Prevención y concienciación del fraude

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 actual
•     
• 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.

La detección del fraude en el mundo actual

Las crecientes complejidades del terrorismo patrocinado por el Estado, delincuentes profesionales y gamberros son cada vez más difíciles de entender, seguir, exponer y prevenir. La detección del fraude en el mundo actual implica un enfoque exhaustivo para cotejar los puntos de datos con las actividades para dar con anomalías. Los delincuentes han desarrollado tácticas sofisticadas, por lo que resulta crucial estar al tanto de tales enfoques cambiantes del juego con el sistema.

En numerosas ocasiones, los fallos en ciberseguridad permiten actividades fraudulentas. Por ejemplo, piensa en servicios de comercio minorista o financieros: la supervisión de las transacciones a tiempo real, que antes suponía todo un lujo, en la actualidad es un requisito básico, no solo para las transacciones financieras, sino también para datos de operaciones digitales relacionados con la autenticación, la sesión, la ubicación y el dispositivo.

Con el fin de identificar y detener una serie de ataques fraudulentos y delitos de forma rápida y precisa, al tiempo que se mejoran las experiencias de los consumidores y de los ciudadanos, las organizaciones deberían seguir cuatro pasos cruciales:

1. Captar y unificar todos los tipos de datos disponibles entre departamentos o canales e incorporarlos en el proceso de análisis.
2. Supervisar de forma continua transacciones, redes sociales, anomalías de alto riesgo, etc. y aplicar analítica de comportamiento para permitir una toma de decisiones a tiempo real.
3. Inculcar una cultura analítica a nivel de toda la empresa a través de la visualización de datos en todos los niveles, incluyendo la optimización del flujo de trabajo de investigación.
4. Emplear técnicas de seguridad por capas.
   
   

La tecnología de prevención y detección del fraude que elijas debe ser capaz de aprender de patrones de datos complejos. Dicha tecnología 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 aprendizaje automático – como redes neuronales de aprendizaje profundo , refuerzo de gradiente extremo y máquinas de vectores, así como métodos probados, como la regresión logística, mapas autoorganizados, bosques y conjuntos aleatorios – ha demostrado ser mucho más precisa y efectiva que los enfoques basados en normas.

Cómo funciona la prevención del fraude

La detección y prevención del fraude no es un proceso estático. No existe un punto de partida ni de llegada. Se trata más bien de un ciclo en curso que incluye supervisión, detección, decisiones, gestión de casos y aprendizaje para alimentar mejoras en la detección dentro del sistema. Las instituciones deben esforzarse por aprender continuamente de los casos de fraude e incorporar los resultados a los procesos futuros de detección y supervisión. Esto requiere un enfoque del ciclo de vida de la analítica a nivel de toda la empresa.

Tus objetivos pueden abarcar la detección del fraude, el cumplimiento de la normativa o la seguridad. A medida que se han ido imponiendo tecnologías como la inteligencia artificial y el aprendizaje automático, la próxima generación de tecnologías está automatizando procesos manuales asociados a la combinación de grandes conjuntos de datos y empleando analítica del comportamiento.