Para especialistas, el gran reto en las transacciones de pago en línea es hacer que éstas sean más seguras sin aumentar la fricción con el cliente. Recuerdan que los procesos de compra ocurren de forma rápida y fácil sin el uso de dinero en efectivo, ya sea a través de la web o en la tienda.
Sin embargo, el consumidor no es consciente de los numerosos procesos de seguridad que se ejecutan detrás de cada transacción: sistemas de detección automática de fraudes a fin de proteger a los diferentes actores involucrados: cliente, comercio, banco emisor, banco adquiriente, entre otros.
El gran reto en la prevención del fraude financiero es lograr un alto nivel de precisión de manera selectiva: identificar-bloquear las transacciones fraudulentas y sospechosas, y ya que la mayoría de las transacciones son legítimas, deben procesarse lo antes posible y sin fricción.
Federico dos Reis, CEO de INFORM, señaló que para resguardar estos aspectos, la industria bancaria utiliza software diseñado para la prevención de delitos financieros, y hay casos en que se evalúa en tiempo real la probabilidad de riesgo de cada transacción.
“Esto tiene que funcionar de forma fiable para las millones de operaciones que se realizan cada día y, para lograrlo, los sistemas de prevención muchas veces emplean métodos basados en inteligencia artificial”, refirió el directivo en un comunicado.
La transparencia es una de las muchas razones por lo cual la industria utiliza el método clásico para detectar el fraude, comparando el comportamiento de los clientes con patrones de fraude conocidos, lo que permite crear reglas sencillas y fáciles de entender.
Pero los límites definidos en estas reglas son muchas veces identificados por los defraudadores, quienes operan sin ser descubiertos por los protocolos de seguridad. Para evitar lo anterior, técnicas basadas en lógica difusa permiten reflejar el pensamiento humano con límites blandos que evitan estos problemas.
“Las reglas basadas en conocimiento ofrecen una ventaja: si un experto identifica un nuevo patrón de fraude, puede introducirlo en el sistema para detener inmediatamente otros intentos de fraude de la misma naturaleza.
Por el contrario, el algoritmo de autoaprendizaje (IA tradicional) requiere significación estadística. Por tanto, los nuevos patrones deben repetirse para ser considerados fraudulentos, y es aquí donde nuestro sistema híbrido, que mezcla ambos mundos, brinda mejores soluciones a la industria”, agregó Dos Reis.
Los canales digitales de los comercios se ven afectados por operaciones fraudulentas o pérdida de ventas por fricciones en el proceso. Las tecnologías que permiten la autenticación basada en riesgos resuelven esta contradicción mejorando la experiencia del usuario y optimizando las tasas de conversión y las ventas.