Cómo detener las estafas con inteligencia artificial y machine learning
Los modelos de inteligencia artificial y machine learning pueden ayudar a los bancos a detener estafas, evitar pérdidas ante estafadores y mejorar la experiencia del cliente
Por Debbie Cobb, Directora Senior de Gestión de Productos en FICO
Los estafadores son oportunistas y últimamente (desafortunadamente) están teniendo mucho éxito al enfocarse directamente a los consumidores. Usando técnicas como la ingeniería social o haciéndose pasar por una fuente confiable, estos delincuentes están estafando a personas confiadas y desprevenidas con miles de millones de dólares en todo el mundo, utilizando canales de pago en tiempo real para deshacerse rápidamente de sus ganancias ilícitas.
Al convencer a las personas de que envíen dinero a través de aplicaciones de pago en tiempo real, o al agregar a un beneficiario para las transacciones tradicionales con sistemas automáticos de transferencia de fondos (ACH, por sus siglas en inglés), los estafadores están perpetuando lo que se conoce en la industria financiera (en el Reino Unido) como fraude de pago automático autorizado (APP, por sus siglas en inglés) o fraude de usuario autorizado (en los EE. UU.). Los consumidores no están tan preocupados por el fraude y las estafas de APPs como por otros tipos de fraude, pero la conciencia está creciendo.
Para ayudar a prevenir este tipo de fraude antes de que afecte a los consumidores, los bancos y otras instituciones financieras pueden usar tecnología avanzada como inteligencia artificial y machine learning (IA/ML), así como capacidades sofisticadas como decisiones avanzadas y comunicaciones proactivas con los clientes. Exploremos cómo estos avances pueden reducir las pérdidas y proteger a los clientes.
Fraude de Pago Autorizado – Una Preocupación Global
El fraude tipo APP ha ido en aumento en todo el mundo. En el Reino Unido, representó 249 millones de libras esterlinas en pérdidas de los consumidores durante la primera mitad del 2022. Y mi colega CK Leo señala en su reciente publicación sobre el fraude de pagos en Asia que “el fraude tipo APP se está convirtiendo en un problema mucho mayor en la India y en toda Asia, ya que vemos un auge en el uso de pagos en tiempo real”.
Durante una sesión de FICO World 22 donde fui moderadora, exploramos las estafas y otras tendencias globales de fraude. Una estafa notable fue la estafa del “fake moto boy”, en la que un estafador se hace pasar por un representante de un banco y puede convencer a las víctimas de que entreguen detalles confidenciales sobre sus cuentas y, en ocasiones, artículos físicos como teléfonos celulares y computadoras portátiles.
En los EE. UU. no son inmunes a las estafas, y su prevalencia e impacto se notan incluso en los pasillos del Congreso. Otro colega mío, TJ Horan, escribió recientemente una publicación sobre el crecimiento de las estafas y el potencial de regulación y señaló que:
Los datos de la Comisión Federal del comercio en EE. UU (FTC, por sus siglas en inglés) muestran que, hasta la fecha, en 2022, los consumidores informaron haber perdido $703 millones dólares en transferencias y pagos bancarios, $90,6 millones dólares en pagos con tarjeta de débito y $82,2 millones dólares en aplicaciones y servicios de pago.
En México, de acuerdo con datos de la Comisión Nacional para la Protección y Defensa de los Usuarios de Servicios Financieros (CONDUSEF), los fraudes por medio de las aplicaciones bancarias han crecido 52%. La institución incluso dio a conocer que existe una nueva forma de engaño que los delincuentes usan para que las personas envíen transferencias electrónicas. Los estafadores publican anuncios en internet o periódicos ofreciendo artículos a precios muy baratos, pero solicitan que el pago sea por transferencia electrónica a una cuenta de una empresa conocida. Cuando las personas realizan los pagos, se dan cuenta de que la cuenta no pertenece a la empresa, sino a alguien desconocido, y pierden su dinero.
Dado el crecimiento global, la escala y la increíble variedad de estafas que ocurren, ¿qué pueden hacer los consumidores, así como los bancos, para prevenir y detectar este tipo de fraude?
A la ofensiva en la guerra contra las estafas
Para los consumidores, comienza con la conciencia. Según una reciente investigación de consumidores realizada por FICO, sólo el 27% de los consumidores mexicanos que fueron estafados al hacer pagos en tiempo real reportaron el fraude a su banco y el 13% decidieron enviar el pago incluso después de haber sido advertidos de que podría tratarse de un intento de estafa. Ese bajo nivel de preocupación no parece coincidir con las pérdidas reales que enfrentan los consumidores.
Comprender cómo los estafadores utilizan la ingeniería social y la urgencia para obligar a realizar pagos inmediatos es un primer punto de defensa crítico. Los consumidores también pueden beneficiarse de una comprensión más profunda de las limitaciones en la protección entre los canales de pago P2P (pagos de persona a persona) y otros productos de pago como las tarjetas.
Los bancos también pueden pasar a la ofensiva. Trabajar para educar a sus clientes es un buen comienzo. Pero hay otras acciones significativas que, cuando se implementan como parte de un enfoque en capas para la prevención del fraude, pueden marcar una gran diferencia en la protección de los consumidores y la reducción de falsos positivos.
Dado que el consumidor real es quien inicia y lleva a cabo la transacción, las tácticas y puntajes típicos de detección de fraude simplemente no funcionan. Las instituciones financieras necesitan una perspectiva diferente para identificar cuándo está ocurriendo el fraude tipo APP. En FICO, hemos desarrollado un sofisticado modelo IA/ML para ayudar a identificar estafas. Disponible de forma inmediata, la puntuación de detección de estafas impulsada por IA aprovecha los perfiles de comportamiento para identificar comportamientos “fuera de patrón” como un nuevo destinatario o un monto de pago mayor de lo habitual para identificar en promedio 24 veces más la cantidad de estafas, incluso en un dispositivo favorito (teléfono, tablet, computadora, etc.), en comparación con un puntaje de fraude tradicional. Este modelo acaba de ganar el premio Machine Learning Award en los Credit & Collections Technology Awards hace un par de meses.
Otras Consideraciones
Más allá de las puntuaciones específicas de las estafas, los que lidian con el fraude pueden tener en cuenta otras consideraciones al desarrollar estrategias de prevención de estafas de próxima generación. Primero, hay que pensar en usar reglas y estrategias separadas para abordar los diferentes tipos de exposición al fraude.
Lo que funciona para el fraude de apropiación de cuentas (ATO, por sus siglas en inglés) no funcionará para un escenario de fraude de pago automático autorizado (APP), por lo que crear flujos de trabajo separados para cada uno puede ayudar a adaptar su enfoque institucional.
En segundo lugar, hay que considerar una estrategia diferente de comunicación con el cliente. Las comunicaciones proactivas pueden ser una poderosa herramienta de intervención cuando se sospecha que una transacción es fraudulenta. Permitir que el cliente cancele la transacción también puede ayudar a mejorar la experiencia general del cliente, al demostrar el compromiso de poner al cliente en el centro de la relación.