Innovación en la prevención del fraude: Cómo la IA está revolucionando el sector financiero

En entrevista con +Finanz@s, Federico dos Reis, CEO de INFORM LATAM, explora cómo la inteligencia artificial (IA) está revolucionando la prevención del fraude en el sector financiero. Dos Reis destaca la capacidad integral de la IA para analizar datos en tiempo real y asignar puntuaciones precisas de riesgo, superando los métodos tradicionales con una combinación de aprendizaje automático y conocimientos expertos. Además, aborda el impacto de la IA en la colaboración entre equipos de fraude y AML (AML (prevención del lavado de dinero), así como las proyecciones futuras para la región de América Latina.

¿Cómo la IA está transformando la detección y prevención del fraude en el sector financiero?

La prevención de fraude debe ser vista de manera integral. Esto requiere que los bancos cuenten con la capacidad de analizar una amplia variedad de datos procedentes de diferentes fuentes para cada transacción en cuestión de mili segundos con el fin de asignar una puntuación de riesgo precisa, ya que debe tenerse en cuenta que la información que proveen los diferentes participantes en una transacción, tales como la información de la cuenta, el usuario, la aplicación o canal por donde se realiza, el valor, entre muchos otros factores, sólo puede hacerse de manera precisa y calculada con soluciones de IA de última generación que puedan incorporar todos estos factores, complementados bajo modelos de aprendizaje automático para investigar cantidades increíbles de datos en busca de patrones de fraude y comportamiento. Por otro lado, los sistemas de reglas rígidas, como los que todavía utilizan con frecuencia muchos bancos, han llegado a su fin. La banca hoy requiere de herramientas que manejen perfiles dinámicos, reglas adaptables con flexibilidad, velocidad y en tiempo real con algoritmos, pero también por expertos humanos.

"La banca hoy requiere de herramientas que manejen perfiles dinámicos, reglas adaptables con flexibilidad, velocidad y en tiempo real con algoritmos, pero también por expertos humanos"

¿Qué ventajas específicas ofrece la IA Híbrida frente a los métodos tradicionales de prevención de fraude?

Software basados en IA híbrida combinan las ventajas de la IA basada en datos (como el aprendizaje automático (ML), con la IA basada en conocimientos, y la elaboración dinámica de perfiles. Esta combinación es eficaz para prevenir el fraude en tiempo real en el mercado financiero. Los modelos tradicionales de ML requieren una formación exhaustiva y grandes cantidades de datos para detectar patrones de fraude, lo que puede llevar mucho tiempo.

Sin embargo, un enfoque híbrido complementa los modelos ML con conocimientos de expertos, proporcionando resultados inmediatos y más fiables. La IA híbrida puede mantener perfiles dinámicos para diferentes entidades y detectar transacciones potencialmente fraudulentas en tiempo real. Permite tener reglas independientes para diferentes datos dentro de la misma transacción, identificando patrones desconocidos que podrían pasar desapercibidos a un modelo basado solo en ML.

Esta respuesta en tiempo real es crucial para identificar y prevenir el fraude antes de ocurrir, lo que convierte a la IA híbrida en una alternativa más eficaz para anticiparse a estos retos.

Las soluciones más simples que no integran ambos métodos de detección no están a la altura para poder procesar los altos volúmenes de datos necesarios ni relacionar entre sí de forma significativa la información procedente de las diferentes fuentes de datos, así como trabajar con la velocidad requerida que en la actualidad son de milisegundos por transacción.

 ¿De qué manera la IA facilita una mejor colaboración y comunicación entre los equipos de fraude y AML (prevención del lavado de dinero)?

La colaboración entre Fraude y AML permite a los bancos crear una visión de 360 grados de todas sus relaciones con los clientes, rompiendo los silos. De esta forma, los equipos de trabajo no están limitados a ver información sobre transacciones relacionadas con posibles fraudes o determinadas alertas, reduciéndose los costos y esfuerzos de análisis en las diferentes áreas que participan del análisis de fraude y lavado de dinero, lo que les permite ser más especializados y eficientes. Desde un punto de vista operativo, los bancos pueden reforzar la gestión de riesgos en todos los ámbitos al ser más sensibles a los riesgos dinámicos. La aplicación de nuevos requisitos y controles regulatorios también es más rápida y precisa, al igual que la detección de fraudes y el lavado de activos.

El contar con información centralizada permite la resolución de estos eventos de manera eficaz, simplificada y oportuna a las nuevas tipologías de fraude, cambios en los comportamientos de los clientes y mucho más.

¿Qué beneficios aporta una plataforma end-to-end basada en IA para la gestión integral del riesgo financiero?

Desde hace algún tiempo las cuentas bancarias siguen siendo el principal objetivo de los ciberdelincuentes. Utilizando tácticas como el phishing y el spear phishing, los atacantes se han vuelto cada vez más especializados a la hora de obtener información vital sobre sus víctimas al usar su información para acceder a sus cuentas bancarias, ya sea directamente o engañando a los usuarios para que realicen transferencias, a las cuentas de los atacantes, voluntariamente.

El fraude en diferentes canales se está convirtiendo en el tipo de fraude más usado por los delincuentes; por ejemplo, cuando los ataques se producen a través de canales comunes como la banca en línea, las transacciones móviles, las transferencias en tiempo real, por nombrar algunos, muchos de los mecanismos de detección de fraudes que no utilizan IA suelen tener dificultades para identificar patrones complejos ya que normalmente evalúan el comportamiento del usuario de un único canal, sin analizar la integralidad de los diferentes canales usados por los clientes. Por ello, las instituciones bancarias y financieras están recurriendo a sistemas antifraude híbridos más robustos que pueden utilizar la IA para una detección más rápida y exhaustiva.

Según su experiencia, ¿Cómo la adopción de IA ha cambiado las operaciones diarias de los bancos en términos de prevención de fraude?

La mayoría de nuestros clientes, que han adoptado soluciones de software como la herramienta RiskShield de INFORM, la consideran útil porque automatiza tareas rutinarias como la recopilación de datos, el análisis y la elaboración de informes, reduciendo la necesidad de intervención manual y minimizando el error humano. Esto refleja un importante ahorro de tiempo y costos, donde la IA permite a las organizaciones asignar recursos de forma más eficaz, centrando los esfuerzos en las áreas y tareas de alto riesgo.

¿Cuáles son los principales desafíos que enfrentan las instituciones financieras al adoptar tecnologías basadas en IA?

Un reto al que se enfrentan las instituciones financieras es la falta de transparencia que ofrecen muchas herramientas de IA. A menudo, las calificaciones de riesgo se elaboran a partir de una “caja negra” en la que los encargados de la gestión del fraude no cuentan con el nivel de detalle del proceso de evaluación realizado por la herramienta de monitoreo de fraude. Por este motivo, en INFORM creemos en la transparencia en el procesamiento de datos, lo que significa que el equipo de fraude cuenta con las herramientas para identificar y rastrear las variables de una decisión, tanto si el resultado se debe a un escenario específico, como si se basa en cálculos realizados por la máquina.

"Un reto al que se enfrentan las instituciones financieras es la falta de transparencia que ofrecen muchas herramientas de IA"

¿Qué proyecciones tiene para el futuro de la IA en la prevención de fraudes y la lucha contra el lavado de dinero en Latinoamérica?

El futuro parece prometedor en América Latina para la IA en la prevención del fraude y la lucha contra el lavado de activos (AML) ya que será transformador y dará impulso a la implementación de medidas más eficientes, precisas y proactivas para combatir los delitos financieros. Esto mejorará significativamente la seguridad y la integridad del sistema financiero en la región.

Los gobiernos y los actores clave en América Latina seguirán fortaleciendo los marcos regulatorios, fomentando la adopción de la IA para fines de cumplimiento, asegurando el cumplimiento oportuno y preciso de las regulaciones en evolución.

Más instituciones financieras de América Latina adoptarán soluciones basadas en IA para la prevención del fraude y la lucha contra el blanqueo de capitales, como la herramienta RiskShield de INFORM, debido a su eficacia y eficiencia demostradas, y les permitirá colaborar fácilmente para combatir colectivamente el fraude y el lavado de activos.

¿Cómo planea INFORM integrar la IA Generativa en sus soluciones actuales para optimizar procesos y recursos?

En INFORM participamos activamente en iniciativas y pruebas de concepto destinadas a evaluar las posibilidades y determinar los métodos óptimos para integrar la IA generativa en nuestro producto. Estas iniciativas se llevan a cabo con un fuerte énfasis en el mantenimiento de los más altos estándares de políticas de protección de datos y medidas de seguridad.

En línea con nuestro compromiso con una IA digna de confianza, centramos esta exploración en una IA transparente y centrada en el ser humano. Damos gran importancia a las prácticas éticas de la IA, asegurándonos de que la incorporación de la IA generativa a nuestro producto se alinea con los principios que priorizan la equidad, la responsabilidad y el bienestar de nuestros usuarios.

Entre las áreas específicas de exploración, estamos considerando incorporar una funcionalidad de copiloto dentro de nuestros componentes GUI para proporcionar a los usuarios una experiencia mejorada y más intuitiva. Además, estamos estudiando la posibilidad de integrar capacidades adicionales de IA en nuestros análisis de datos, con el fin de proporcionar a los usuarios información más sólida y darle respuesta a inquietudes de una forma más conversacional.