Usamos cookies en nuestro sitio web para brindarte la experiencia más relevante recordando tus preferencias y visitas repetidas. Haz clic en "Aceptar todas las cookies" para disfrutar de esta web con todas las cookies, configura tus preferencias antes de aceptarlas, o utiliza el botón "Rechazar todas las cookies" para continuar sin aceptar.

Gestión de Cookies
Zona Privada Asociados   |   Boletines Compliance
 
FORMULARIO DE CONTACTO
Deseo suscribirme al Newsletter de la WCA
 

31/01/2019

Entrevista a Álvaro Barbero, ponente del II Congreso Nacional Antifraude

Álvaro Barbero es Chief Data Scientist en el Instituto de Ingeniería del Conocimiento (IIC), así como investigador en el Grupo de Aprendizaje Automático de la Universidad Autónoma de Madrid (UAM)

En esta entrevista, Álvaro Barbero, que será ponente en el panel titulado "Inteligencia artificial, Machine learning y Big Data en la detección del fraude" del II Congreso Nacional Antifraude, se centra en los avances tecnológicos que pueden servir como herramientas para adelantarse al fraude, tales como la inteligencia artificial y el big data.

Álvaro Barbero, Chief Data Scientist del Instituto de Ingeniería del Conocimiento (IIC), está especializado en Minería de Datos y ha sido galardonado con el segundo puestoen la competición Texata 2015 Big Data Analytics World Championships.

Hablamos con él para conocer las ventajas que este campo supone para el compliance

 

¿Cómo puede la Inteligencia artificial ayudar a las organizaciones públicas y privadas a prevenir, identificar e investigar actividades fraudulentas?

 

La ventaja principal de los sistemas de detección basados en Inteligencia Artificial es su velocidad. Las organizaciones que buscan identificar el fraude cuentan con expertos que aunque efectivos, suelen contarse en número reducido. Esto limita la cantidad de casos que pueden revisar, así como la velocidad con la que estos casos pueden tratarse. En cambio los sistemas de Inteligencia Artificial pueden automatizarse y escalarse para analizar cada caso en milisegundos, lo que permite procesar millones de casos al día y así tener un sistema de detección mucho más amplio.

 

Otra ventaja de esta clase de sistemas es su capacidad de aprender en base a nuevos casos de fraude, y moldear automáticamente su reglas de detección de forma acorde. Esto permite adaptarse mucho más rápido a la naturaleza cambiante del fraude.

 

¿Considera que actualmente son claves las herramientas de Business Intelligence y Big Data en la lucha contra el fraude?

 

Hoy día la estrategia predominante para construir sistemas de Inteligencia Artificial de forma efectiva es alimentándolos con grandes bases de datos que reflejen las dinámicas del problemas que queremos resolver. Es por ello que las tecnologías Big Data, que nos habilitan a manejar grandes cantidades de información, sean una pieza fundamental para lograr construir un sistema de IA con éxito.

 

Por su parte las herramientas de Business Intelligence ayudan a los analistas expertos a visualizar estos grandes volúmenes de datos. La estrategia ganadora en la detección de fraude suele ser una combinación entre un sistema de IA automatizado y las reglas definidos por los analistas. Por tanto, siempre es de utilidad  contar con una herramienta que ayude al analista a visualizar e interpretar las dinámicas de fraude.

 

¿Se está acelerando la demanda del mercado en la búsqueda de soluciones de fraude y riesgo?

 

Probablemente la Banca haya sido el sector que más ha invertido en este tipo de soluciones, debido al gran impacto que el fraude puede tener en sus cuentas de resultados. Pero otros sectores han venido interesándose también en soluciones de prevención: el sector eléctrico, el del gas, las teleoperadoras, ...

 

En España,  ¿Son ya muchas las compañías que ya han adoptado la analítica de big data para la detección de problemas de seguridad o fraude? 

 

En el sector de la Banca es habitual adoptar este tipo de técnicas de detección, y España no es una excepción. Hoy día el 100% de las operaciones con tarjeta son analizadas en busca de comportamientos fraudulentos. En otros sectores la entrada es menor, pero sí existen casos de aplicación.

 

Con estas herramientas, ¿es posible adelantarnos al fraude?

 

Es posible detectar el fraude en el momento en el que ocurre, aunque sea por un importe pequeño. Bloqueando estos intentos de fraude se consigue evitar que el caso vaya a mayores y pueda producir un perjuicio importante.

 

Además las herramientas de fraude llevan aplicándose durante años, y han demostrado su efectividad sobradamente. Volviendo al ejemplo de la Banca, en muchos bancos las herramientas de detección de fraude se consideran de nivel crítico para el funcionamiento del negocio, hecho que refleja su efectividad.

 

¿Qué ventajas aporta el Big Data, como herramienta contra el fraude? ¿Y qué ocurre si juntamos Big Data con Inteligencia Artificial?

 

La disciplina de Inteligencia Artificial lleva existiendo desde los años 50, pero la manera de enfocarla ha cambiado mucho a lo largo de los años. Originalmente se buscaba construir un sistema de razonamiento universal, que partiendo de la definición de un problema pudiera darnos la solución mediante la aplicación de reglas lógicas. Lamentablemente esta aproximación no funcionó, y en su lugar surgió un nuevo paradigma: crear sistemas de IA que aprendieran a resolver un problema en base a ejemplos registrados en forma de datos.

 

Es por esto que los sistemas de Inteligencia Artificial dependen de los datos para su correcto funcionamiento. A mayor cantidad de datos, mayor es la efectividad de la IA, y esto nos lleva inevitablemente a tener que manejar grandes cantidades de datos. Por tanto el Big Data es una pieza fundamental de la IA.

 

¿En qué consiste el “Análisis automatizado de conductas” para detectar y prevenir el fraude?. ¿Podría ponernos algún ejemplo?

 

Esta técnica se basa en estudiar cuál es el comportamiento habitual de cada usuario legítimo del servicio, y cuáles son los comportamientos indicativos de fraude, para poder distinguir entre ambas actividades. Pongamos por ejemplo el fraude en robo de tarjetas de crédito. Es bastante habitual que cada usuario tenga una serie de hábitos de consumo que se repiten: hacer la compra del mes los sábados por la mañana siempre en el mismo supermercado, utilizar casi siempre los mismos cajeros para sacar efectivo, etc. El defraudador, en cambio, tiene como objetivo obtener todo el dinero posible en poco tiempo, y no conoce los hábitos del verdadero dueño de la tarjeta, de modo que actuará de forma distinta: comprando varios artículos de alto precio, u ordenando un gran número de transferencias a cuentas con las que el cliente nunca antes había operado, por poner dos ejemplos. Estas dos conductas son marcadamente diferentes, y es posible detectar este cambio de forma automatizada, bloqueando así el uso de este medio de pago y cortando la actividad fraudulenta antes de que produzca un daño mayor.

 

¿Existen soluciones analíticas lo suficientemente potentes y rápidas para detectar el fraude en tiempo real e identificar riesgos de forma proactiva? 

 

Rotundamente sí. En el IIC contamos con la solución Lynx para la detección de fraude en medios de pago, que está funcionando de forma efectiva en 7 países repartidos entre Europa y el continente americano, analizando 30 mil millones de operaciones al año. El análisis de cada una de estas operaciones se realiza en unos pocos milisegundos, lo que permite tomar decisiones automatizadas e instantáneas para bloquear los intentos de fraude detectados.

 

¿Cuáles son las principales dificultades con las que se enfrentan a la hora de llevar a cabo procesos de detección del fraude?

 

Al abordar la detección de fraude mediante el uso de la Inteligencia Artificial el principal escollo suele ser la falta de datos históricos que recojan adecuadamente los casos legítimos y los casos de fraude ocurridos en el pasado. Si no se dispone de esta información o de la infraestructura necesaria para recogerla y explotarla, será necesario un proyecto previo para realizar esta recopilación. En función de la complejidad de los sistemas informáticos existentes esta transición puede ser costosa.

 

¿Son muy elevados los costes de monitorización e investigación de actividades fraudulentas?

 

En el caso de aplicar herramientas de IA es necesario que el volumen y el perjuicio ocasionado por el fraude sea lo suficientemente significativo como para que los ahorros producidos por un sistema avanzado de prevención superen a los costes. En el caso de entidades grandes el beneficio es muy claro. Para volúmenes de fraude menores una solución más tradicional puede ser más efectiva en términos de coste-beneficio.

 

¿Se dan muchos casos de falsos positivos?

Siempre se dan casos de falsos positivos, pues siempre existen comportamientos que no se atienen a las conductas habituales,  pero que resultan no ser fraudulentos. Además hay que tener en cuenta que es posible regular la sensibilidad de estos sistemas, de forma que podamos elegir detectar un mayor volumen de fraude a cambio de aumentar también el número de falsos positivos. Por tanto, según el caso, puede ser rentable un mayor número de falsos positivos a cambio de una mayor cobertura ante fraudes.

 

Por otro lado, a medida que se van acumulando datos históricos de casos legítimos, y sobre todo casos fraudulentos, el sistema de IA se va reajustando, por lo que es esperable que la proporción de falsos positivos se vaya reduciendo con el tiempo. 

 

Y por supuesto, no todos los sistemas de IA son iguales, los que aprovechan las últimas tecnologías consiguen un rendimiento mejor. También es fundamental la capacidad de adaptar el sistema a la naturaleza del fraude en cada organización. No existe una solución única que rinda al máximo en cualquier sector y mercado, es necesaria la especialización.

 

¿Cuál es el futuro próximo, qué avances nos encontraremos en el uso de técnicas de Big Data?.

 

Las tecnologías de Big Data se han venido asentando durante los últimos años. Utilizar base de datos masivas ya se está volviendo habitual, y vamos contando con tecnologías maduras para el procesamiento efectivo de estos datos.

 

Donde siguen habiendo avances continuos es en el campo de los algoritmos de IA que aprenden en base a los datos. Llevamos varios años viendo avances en las tecnologías de redes neuronales artificiales (también conocidas como Deep Learning), que permiten integrar datos multimedia en el proceso de decisión: imágenes, texto libre, audio, …

 

También es destacable el reciente auge de las técnicas de aprendizaje por refuerzo profundo (Deep Reinforcement Learning). Son las técnicas que permitieron crear una IA que ganara al campeón mundial de Go, un nuevo hito en la historia de la Inteligencia Artificial. Su novedad radica en que es el propio sistema de IA el que toma la iniciativa de probar diferentes estrategias para mejorar los resultados. En el futuro próximo veremos si estas ideas pueden aplicarse también a la detección del fraude.

 

¿Cuáles serán, a largo plazo, los principales efectos del uso de estos sistemas de inteligencia artificial en la prevención de delitos?

 

Cuando hablamos de futuro, inteligencia artificial y prevención de delitos, probablemente a muchos les venga a la cabeza Minority Report u otras historias de ciencia ficción similares, donde se persigue un delito antes de que ocurra. Estas historias presentan una distopía en la que puede perseguirse a alguien en base a un hecho futuro en lugar de un hecho ya ocurrido.

 

Pero existe también una vertiente optimista. Tecnologías que hoy día están en fase de pruebas pueden dar frutos positivos en el futuro. Además de la capacidad que ya tenemos hoy para detectar actividades fraudulentas en el momento en el que ocurren, en el futuro es muy probable que contemos con sistemas prevean la evolución de los delitos, lanzando alertas sobre posibles aumentos de delitos de un tipo determinado en ciertas zonas o sectores. En algunas ciudades ya se están probando soluciones de este tipo para optimizar las patrullas de la policía.

 

Uno de sus principales objetivos es crear innovaciones que transfieran los últimos avances científicos en el tratamiento de datos a proyectos de Big Data que aporten valor directo al negocio. ¿En qué punto se encuentra?

 

En un buen punto, ¡o eso espero! Viendo los avances tan impresionantes que surgen cada semana en el campo científico a veces tengo la sensación de que en el mundo de los negocios vamos aún muy por detrás. Pero es una buena señal que términos como Big Data o Inteligencia Artificial se hayan popularizado: significa que ya están teniendo un impacto real fuera de los laboratorios de investigación. Ciertamente este impacto está siendo desigual entre sectores de negocio: las empresas nacidas en el mundo digital están evolucionando mucho más rápido. Pero incluso en los sectores tradicionales ya se habla de los cambios que podrán traer estas tecnologías.

 

También es cierto que en España siempre vamos algunos pasos por detrás de Silicon Valley y las empresas digitales punteras. Eso en principio nos hace menos competitivos a nivel internacional, pero dentro del mercado Español estar al tanto de las últimas tecnologías supone una ventaja. Estamos consiguiendo mucho importando las últimas innovaciones de allí, y en algunos sectores podemos afirmar que somos de lo más pionero en España.

 

 

Así pues, desde la World Compliance Association agradecemos a Álvaro Barbero sus respuestas y su participación como ponente en el II Congreso Nacional Antifraude, que se celebrará el próximo 7 de febrero en el Auditorio Cecabank de Madrid.

 


 
Patrocinadores
Colaboradores
Entidades Asociadas