Si bien el modelo de transferencias instantáneas es conveniente y trae múltiples beneficios a los comercios y consumidores, implica una alta cuota de riesgo para los involucrados, pues deja a los bancos con cada vez menos tiempo para la inspección y más expuestos a posibles fraudes.
Además, las transacciones, que se realizan en grandes cantidades y en segundos en redes de pagos instantáneas, pueden ser realizadas entre múltiples cuentas, haciendo muy compleja su evaluación, lo que puede tener un impacto negativo en la recuperación de pérdidas por estafas.
En este sentido, la empresa alemana INFORM indicó que la banca busca, cada día, entregar a sus clientes una experiencia de usuario fluida, innovadora y con la menor cantidad de fricción posible, pero sabiendo que tienen la responsabilidad de proteger los fondos de los usuarios, un equilibrio que no es fácil de lograr.
Así, “la implementación de un proceso de pagos instantáneos y una fórmula de prevención de fraudes debe ser una solución de detección de estafas en tiempo real. El riesgo en un ambiente de pagos instantáneos se puede mitigar estableciendo límites e implementando una autenticación extrema para transacciones de mayor riesgo (RBA, en inglés)”.
Y considerando que los bancos elevan el manejo de transacciones individuales, una solución de fraude debe ser capaz de analizar en tiempo real una gran cantidad de transacciones en el menor tiempo posible y adaptarse rápidamente a nuevas tipologías de engaño para garantizar la integridad contra los ataques y la inmediatez en el monitoreo de riesgos.
La empresa mencionó en un comunicado que “trabaja en esta industria desde hace más de 20 años con un sistema que actualmente está operando en el espacio de pago a nivel mundial llamado RiskShield”, cuya motor de detección que es capaz de procesar miles de transacciones por segundo, con la capacidad de reducir el fraude, identificar nuevos patrones y controlar la exposición al riesgo.
Esta flexibilidad y performance, se logra gracias a técnicas como lógica difusa y perfiles dinámicos, creando un motor de reglas flexibles y ágiles. Otras técnicas usadas para combatir el fraude son el aprendizaje automático, el reconocimiento de patrones, los perfiles de clientes, el análisis de enlaces, la visualización de redes y la importación de listas de vigilancia.