Detección automática de fraudes: combate el fraude más eficientemente

Cualquier compañía que busque asegurar sus operaciones a futuro y fortalecer sus metas financieras debe considerar la automatización de la prevención del fraude.

¿Pero cómo controlas el proceso y qué es la detección automática de fraudes? Encontrarás todas las respuestas en este artículo.

¿Qué es la detección automática de fraudes?

La detección automática de fraudes funciona al desplegar un flujo de trabajo que bloquea o acepta acciones de los usuarios con base en lo que se considera como riesgoso. Esto involucra establecer reglas de riesgo, que pueden ser estrictas o más permisivas, según tu apetito de riesgo. Por ejemplo, podrías optar por siempre bloquear las direcciones IP asociadas con los navegador Tor. Pero estas reglas también pueden ser más fluidas, lo que te permite calcular una puntuación de riesgo y actuar conforme a esa puntuación.

Por ejemplo, puedes definir que todos los usuarios con puntuaciones de riesgo superiores a 20 sobre 100 sean automáticamente bloqueados de realizar transacciones en tu sitio. 

Las puntuaciones de riesgo son una parte fundamental del análisis automatizado de fraudes. Permiten que tu sistema clasifique las acciones de usuario como de bajo, medio o alto riesgo. Lo más común es aceptar las acciones de bajo riesgo, revisar las acciones de riesgo medio y bloquear las acciones de alto riesgo; sin embargo, las plataformas de prevención de fraude sofisticadas tales como SEON te permiten cambiar estos umbrales a voluntad. 

Lo que conocemos como acciones de usuarios pueden ser un inicio de sesión, un registro, una transacción, un depósito o retiro de dinero, entre otros. Tu sistema de detección de fraude debe obtener la mayor cantidad de información posible durante estas fases para ser capaz de activar efectivamente las reglas de riesgo apropiadas. 

Un ejemplo de detección automática de fraude

Digamos que eres una tienda en línea con un problema frecuente de fraude: Has notado clientes que adquieren tus productos utilizando tarjetas de regalo que han sido abonadas con tarjetas de crédito robadas. Cuando los tarjetahabientes legítimos se dan cuenta, envían una solicitud de contracargo, lo cual es algo costoso y prolongado de gestionar, incluso para los comerciantes que optan por el camino de la recuperación de contracargo. 

Así que ya estableciste un patrón de fraude que afecta constantemente a tu negocio. Los estafadores se ubican en los Estados Unidos y pagan con tarjetas de regalo. Aquí es cuando la detección automática de fraude se vuelve útil. 

Pero existen dos estrategias que puedes desplegar aquí:

• Usar reglas estáticas: Si aplicas reglas estáticas, tu sistema de prevención de fraude bloqueará automáticamente todas las transacciones de los clientes que se encuentran en Estados Unidos y que pagan con tarjetas de regalo. Esto resolverá tu problema de fraude, pero también incrementará los falsos positivos en los que los clientes legítimos son bloqueados y se frustran por tus medidas de seguridad tan estrictas. Dicho de otro modo, todo aquél que intente pagar con una tarjeta de regalo desde los Estados Unidos será bloqueado. Esas son muchas pérdidas. 
• Calcular un scoring de riesgo: Alternativamente, puedes recolectar los datos de pago del usuario y examinarlos para decidir si la transacción es de bajo, mediano o alto riesgo. Entonces, puedes automatizar el siguiente curso de acción con base en un sistema de luces de semáforo. Por ejemplo, puedes elegir aplicar revisiones KYC más pesadas sobre los usuarios de riesgo medio, mientras que otra compañía podría perder a esos clientes si decide inclinarse por el lado de la precaución y bloquearlos. 

La ventaja de la segunda opción es que da menos falsos positivos. Para lograr esto, SEON aplica lo que llamamos fricción dinámica. Esto significa que todavía es posible automatizar tu respuesta para los usuarios de bajo riesgo (permitirles pagar) y de alto riesgo (bloquear los pagos). Únicamente debes revisar manualmente los casos de riesgo medio. Sin embargo, esto es completamente personalizable y fácil de ajustar. 

No obstante, en ambos escenarios la idea es la misma: Dejar que el sistema filtre automáticamente a los estafadores y permita el acceso de clientes buenos para que interactúen con tu negocio. En conclusión, ninguna compañía que gestione más que tan solo un puñado de transacciones al día se puede permitir dejar fuera la automatización de su estrategia de prevención del fraude. 

Las ventajas y desventajas de la detección automática de fraudes

La automatización de la detección del fraude está diseñada para ser rápida y efectiva, además de operar en piloto automático. Pero también tiene sus desventajas. Veamos los pros y los contras.

Ventajas de la detección automática de fraudes

• Menos recursos manuales: La mayoría de las compañías despliegan soluciones de prevención del fraude automatizadas para aliviar la carga de trabajo de sus gestores de riesgo o su personal. De otro modo, tendrían que revisar manualmente todas las acciones de usuario. El sistema automático se encarga de gran parte de ello, aunque puede que necesite de todos modos supervisión humana.
• Opera a escala: El software de prevención de fraude opera 24/7 y procesa enormes cantidades de datos. Esto significa que puedes monitorear las acciones de usuario a escala sin tener que contratar a más miembros para las revisiones. También puedes aceptar pagos y recibir órdenes en cualquier horario y no únicamente durante el horario laboral. 
• Costo efectivo: Una consecuencia directa de la naturaleza escalable del software antifraude es que es asequible. Existen excepciones, por supuesto, pero la mayoría de las compañías encuentran que la automatización reduce el costo de las revisiones manuales. Además, algunas compañías de prevención del fraude, incluída SEON, te cobran con base en el número de consultas o comprobaciones que realizas. 
• La eficiencia puede mejorar con el tiempo: Gracias al poder del machine learning, recibirás sugerencias de reglas de riesgo precisas con base en tu historial de ataques fraudulentos, cada una de las cuales viene acompañada de una puntuación de confianza. Ya sea que estas se apliquen automáticamente o no también depende de ti. Puedes optar por habilitar automáticamente cualquiera de ellas que tenga una puntuación de confianza superior al 95%, por ejemplo. 

Contras de la detección automática de fraudes

• Falsos positivos o negativos: Dejar que el software decida quién puede realizar qué cosa en tu sitio, plataforma o app puede tener consecuencias negativas, particularmente cuando marca a clientes legítimos como estafadores o pasa por alto un caso de fraude. 
• Integración técnica: Aunque algunos sistemas de prevención de fraude son más fáciles de integrar que otros, la realidad es que la implementación y la integración requieren tiempo de desarrollo y conocimiento técnico. 
• Costos adicionales: A pesar de su alto ROI, la detección del fraude no es gratuita. Tendrás que tomar en cuenta el precio del software, usualmente en forma de pagos mensuales bajo un modelo SaaS. 
• Puede requerir de supervisión humana: Incluso los mejores sistemas de prevención del fraude deben ser refinados y monitoreados por el personal. Dejar que el sistema se ejecute por completo en piloto automático, sin ningún tipo de participación de los especialistas, puede causar suficientes falsos positivos o falsos rechazos como para terminar dañando a tu negocio. 

Detección automática de fraudes y machine learning

Hay otra automatización interesante que merece la pena mencionar en el contexto de la prevención del fraude: las sugerencias de aprendizaje automático.

Se trata de aprovechar el poder de la IA para ayudarte a crear reglas de riesgo adaptadas a tu negocio. Así es como funciona:

1. Dejas que tu sistema de prevención de fraude ML se entrene a sí mismo con tus datos comerciales históricos y existentes.
2. Te aseguras de etiquetar cada transacción aceptada o rechazada, inicio de sesión o registro, para tener la certeza de que el sistema está recibiendo datos correctos.
3. El modelo intentará encontrar patrones entre las acciones marcadas. 
4. El modelo ofrecerá nuevas recomendaciones de reglas.

Un algoritmo de aprendizaje automático suele descubrir patrones sorprendentes que un analista de fraudes podría haber pasado por alto. Entonces puedes decidir si quieres probar, ajustar o implementar estas reglas como parte de tu estrategia de gestión de riesgos. 

La ventaja del machine learning para detectar el fraude es, por supuesto, que se pueden procesar enormes cantidades de datos. La ausencia de sesgos humanos en el resultado de las sugerencias de reglas también puede ayudar a descubrir patrones que un analista ignoraría de otro modo.

Análisis automatizado de fraude con aplicaciones de terceros

Este es otro tipo interesante de automatización que vale la pena mencionar cuando se trata de la integración de la detección del fraude con otras herramientas antifraude. Como resultado, puedes automatizar los informes, monitorear y detectar fraudes creando alertas, flujo de trabajo de revisión manual y otros aspectos de tu estrategia de prevención del fraude. 

Esto es útil si quieres enviar y recibir datos en tiempo real automáticamente, para controlar los datos de usuario y transacción en otras aplicaciones. Por ejemplo, puedes recibir un mensaje en Slack cada vez que una transacción esté por encima del umbral. 

Cómo SEON puede automatizar tu detección de fraudes

SEON ofrece una automatización de la detección del fraude adaptada a las necesidades de su empresa. Puede aprovechar los datos adicionales que le proporcionamos para aumentar sus puntuaciones de riesgo existentes o utilizar aún más las puntuaciones de riesgo que calculamos basándonos en una o varias de las siguientes opciones:

• reglas preestablecidas según el sector diseñadas para reducir el fraude sobre la base de reglas de riesgo conocidas
• reglas personalizadas creadas por ti o en colaboración con nuestro equipo de éxito del cliente de forma manual
• sugerencias de reglas de machine learning realizadas por nuestro módulo de IA, que está atento a los patrones y tendencias de fraude que tus analistas de fraude pueden haber pasado por alto.

La clave es recopilar tantos datos de los usuarios como sea posible para garantizar que las reglas tengan sentido para prevenir los desafíos del fraude, minimizando los falsos positivos y facilitando la vida de tu equipo.

Preguntas frecuentes