Concienciación sobre el fraude & Prevención

La tecnología de prevención del fraude ha avanzado a pasos agigantados gracias a los avances en la velocidad del cálculo (analítica de alto rendimiento), el aprendizaje automático (machine learning) y otras formas de inteligencia artificial (IA). El fraude afecta a todas las áreas de nuestras vidas; eleva el precio por el que pagamos bienes y servicios, desperdicia dinero público, resta recursos a la innovación e incluso se lleva por delante vidas humanas.

• Historia
•     
• El mundo hoy en día
•     
• Quién lo utiliza
•     
• Cómo funciona
•     
• Siguientes pasos

Historia

El fraude puede significar despilfarro y abuso, pagos indebidos, blanqueo de capitales, financiación del terrorismo, seguridad pública y ciberseguridad. En el pasado, las organizaciones tenían que adoptar un enfoque fragmentado de la prevención del fraude, haciendo uso de normas empresariales y analítica rudimentaria para observar las anomalías y crear alertas a partir de conjuntos separados de datos. 

No se podían establecer referencias cruzadas de los datos a través de la automatización, y los investigadores no podían supervisar manualmente las transacciones y los delitos en tiempo real; únicamente a posteriori. En el sector sanitario, la prevención del fraude era más parecido a «pagar y perseguir», porque el delincuente ya estaba demasiado lejos en el momento en el que se detectaba el fraude.

Para combatir el fraude se desarrollaron nuevas tecnologías para predecir tácticas convencionales, desvelar nuevas tramas y descifrar redes de fraude organizadas cada vez más sofisticadas. Todo ello implica más que una analítica estándar; aplica técnicas de análisis predictivas y adaptativas, entre las que se incluye una forma de IA conocida como aprendizaje automático. Al combinar fuentes de big data con el control a tiempo real y el análisis del perfil de riesgo para evaluar el riesgo al fraude, la prevención del fraude ha evolucionado para empezar a cambiar el rumbo de las pérdidas.

Detección del fraude en el mundo actual

Las crecientes complejidades del terrorismo patrocinado por el Estado, los delincuentes profesionales y los malos del sótano son cada vez más difíciles de comprender, seguir, desenmascarar y prevenir. La detección del fraude en el mundo actual implica un enfoque global para cotejar los puntos de datos con las actividades a fin de encontrar lo anormal. Los estafadores han desarrollado tácticas sofisticadas, por lo que es esencial estar al tanto de estos métodos cambiantes de engañar al sistema.

Muchas veces, las brechas de ciberseguridad permiten actividades fraudulentas. Tomemos, por ejemplo, los servicios financieros o retailers: La supervisión de las transacciones en tiempo real, antes un lujo, es ahora un requisito básico, no sólo para las transacciones financieras, sino para los datos de eventos digitales en torno a la autenticación, la sesión, la ubicación y el dispositivo.

Para identificar y detener una serie de ataques fraudulentos y delitos con rapidez y precisión -al tiempo que se mejora la experiencia de los clientes y ciudadanos-, las organizaciones deben seguir cuatro pasos fundamentales:

1. Capture y unifique todos los tipos de datos disponibles de todos los departamentos o canales e incorpórelos al proceso analítico.
2. Supervise continuamente las transacciones, las redes sociales, las anomalías de alto riesgo, etc., y aplique análisis de comportamiento para permitir la toma de decisiones en tiempo real.
3. Genere una cultura analítica en toda la empresa mediante la visualización de datos a todos los niveles, incluida la optimización del flujo de trabajo de investigación.
4. Emplee técnicas de seguridad por capas.
   
   

La tecnología de detección y prevención del fraude que elija debe ser capaz de aprender de patrones de datos complejos.Debe utilizar modelos de decisión sofisticados para gestionar mejor los falsos positivos y detectar las relaciones de red para tener una visión holística de la actividad de defraudadores y delincuentes. La combinación de métodos de machine learning -como las redes neuronales de deep learning, el refuerzo de gradiente extremo y las máquinas vectoriales-, así como de métodos probados como la regresión logística, los mapas auto organizativos, los bosques aleatorios y los conjuntos, ha demostrado ser mucho más precisa y eficaz que los enfoques basados en reglas.

Cómo funciona la prevención del fraude

La detección y prevención del fraude no es un proceso estático. No hay un punto de partida y un punto final. Se trata más bien de un ciclo continuo que implica supervisión, detección, decisiones, gestión de casos y aprendizaje para retroalimentar el sistema con mejoras en la detección. Las organizaciones deben esforzarse por aprender continuamente de los incidentes de fraude e incorporar los resultados a los futuros procesos de supervisión y detección. Esto requiere un enfoque de ciclo de vida analítico a nivel de toda la empresa.

Sus objetivos pueden ser la detección del fraude, el cumplimiento o la seguridad. A medida que tecnologías como la inteligencia artificial y el machine learning se han ido imponiendo, la próxima generación de tecnologías está automatizando los procesos manuales asociados con la combinación de grandes conjuntos de datos y el empleo de analítica del comportamiento.