Utilizamos cookies propias y de terceros para mejorar nuestros servicios. ¿ Estas de acerdo en continuar ?

902 033 733
Área Privada

Canal Estrategia

Usos de la Inteligencia Artificial en la banca: la prevención del fraude

0 comentarios
martes, 08 de enero de 2019
Usos de la Inteligencia Artificial en la banca: la prevención del fraude

Las entidades financieras más grandes están plenamente inmersas en sus proyectos de transformación digital, donde la inteligencia artificial tiene un papel muy relevante, sin embargo, hay un gran número de entidades más pequeñas que ni siquiera se han planteado todavía su uso. Esta situación cambiará en los próximos años, sobre todo en lo que se refiere al control del riesgo, y en consecuencia, en su cuenta de resultados

 

La Inteligencia Artificial y el Machine Learning (aprendizaje automático) son uno de los mejores aliados de la banca en el momento actual. Una de sus principales cualidades es que facilita el tratamiento de grandes bases de datos estructuradas y no estructuradas, para encontrar interrelaciones entre esos datos que las técnicas tradicionales no permitían. De ahí el incrementode su poder de predicción.

 

La inversión actual de los bancos y fintechs se estructura en torno a tres ejes principales: el análisis del comportamiento del cliente, la gestión del riesgo y la valoración automática de sus inmuebles. Estas técnicas avanzadas multiplican la capacidad de predicción de los modelos tradicionales de marketing y gestión del riesgo, lo que permite a los bancos ser mucho más eficaces y eficientes a la hora de captar clientes de un determinado perfil de riesgo, realizar acciones de venta cruzada, calcular el valor del cliente, evitar la morosidad e incluso, realizar valoraciones automáticas de su cartera de inmuebles.

 

Mientras las entidades más grandes están plenamente inmersas en sus proyectos de transformación digital, donde la inteligencia artificial tiene un papel muy relevante, hay un gran número de entidades que ni siquiera se han planteado todavía su uso. Sin embargo, esta situación cambiará en los próximos años, pues la aplicación de estas tecnologías tiene un fuerte impacto en el negocio financiero, tanto en lo que se refiere a la captación y fidelización de los clientes como en la prevención del fraude, en el que nos centraremos en este artículo. 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.

 

La inteligencia artificial aplicada a la prevención del fraude no sólo permite analizar más cantidad de datos para detectar actividades fraudulentas, sino que es capaz de aprender y generar patrones estandarizados que ahorren mucho esfuerzo a la hora de detectar un fraude parecido otra vez. Es decir, si el análisis cognitivo identifica algo como fraude, la máquina aprende y la próxima vez lo identificará automáticamente. El ordenador aprende y es cada vez más inteligente y a medida que los sistemas cognitivos de detección del fraude aprenden, serán capaces de detectar fraudes más complejos, una ventaja con gran impacto en la gestión riesgos.

 

Otro ejemplo es el uso del ‘machine learning’ para respaldar predicciones más informadas sobre la probabilidad de que un individuo u organización incumpla un préstamo o un pago, y puede usarse para construir modelos de pronóstico de ingresos. De esta forma, la capacidad de estos modelos de aprendizaje automático para analizar grandes cantidades de datos, tanto financieros como no financieros, puede mejorar las capacidades analíticas en la gestión de riesgos y el cumplimiento, ayudando a los analistas a tomar decisiones más informadas.

 

Estos sistemas ayudan también a detectar comportamientos fraudulentos dentro de la propia organización. Así, las entidades financieras también pueden usar sistemas automatizados para controlar a sus ‘traders’: vinculan la información comercial con otra información sobre su comportamiento, como el tráfico de correo electrónico o su calendario. Las aplicaciones son múltiples: monitorear, riesgos generados por proveedores, detectar ciberataques, etc.

 

La aplicación de herramientas de última generación basadas en técnicas de inteligencia artificial -como el machine learning- para la estimación anticipada de potenciales pérdidas futuras en escenarios macroeconómicos adversos está siendo muy exitosa como medida preventiva en las entidades que las están implementando. Este tipo de software permite visualizar diferentes escenarios futuros y simultáneamente desarrollar modelos que incluyen una cantidad de variables mucho mayor que las técnicas habituales con las que vienen trabajando las entidades. El resultado es que con la aplicación de machine learning se mejora sustancialmente la capacidad predictiva de los modelos estadísticos tradicionales. El rango de mejora del poder de predicción que aporta el machine learning abarca del 25% al 50%, lo que traducido a términos de negocio son cantidades nada despreciables.

Tu opinión nos interesa

Nombre:  *
Email:  * (No será publicado)
Comentario:  *

No hay ningún comentario, sé el primero en comentar!