actual, esa
seguridad que perciben los consumidores y que les hace elegir un banco sobre
otro, es crucial para los negocios –de acuerdo con FICO, 52% de los
consumidores sólo compran en empresas y marcas en las que confían–. Y, por otro
lado, el uso de estas tecnologías coloca a las instituciones en una posición
más competitiva en el mercado, al facilitarles cumplir con regulaciones cada
vez más estrictas en materia de seguridad y prevención de fraudes. Por si eso
fuera poco, la analítica de datos aplicada a una mejor comprensión de patrones
y comportamientos de los clientes lleva a las empresas a una comprensión más
profunda de la relación entre ambas partes.
El enorme
desafío de los datos y la permanencia de los fraudes
En el tema de los
datos y los avances tecnológicos, no todo el camino es llano. Ante el tremendo
volumen de datos (muchos de ellos no estructurados) han surgido nuevos retos.
Los datos no
estructurados requieren tecnologías avanzadas de procesamiento de lenguaje
natural (NLP, por sus siglas en inglés) y análisis de texto para extraer
información útil y aplicar algoritmos de machine learning para
clasificar y priorizar los datos de forma efectiva. Además, los datos pueden ser
insuficientes, presentar errores de interpretación o estar contaminados.
Incluso, los
modelos de IA pueden ser vulnerables a ataques donde las entradas maliciosas
están diseñadas para engañar al sistema y producir errores incorrectos. Con tal
evolución de las prácticas de fraude y estafa, es preciso seguir innovando. Los
modelos de IA defensivos engañan a la IA adversaria y crean patrones
artificiales que faciliten la detección y aislamiento de la actividad delictiva.
También está la IA generativa, que toma como base el concepto de que las
personas son lo que hacen y se centra en crear contenido nuevo a partir de
datos existentes, aumentando la capacidad de expandir modelos en nuevas áreas
de interés y tendencias de fraude emergentes y mejorando los datos para una
cobertura más completa y sólida de los patrones de comportamiento.
Tecnología:
el gran aliado
En el tema de las estafas,
es crítico interactuar con los clientes, pues es necesario todo su historial de
preferencias de comunicación, comportamientos de compra, retroalimentación
recibida y demás para interrumpir el “trance” que normalmente acompaña a los
intentos de estafa, mismo que se relaciona con la emoción y la impulsividad (por
ejemplo, actuar rápido ante algo que es “demasiado bueno para ser verdad”,
presión por la incertidumbre, etc.).
Seguimos en el
camino de la evolución de la prevención de fraudes y estafas. En FICO somos pioneros
en el uso de redes neuronales y analítica de datos para su detección. FICO Falcon
Fraud Manager, del que hablábamos párrafos arriba, se utilizó ampliamente en la
industria financiera para detectar fraudes con tarjetas de crédito y representa
el inicio de un trayecto de más de tres décadas de lucha contra acciones
fraudulentas en relación con el mundo de los pagos. El primer día que Falcon
entró en operación en tiempo real en un banco, la detección de fraudes se
multiplicó por cinco.
Simplemente en
Latinoamérica y El Caribe contamos con múltiples casos que muestran cómo la
adopción de tecnologías de FICO ha permitido a distintas instituciones
financieras transformar la manera en que manejan la gestión y prevención de
actividades fraudulentas y reducen los fraudes de forma efectiva. En Brasil
tenemos un ejemplo representativo: es el de un banco que redujo más de 70% la
incidencia de estafas en su base de clientes en un año, evitando pérdidas por
más de $5 millones de dólares, además de que mejoró la experiencia de sus
clientes.
Es un hecho que los
fraudes y otras vulnerabilidades continuarán evolucionando, por lo cual no es
momento de bajar el ritmo. Bancos y comercios deben mantener la prioridad de contrarrestar
todas estas amenazas, con las tecnologías adecuadas y las mejores prácticas.
