Detección y prevención, el mecanismo para reducir el riesgo en el gobierno y la banca

Por Héctor Cobo, VP Regional para SAS México, Caribe y Centroamérica.

Las organizaciones de todos los sectores están iniciando un 2023 más conscientes de que el entorno económico, político y social no permanece estático, y que las condiciones bajo las que operan a diario pueden cambiar con relativa frecuencia. Han aprendido a ser resilientes y prestar atención a lo que sucede y tomar decisiones casi en tiempo real para evitar que impacten negativamente a su negocio.

Una vez que apresuraron su transformación digital, se preocuparon por proteger la salud de clientes y colaboradores, y buscaron alternativas para mantenerse operando y establecer nuevas alianzas con socios y proveedores, hoy se centran en aspectos que les son críticos y característicos de sus industrias

En este sentido, considero que es de especial importancia comprender que el fraude es uno de los problemas que aqueja al sector gobierno y a un gran número de industrias. Y éste se agrava a medida que los criminales están mejor organizados, hacen un uso más sofisticado y operan a mayor escala. Se estima que tan sólo los pagos indebidos y otras formas de fraude le cuestan a los gobiernos y contribuyentes cerca de $300 millones de dólares al día.

Los gobiernos se enfrentan además a la contracción o nulo crecimiento de los presupuestos oficiales, y se eleva la presión para que presten servicios a los ciudadanos de forma más eficiente, por lo que hoy es más urgente la necesidad de combatir el fraude y reducir las pérdidas de las arcas públicas.

Asimismo, se genera un enorme volumen de datos y de tecnologías que funcionan con ellos. Esa es una buena y mala noticia: le da a los gobiernos más oportunidades de combatir a los criminales, pero también a estos les da más oportunidades para encontrar los huecos en los datos, en la seguridad o los procesos.

Por tanto, los gobiernos necesitan utilizar una gama de técnicas analíticas para combatir el fraude. Una de las más comunes son las reglas de negocio, que son básicamente la respuesta a la afirmación ‘si pasa esto, entonces tiene que suceder esto’. Por ejemplo, “Si una transacción supera los $10,000 dólares, hay que enviarla a revisión; si es menor, puede procesarse”. No obstante, este modelo puede tener vulnerabilidades.

Los retos

Ahora bien, ¿cuáles son los retos en el momento de combatir el fraude? De acuerdo con expertos, incluyen organizar los datos, transformar los datos en insights, e integrar esos insights en cómo la gente y los procesos trabajan y toman decisiones. Para la mayoría de los gobiernos y muchas instituciones financieras, la gestión de datos sigue siendo el mayor reto.

La analítica necesita buenos datos, no perfectos pero sí los suficientes para los objetivos que se busca alcanzar. La realidad es que muchas de estas organizaciones siguen gestionando sus datos en hojas de cálculo y archivos distribuidos en los sistemas.

Aun cuando los datos se digitalizan, es posible que tengan inconsistencias y estén duplicados. Y a veces los datos más útiles vendrán en distintos formatos y tipos, tanto estructurados en bases de datos como no estructurados como el texto.

Contar con datos electrónicos y los procesos automatizados crea las eficiencias necesarias. Y es que también existe la presión constante de hacer llegar a ciudadanos y usuarios los beneficios que requieren en tiempo y forma y sin tanta burocracia de por medio. Para acelerar las cosas, los procesos deben ser electrónicos y automáticos, a menudo con poca o ninguna supervisión humana de las transacciones y decisiones.

Cuestión de cambios

Combatir con éxito el fraude requiere contar con datos útiles, analítica básica y avanzada, una plataforma tecnológica versátil y una organización receptiva. En este sentido, la parte organizacional implica hacer cambios operativos en la manera en que trabaja la gente, así como cambios culturales a la manera en que utilizan la información.

Asimismo, el factor humano tiene un rol crítico. En particular, las habilidades que tengan también serán un factor de éxito. Se requieren capacidades para organizar e integrar enormes cantidades de datos, seleccionar y experimentar con los mejores algoritmos para analizar los datos, crear modelos e integrar los resultados analíticos en los flujos de trabajo de la gente, así como diseñar y gestionar la arquitectura técnica.

Por otro lado, a medida que avanza la transformación digital, la inteligencia artificial (IA) y el machine learning (ML) tienen un rol altamente valioso para reconocer a los criminales y evitar el riesgo antes de que suceda. Esto gracias a que los sistemas pueden aprender qué buscar y encontrar los atributos que permiten predecir el fraude.

Las instituciones gubernamentales necesitan adoptar un enfoque analítico para prevenir el fraude y verlo como un proceso integral. Requieren generar y reunir datos, aplicar la analítica, poner en manos de los tomadores de decisiones la información y los insights, e integrar las decisiones analíticas en los sistemas automatizados.

Por su parte, las organizaciones financieras están recurriendo más a la IA y el ML para combatir el fraude y proteger los activos de los clientes al tiempo de reducir los falsos positivos. Esto es crítico cuando los pagos digitales se realizan en segundos, lo que deja menos tiempo para monitorear el fraude en las transacciones que suceden simultáneamente en múltiples canales y países.

Para responder, las instituciones financieras deben adoptar un modelo de mitigación de riesgos que comprenda la respuesta, la detección, la prevención, la evaluación y la gestión. De igual forma, requieren poner mayor atención al proceso de autenticar a sus clientes como los protocolos de autenticación y seguridad 3D, las contraseñas únicas, las medidas de seguridad biométricas y el uso de tokens.

Aplicar con éxito la detección y la investigación para detectar y prevenir el riesgo y el fraude requiere desterrar los procesos manuales y las hojas de cálculo, para integrar los motores analíticos que utilicen la analítica avanzada, fortalecida con inteligencia artificial y machine learning.

De este modo, los gobiernos y banco agilizarán su respuesta a las alertas de riesgos de acuerdo con la severidad de cada caso, y los investigadores y analistas tendrán a su alcance los insights necesarios para responder y saber con precisión dónde actuar. A esto se suma la reducción del incumplimiento y la protección de los activos de clientes y ciudadanos.