Inteligencia Artificial para la detección del fraude

Dic 03 2018

 

Por Carlos Ortiz Cotillo

 

El fraude es tan viejo como la humanidad y puede tomar una variedad de formas ilimitadas. La detección del fraude no es una problemática fácil de resolver, teniendo en cuenta las múltiples casuísticas y el incremento del número de casos detectados en los últimos años.

 

Adicionalmente, el desarrollo de las nuevas tecnologías ha proporcionado nuevos canales y formas para desarrollar actividades fraudulentas: lavado de activos, usurpación de identidad, utilización no autorizada de redes o clonación de tarjetas de crédito son algunos de los ejemplos más comunes y que suponen cuantiosas pérdidas económicas a las compañías y usuarios afectados.

 

Una herramienta eficaz para prevenir e identificar este tipo de actividades fraudulentas es el uso de la Inteligencia Artificial. Para ello, el conocimiento de los datos que cada una de las organizaciones tiene, y que alimenta y transforma mediante sus diferentes procesos operativos, ofrece el material necesario para reconocer patrones de comportamiento y establecer pautas anómalas que pudieran catalogarse como “sospechosas” ante un posible fraude.

 

Este artículo realiza una introducción a la detección del fraude y presenta las principales técnicas utilizadas, así como los principales estudios y tendencias sobre este campo.

 

El fraude es algo presente en la sociedad desde sus inicios. De forma general, entendemos por fraude todo acto con intención engañosa, realizado con el objetivo de obtener un beneficio propio.

 

Podemos realizar una primera clasificación de tipos de fraude en función de su naturaleza:

 

  • Fraudes internos: son aquellos organizados por una o varias personas dentro de una institución, con el fin de obtener un beneficio propio.
  • Fraudes externos: son aquellos que se efectúan por una o varias personas para obtener un beneficio, utilizando fuentes externas como son bancos, clientes, proveedores, etc.

 

Según la encuesta mundial sobre fraude y delito económico, realizada por PwC1, el 54% de las empresas españolas aseguran haber sufrido algún tipo de fraude en los últimos años. Desde 2009, el porcentaje de empresas españolas afectadas por fraudes y delitos económicos ha crecido casi veinte puntos, del 35% al 54%.

 

Actualmente existen multitud de soluciones que permiten desplegar los componentes necesarios para realizar cualquier tipo de análisis avanzado de datos. Desde soluciones on-premise, donde toda la infraestructura necesaria se implanta en las dependencias físicas del cliente, a soluciones basadas en Cloud que incluso permiten flexibilizar los costes en función del uso, la capacidad de procesamiento y el almacenamiento requerido.

 

En este sentido la capacidad limitante no es la arquitectura técnica propiamente dicha, sino el equipo técnico necesario para orquestar una buena solución analítica. Tiene que ser capaz de transformar los datos, prepararlos para implementar el modelo adecuado y representarlos de forma sencilla de interpretar por los usuarios de negocio para la toma de decisión.

 

Los perfiles mínimos serían:

 

  • Arquitectos de datos: son los encargados de determinar y mantener la plataforma que da soporte a todo el proceso.
  • Ingenieros de datos: son los encargados de realizar todas las extracciones, transformaciones sobre los datos necesarios y carga en los repositorios finales.
  • Científicos de los datos: son los responsables de la aplicación de los modelos estadísticos, analíticos y de Inteligencia Artificial adecuados, en función de la naturaleza de los datos así como de su interpretación.
  • Diseñadores gráficos: son los responsables de crear los recursos visuales para mostrar de forma adecuada los datos obtenidos.

 

El fraude interno afecta hoy en día a cuatro de cada cinco empresas, y aunque es cierto que existen sectores con mayor probabilidad de sufrir fraude interno (como el financiero, el tecnológico, de distribución, etc.), ningún tipo de organización es inmune al fraude interno y a las graves consecuencias, ya sean económicas o de imagen de la empresa.

 

Es por eso que se hace esencial prevenir los casos de fraude interno en las organizaciones. La mayoría de las empresas utilizan controles financieros para cortar el fraude, normalmente a posteriori, por lo que una estrategia interesante unida a lo anterior es el uso de algoritmos de anomalías para la prevención del fraude interno.

 

Existen capacidades y posibilidades para tratar este tipo de fraude, tal y como apunta COSO en su guía de “Gestión de Riesgos de Fraude”. Es necesario abordar la problemática desde varios flancos:

 

  • políticas y procedimientos orientados a la prevención,
  • inversión en sistemas y seguridad de la información,
  • concienciación y no permisibilidad ante estos sucesos para ofrecer un respaldo a la imagen de la compañía tanto interna como externamente.

 

Pero para lograr un efecto real, es conveniente la participación de la analítica de datos y los algoritmos de Machine Learning que permitan realizar un control y la detección del  fraude basados en el propio comportamiento de los procesos empresariales.

 

El grado de especialización que requiere el tratamiento de datos a este nivel, implica la participación de perfiles altamente cualificados que sean capaces de abordar el problema de un modo multidisciplinar y muy cercano al negocio, para comprender y establecer la mejor infraestructura y las mejores herramientas a la medida de las necesidades de cada compañía.

 

Diversos estudios sitúan la pérdida por actividades fraudulentas en torno al 5% de los beneficios de una empresa, como hemos detallado en el presente artículo,

 

La Inteligencia Artificial puede contribuir a minorar de forma sustancial este porcentaje limitando los efectos no solo económicos sino también de imagen, motivacionales e incluso sus implicaciones legales.

 

¿Quieres saber más? Descárgate nuestro eBook: https://bit.ly/2Jm5lxN 

Carlos Ortiz Cotillo


Comparte este artículo

Utilizamos cookies propias y de terceros para ofrecerte una mejor experiencia y servicio, dentro de nuestra Web de acuerdo a tus hábitos de navegación. Si continúas navegando, consideramos que aceptas expresamente su utilización. Puedes obtener más información de cómo gestionar y configurar las cookies en nuestra Política de Cookies.

×

Preferencias de Cookies


Cookies esenciales
Cookies funcionales
Cookies de análisis
Cookies de marketing