Skip to main content
Advertencia
${ errorMsg }$
Aceptar

Actualidad

Sala de prensa
Conoce toda la actualidad relativa al programa, los eventos que promovemos y aquellas citas ineludibles en las que participamos. Te contamos cada novedad y dedicamos un espacio muy especial a las startups de Bankia Fintech
Mejora la tasa de detección de fraudes gracias a la IA y al ML según PYMNTS

En el Manual de Prevención de Fraude Financiero de PYMNTS se examina cómo las instituciones financieras pueden utilizar el análisis del comportamiento y el aprendizaje automático para hacer frente al fraude en la era digital.

Los delitos financieros y los fraudes digitales generan preocupación a los bancos, ya que dedican tiempo, dinero y esfuerzo para prevenir este tipo de fraude. Esta lucha se ha convertido en una de las aplicaciones y utilidades “más prometedoras” de la Inteligencia Artificial (IA) y el aprendizaje automático (ML) según PYMNTS en su informe Manual de Prevención de Fraude Financiero.  Estos procesos y algoritmos tecnológicos son capaces de detectar pautas sospechosas de conducta en cuentas en tiempo real, y así detener inmediatamente esas invasiones. Las Instituciones Financieras (IF) necesitan un contraataque similar y de alta tecnología para poder hacer frente a dichas amenazas y no ser víctimas de estos delitos y robos.

El Manual de prevención de fraude financiero presenta las últimas investigaciones sobre “las advertencias que afrontan las IF a medida que el negocio y la banca se vuelven cada vez más digitales y globales”. Asimismo, explora los beneficios y desafíos de estas tecnologías para los bancos.

Los sistemas de detección de fraude impulsados por IA ofrecen una serie de logros, ya que pueden analizar las transacciones de manera integral comparando cada dato de ese mismo movimiento con el resto de los datos en apenas unos segundos. Con este proceso se puede comprobar la probabilidad de que exista una posible estafa. Tal y como se refleja en el estudio, “la necesidad de defensas de ciberseguridad más sofisticadas y basadas en el comportamiento ha crecido a medida que aumenta el tipo y alcance de los ataques y el fraude. Estos incluyen adquisiciones de cuentas (ATO), en las que los delincuentes utilizan datos recopilados para realizar compras no autorizadas o transferir fondos, fraude de aplicaciones, que implica la creación de identidades falsas para obtener acceso a crédito o fondos a través de una IF, y pagos automáticos autorizados (APP)”.

Los bancos están invirtiendo en estos sistemas basados en Inteligencia Artificial, y por ello apuestan en reducir el fraude de una forma notable. Cabe señalar que “el 63,6% de las IF citan a la IA como una herramienta valiosa para detener el fraude” según el Manual. Para poder abordar esas inquietudes que no podemos resolver con IA, la forma más avanzada es con el aprendizaje automático (ML), el cual aprender de sus propios análisis e iteraciones. Según se explica en el análisis “los sistemas de ML toman en cuenta las transacciones pasadas y aplican estas reglas a análisis futuros para detectar delitos financieros, haciéndolos gradualmente más expertos en la lucha contra el fraude a lo largo del tiempo”.

Estos sistemas de detección del delitos financieros basados en estas dos tecnologías proporcionan una reducción considerable en las tasas de fraude en los bancos que implementan estos modelos. Por eso mismo, las entidades financieras esperan que con estos dos sistemas se mejoren las tasas de detección de fraude financiero en un 80% a medida que el ML continúa aprendiendo y mejorando sus filtros.