Cómo prevenir el fraude financiero manteniendo una grata experiencia al cliente
Gracias a la IA híbrida, que combina modelos basados en conocimiento y aprendizaje automático en un solo entorno, los niveles de supervisión y detección de transacciones maliciosas aumentan, evitando el fraude y sin aumentar la fricción para los clientes.
La aceleración digital de las empresas, combinada con su creciente desafío a las vulnerabilidades, implica que compañías de todo tipo estén expuestas y deban tomar medidas inmediatas para evitar ataques a sus sistemas de seguridad.
Al operar bajo el supuesto de que la seguridad está constantemente comprometida, el mayor desafío -sobre todo el de las empresas y sus medios de pago-, es inherente a las tecnologías y a las estrategias que se utilizan para protegerlas.
En este sentido, desde el 2015 los protocolos de seguridad como 3DS2 se han extendido rápidamente a nivel mundial, permitiendo a los procesadores de pago y comercios intercambiar más de 100 campos de datos que se pueden aprovechar para identificar fraudes en procesos de compra.
Estos nuevos tipos de protocolos emplean una fórmula conocida como “autenticación basada en riesgos” (RBA, por sus siglas en inglés), la cual utiliza todo el espectro de atributos de datos para evaluar la puntuación del riesgo del pago, reduciendo los tiempos de evaluación a milisegundos y mejorando la experiencia del consumidor, lo que permite que se analicen y se exijan autenticaciones “fuertes” solo a aquellas transacciones con un alto nivel de peligrosidad, y que se puedan liberar con pocos requisitos de autenticación a aquellas con bajo nivel. Esta tecnología permite reducir el riesgo y a su vez mejorar la experiencia de los clientes.
Software RiskShield lleva la RBA al siguiente nivel
Para brindar soluciones concretas a la industria y ayudar a la prevención de fraudes, INFORM desarrolló un software basado en inteligencia artificial híbrida llamado RiskShield, el cual aprovecha todos los datos disponibles para construir una imagen completa del riesgo de las transacciones, sin importar el canal donde se lleve a cabo esta operación.
Mientras que la RBA ha demostrado su eficacia, reduciendo el fraude y la fricción del consumidor causada por las autenticaciones en varios pasos, “RiskShield incorpora más potencia, gracias a que aprovecha todos los datos disponibles sobre transacciones, clientes y comercios, con la posibilidad de enriquecerlos con otras fuentes de datos en las diferentes transacciones. Luego, esta información se compara con los perfiles de los consumidores y sus transacciones a fin de determinar si el comportamiento de algún cliente o comercio es atípico o inusual”, afirma Federico dos Reis, CEO de INFORM en Latam.
Desafíos en las nuevas tendencias de pago
Dado que en la actualidad el formato “compre ahora, pague después” (BNPL, por sus siglas en inglés), es quizás más frecuente entre los nuevos tipos de compra, y se calcula que crecerán más de 23% en todo Europa durante los próximos cinco años hasta alcanzar los US$18.891 millones en 2028, según Grandview Research, se vuelve prácticamente indispensable la mejora de detección de posibles fraudes financieros que brinden mayor tranquilidad al usuario, quien cada vez apuesta más por este tipo de transacciones. De hecho, en Latinoamérica, empresas de rápido crecimiento como Cleo están ofreciendo este tipo de soluciones.
Mientras tanto, las transacciones de tipo “cuenta a cuenta” (A2A), posibilitadas por el “Open Banking”, también crecen con proveedores especializados, como Zimpler y Trustly, y han registrado un aumento de más del 300% anual en términos de volumen de transacciones en los últimos dos años.
Cuando se trata de estas nuevas opciones de pago, es de vital importancia que la industria cuente con un sólido proceso de revisión de identidad y solvencia de las personas al momento de la incorporación de un nuevo cliente, ya que las transacciones A2A y algunos modelos BNPL funcionan fuera de los sistemas financieros tradicionales.
“Esta brecha se puede cubrir con sistemas como RiskShield, ya que a través de modelos de aprendizaje de máquina o basados en conocimiento se puede identificar y autenticar la identidad de los clientes y su solvencia durante el proceso de incorporación”, enfatiza dos Reis, quien agrega que “el enfoque de IA híbrida funcionando en tiempo real y de manera integrada potencia las bondades de la RBA a un mejor nivel, controlando el riesgo, reduciendo el fraude y la fricción para los clientes”.
