Las empresas y organizaciones están utilizando cada vez más la inteligencia artificial para proteger a sus clientes y dificultar los intentos de fraude en todo el mundo. La empresa de seguridad telefónica Hiya reveló que se realizaron 550 millones de llamadas fraudulentas por semana en 2023, con INTERPOL estimando que los estafadores robaron $1 billón a las víctimas ese mismo año. En EE. UU., una de cada cuatro llamadas no incluidas en listas de contacto fueron marcadas como sospechosas, con los estafadores a menudo engañando a las personas para que cayeran en fraudes relacionados con Venmo o garantías extendidas.
Métodos tradicionales de detección de fraude
Los métodos tradicionales de detección de fraude incluyen sistemas basados en reglas, modelado estadístico y revisiones manuales. Sin embargo, estos enfoques han tenido dificultades para adaptarse al creciente volumen de fraude en la era digital sin comprometer la velocidad y la precisión. Por ejemplo, los sistemas basados en reglas a menudo presentan altas tasas de falsos positivos, el modelado estadístico puede consumir mucho tiempo y recursos, y las revisiones manuales no pueden escalar lo suficientemente rápido.
Además, los flujos de trabajo tradicionales de ciencia de datos carecen de la infraestructura necesaria para analizar los volúmenes de datos involucrados en la detección de fraude, lo que resulta en tiempos de procesamiento más lentos y limita el análisis y la detección en tiempo real. Por otro lado, los estafadores también pueden utilizar modelos de lenguaje grande (LLMs) y otras herramientas de IA para engañar a las víctimas, haciéndolas invertir en estafas, renunciar a sus credenciales bancarias o comprar criptomonedas.
Cómo las instituciones financieras utilizan la IA para detectar fraude
Los servicios financieros y bancarios son la primera línea de defensa contra fraudes como el robo de identidad, la toma de control de cuentas, transacciones falsas o ilegales y estafas con cheques. Se espera que las pérdidas financieras mundiales por fraude en transacciones con tarjetas de crédito alcancen los $43 mil millones para 2026. La IA está ayudando a mejorar la seguridad y a enfrentar el desafío de un número creciente de incidentes de fraude.
Los bancos y otras instituciones financieras pueden aprovechar las tecnologías de NVIDIA para combatir el fraude. Por ejemplo, el NVIDIA RAPIDS Accelerator para Apache Spark permite un procesamiento de datos más rápido para manejar grandes volúmenes de datos transaccionales. Instituciones como BNY Mellon han mejorado la precisión de la detección de fraudes en un 20% utilizando sistemas NVIDIA DGX, mientras que PayPal mejoró la detección de fraudes en tiempo real en un 10% al funcionar con inferencia potenciada por GPU de NVIDIA.
La lucha contra el fraude también está presente en EE. UU., donde la Oficina de Responsabilidad del Gobierno estima que se pierden hasta $521 mil millones anuales debido al fraude. Esto se debe a un análisis de los años fiscales 2018 a 2022, y aunque parte de este fraude se vio afectado por la reciente pandemia, encontrar nuevas formas de combatirlo se ha vuelto una prioridad estratégica.
