La digitalización y la inclusión financiera se están convirtiendo en elementos cada vez más destacados de la transformación digital global. Un número cada vez mayor de personas está obteniendo acceso a productos, servicios y ofertas que antes no estaban disponibles para un público masivo, por diversas razones, incluida la falta de comprensión del perfil del consumidor y la información incompleta sobre sus hábitos de compras y financieros.

Uno de los principales factores responsables de la inclusión de más personas y perfiles en el sistema financiero fueron las tecnologías de inteligencia artificial (IA) y los softwares analíticos, que comenzaron a realizar análisis predictivos y prescriptivos.

Pero con el avance de la tecnología y la inclusión, también han aumentado las estafas y los intentos de fraude. Un ejemplo es el uso de bots con un sesgo malicioso: los bots estafadores.

Para aquellos que no están familiarizados, un Bot es un programa de software que normalmente imita o reemplaza el comportamiento de los usuarios humanos. Esta tecnología se utiliza ampliamente para producir tareas repetitivas y automatizadas. En este sentido, los fraudes que involucran ingeniería social son cada vez más frecuentes y el desafío consiste en desarrollar soluciones que estén “un paso al frente” de las actividades delictivas que llevan a cabo los bots estafadores.

Estos son capaces de robar identidades, enviar enlaces de phishing y simular conversaciones de chatbot que tendrían los humanos; por tanto, las estafas de bots son más complejas de combatir porque, en cierto modo, están autorizadas por el cliente sin que éste sepa que está cayendo en una estafa.

Una encuesta reciente realizada por FICO sobre fraude, identidad y banca digital reveló que el 6 % de la población en México, –que podrían equivaler a 6 millones de personas según la población adulta del país– ya han sido víctimas de fraude por robo de identidad. Entonces ¿cómo ayuda la inteligencia artificial a minimizar estas situaciones?

La IA en el combate contra los estafadores

La IA, a través del machine learning y de las redes neuronales establecidas, permite trazar un perfil de comportamiento del cliente para parametrizar acciones y entender, por ejemplo, el momento en el que más se accede a los servicios financieros, el volumen de transacciones y aspectos de su comportamiento como la velocidad y método de escritura, la altura a la que el usuario sostiene el celular, la forma en que mueve el mouse, así como información sobre la red Wi-Fi, ubicación actual y análisis de los lugares visitados, que crean una especie de firma digital.

Ese conjunto de datos, analizados eficazmente, contribuye a decidir si una operación es sospechosa o legítima. En el caso de los bots estafadores, el análisis del comportamiento del fraude es un diferenciador para minimizar las pérdidas, ya que, incluso si el tráfico de los botnets proviene de muchas direcciones IP, es posible identificar el fraude mediante el aprendizaje.

Además de los aspectos de comportamiento, un sistema antifraude que se apoya en soluciones en tiempo real, como el concepto de multicanal, por ejemplo, establece un canal prioritario de relación y comunicación con el cliente y transforma la amenaza en una oportunidad de fidelización y ventaja competitiva en el mercado.

__________________

El autor de este artículo, Ricardo Ribeiro, es director de Plataforma de FICO para América Latina y el Caribe.