Servicios Financieros

Machine Learning: el antídoto que necesitan las organizaciones financieras

Tan sólo hay que darle un vistazo a un extracto bancario para entender cómo se desarrolla el estilo de vida de una persona. Por ejemplo, un lunes que empieza a las 8:00 am con la compra de un café; a las 12:13 pm, el almuerzo en el restaurante acostumbrado, 40 pesos de algún antojo extra y termina con un pedido de cuatro pizzas para ver un partido de fútbol con los amigos a las 7:30 pm.

Si se amplía ese ritmo a decenas de miles de clientes, se puede imaginar que el propio banco es un ente vivo. Una de las cosas que hace que la delincuencia financiera sea tan perjudicial es la forma en que altera estos hábitos. Las estafas con tarjetas bancarias, las estafas de pagos autorizados o los fraudes con cheques son ataques directos al ritmo de vida de una organización financiera.

Karthik Tadinada, Director de Operaciones de Featurespace, explicó que la delincuencia financiera actúa como una enfermedad: evolucionando, mutando y propagándose. “La vacuna de esta enfermedad para las organizaciones financieras se llama Machine Learning, es el antídoto y la clave de la inmunización para combatir la enfermedad mientras aprende de los ataques pasados con la finalidad de poder fortalecerse contra futuras amenazas”.

Imaginar la delincuencia financiera como una enfermedad contagiosa

Una sentencia común entre los especialistas en fraudes y delitos financieros es que las estafas no cambian realmente. Ya sea que la estafa caiga sobre un jugador apostando con las cartas, como en alguien manejando sus bitcoins en una plataforma, ésta siempre será la misma y sus detalles van adaptándose en un proceso de mutación similar al de un virus.

Hoy en día la mayoría de la gente podría darse cuenta de alguna artimaña si la invitan a jugar cartas pero, por ejemplo, cuando las personas empiezan a conocer las criptodivisas pueden no estar familiarizadas con los fraudes en algunas plataformas de minería en la nube, en la que frecuentemente se pide a los usuarios que inviertan una cantidad de sus criptomonedas y que el estafador promete que recuperarán con intereses.

En México, de acuerdo con el Reporte de Ciberseguridad 2020 del Banco Interamericano de Desarrollo, el cibercrimen es una preocupación creciente, por lo que las organizaciones mexicanas, que conducen proyectos de transformación digital, han observado que los empresarios han incluido personal de seguridad en el 96% de los casos y de privacidad en el 44%.

Así como la delincuencia financiera evoluciona constantemente, la estrategia clave para los sistemas financieros es construir mecanismos de inmunidad a esta enfermedad llamada fraude financiero.

¿Cómo desarrollan las organizaciones su inmunidad contra estas amenazas?

La prevención del fraude se ha basado durante mucho tiempo en el modelo de respuesta desproporcionada y severa. Bloquear una tarjeta de crédito porque el banco ha detectado una actividad sospechosa no es una forma sostenible de combatir el fraude actual, que opera a un alcance y escala sin precedentes.

Para combatir las estafas, los sistemas financieros necesitan la misma capacidad de detección de patógenos que tiene un sistema inmunitario. Con esa capacidad, la detección de estafas se reduce a reconocer patrones de transacciones financieras habituales, inusuales pero probablemente benignas, y potencialmente dañinas. Según el Foro Económico Mundial, el 95 por ciento de los episodios previos a un ciberataque suceden por un error humano, por lo cual la capacitación constante es una obligación.

Aquí es donde entra en juego el Machine Learning. Esta es la tecnología que da a la prevención del fraude la capacidad de distinguir entre el comportamiento genuino y el fraudulento, que es para lo que Featurespace desarrolló su sistema Adaptive Behavioral. Con Adaptive Behavioral Analytics, un banco puede aprender sobre los comportamientos de gasto típicos de cada cliente: 

  • Aprender que es normal que una persona compre un café en cierta cafetería un martes por la mañana.
  • Saber que es normal que esta persona pague el almuerzo a las 12 del mediodía.
  • Reconocer como normal que esta persona salga de compras en la CDMX los fines de semana y que suele pasar una o dos semanas en el extranjero en verano.

Este es el tejido sano de la vida financiera de este cliente. Y así, cuando aparece una compra fuera de lo normal, el sistema aprende algo, siempre está alimentándose para detectar el comportamiento sospechoso realmente delictivo.

En ese caso, existe una red de procesos para proteger el entorno de pago con una respuesta proporcionada e inmediata. Si el sistema detecta comportamientos similares en el futuro, o incluso variaciones de esos comportamientos, también sabrá cómo responder entonces.  Así es como funciona un antídoto en un sistema inmunitario sano, y es un modelo eficaz para luchar contra los delitos financieros.

Al adoptar una tecnología que puede rastrear miles de transacciones por segundo, distinguir entre el comportamiento saludable y el anómalo de los clientes y responder a los delitos financieros en tiempo real, las organizaciones financieras se dan una ventaja en su lucha contra los estafadores. 

Yesica Flores

Soy Yes, blogger desde hace más de 5 años. Me he especializado en el viejo y olvidado arte de divagar. Contacto [email protected]

Deja un comentario

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.