Novedades

INTELIGENCIA ARTIFICIAL Y APRENDIZAJE AUTOMÁTICO: EL PRESENTE Y FUTURO DE LA PREVENCIÓN DEL FRAUDE

La compañía americana SAS es líder en el uso de inteligencia artificial y aprendizaje automático para la detección de fraude. En este podcast, el jefe de análisis de software de SAS, James Ruotolo, explica las nuevas metodologías que se están utilizando para evaluar y detectar el riesgo de fraude y cuáles son sus implicaciones.

Principalmente se están usando dos herramientas que incrementan la eficiencia en la detección de posibles fraudes: los modelos predictivos supervisados y el análisis de anomalías.

Los modelos predictivos supervisados, aunque necesitan todavía intervención humana que le diga al modelo de dónde tiene que aprender, son capaces de procesar dicha información mucho más rápido que los humanos. A través de la alimentación casos de fraude del pasado que ya fueron detectados, el modelo toma sus denominadores comunes y los aplica a casos futuros, evaluando el riesgo de fraude en las transacciones u operaciones en las que se quiera. Su efectividad, claro está, depende de la calidad y cantidad de información que le fue suministrada al modelo; ya que si sólo se le alimentan unos pocos casos de fraude, dejando escapar unos que no fueron detectados, el modelo no será tan preciso como se quiere. La ventaja es que la disponibilidad de información está incrementando a un ritmo exponencial, entonces hay una tendencia a tener cada vez mejores modelos.

El análisis de anomalías, por su parte, se enfoca en encontrar casos que se salgan del patrón. A diferencia del modelo predictivo, que se basa en casos anteriores para hacer predicciones de casos similares, este análisis permite encontrar tipos nuevos de fraude, fijándose en los indicios que se salen de los parámetros y permitiendo incluso evaluar tipos de fraude de los que no se tienen experiencia.

Adicionalmente, el equipo de SAS funciona con datos no estructurados, es decir, aquellos que no se pueden guardar en bases de datos convencionales. Los datos no estructurados, como los que se encuentran en las redes sociales o los mensajes de texto, tienen información que puede ser muy relevante para la detección de un riesgo de fraude, pero para analizarlos se necesita desarrollar modelos que entiendan el lenguaje y comportamiento humano. Cada vez se van actualizando más estos modelos para, así, ahorrarle tiempo a sus diseñadores.

Algunos se preguntarán, ¿podrán estas tecnologías desplazar a los empleados? La respuesta, al menos hasta ahora, ha sido un contundente NO. Estas tecnologías permiten evaluar muchos más casos que antes, entonces se necesitan más investigadores y encargados de manejar el volumen de casos que se está incrementando. Como en todos los campos, va a ser necesaria la implementación de procesos de capacitación y adaptación por las nuevas habilidades que se van a necesitar. Lo importante es tener un balance entre aquellos que se enfocan en el análisis y la tecnología y entre los investigadores y examinadores de fraude.

Si desea escuchar el Podcast puede escucharlo a continuación o visitar la página de ACFE.

 


Fuente: ACFE