El auge de la IA coincide con un cambio hacia los pagos instantáneos, que son cada vez más difíciles de detener una vez que se produce el fraude. Los pagos en tiempo real ponen un cronómetro en la prevención del fraude, dando a las empresas sólo unos momentos para detectar y responder a actividades sospechosas.
Lograr el equilibrio adecuado entre una experiencia del cliente sin fricciones y controles estrictos se está convirtiendo en un desafío clave para las empresas. En un podcast reciente de PaymentsJournal, Dal Sahota, director global de Trusted Payments, LSEG Risk Intelligence, y Suzanne Sando, analista principal de gestión de fraudes en Javelin Strategy & Research, analizaron la importancia de la colaboración y destacaron cómo la IA puede ser un arma de doble filo: ayudar a los equipos de prevención de fraude y al mismo tiempo proporcionar a los delincuentes herramientas más sofisticadas.
preocupaciones crecientes
Las herramientas OpenAI permiten que las estafas crezcan, mejorando su capacidad para penetrar en los mercados globales con una fricción mínima. La investigación de Javelin encontró que al 88% de los consumidores les preocupa que se utilice la IA para cometer fraude de identidad en su contra.
“Lo que más escucho es que no se puede confiar en las voces, no se puede confiar en los videos”, dijo Sahota. “La mayor escala significa que el costo de cometer fraude es muy bajo, lo que significa que las ganancias potenciales que los estafadores pueden lograr han aumentado exponencialmente año tras año”.
Sandow añadió: “Todos creemos que la herramienta número uno utilizada por los estafadores es la inteligencia artificial. Veremos un cambio de enfoque hacia más tácticas de manipulación e ingeniería social en lugar de formas más tradicionales de intentar obtener acceso no autorizado a cuentas”.
Pagos más rápidos, fraude más rápido
El aumento de pagos más rápidos también significa fraude más rápido. Cuando los fondos se transfieren instantáneamente de una cuenta nacional a otra, el remitente a menudo tiene pocos recursos para recuperar los fondos, ya sea que la pérdida se deba a un fraude o a un simple error.
En los pagos transfronterizos, el riesgo de fraude aumenta exponencialmente y la probabilidad de recuperar fondos es aún menor. Si bien algunos estados ofrecen protecciones a consumidores y empresas que pueden compensar parcialmente estas pérdidas, el reembolso a menudo se limita a corredores regulatorios o legislativos específicos.
En general, los retrasos de larga data en el procesamiento en los canales de pago tradicionales prácticamente han desaparecido. Por lo tanto, la detección y prevención en tiempo real de actividades sospechosas ya no es opcional sino esencial.
Comprobar la legalidad es crucial
Las organizaciones deben analizar todos los datos disponibles para tener confianza en quién autorizó un pago o una compra. Esto incluye la necesidad de contar con datos de red compartidos más sólidos y una inteligencia de red más profunda. Sin acceso a esta inteligencia, las organizaciones pueden pasar por alto señales importantes, a menudo en los momentos más críticos. La detección de estas señales en tiempo real puede evitar que los clientes sufran pérdidas financieras importantes y reducir futuros incidentes de fraude de identidad.
El desafío es navegar este proceso en tiempo real: recopilar y analizar información rápidamente utilizando señales de datos más rápidas y precisas. Esto requiere evaluar los atributos biométricos asociados con el dispositivo y la transacción y determinar qué constituye un comportamiento normal y anormal.
¿Qué tan buena gente usa la inteligencia artificial?
Se realizan más transacciones digitalmente que nunca, con billones de transacciones y miles de millones de dólares en transacciones realizadas cada año. ¿Cómo identificar transacciones malas o sospechosas entre toda esta actividad? Una respuesta emergente es el uso de la inteligencia artificial.
Cuando se combina con datos potentes y mecanismos de defensa existentes, la IA proporciona otra capa de protección contra los atacantes que la utilizan ilegalmente. Sin embargo, la IA debe desempeñar un papel proactivo: actuar de manera que prevenga el fraude antes de que ocurra, en lugar de simplemente detectarlo después del hecho.
Los delincuentes pueden asumir mayores riesgos y actuar más rápido porque no están limitados por el gobierno de la IA ni por los equipos de gestión de riesgos. Para mantenerse al día, los equipos de prevención de fraude necesitan una estrecha colaboración y la eliminación de los silos organizacionales. Esto les permite adoptar responsablemente la IA a medida que se desarrolla, cerrando la brecha con los delincuentes y, en última instancia, adelantándose a ellos.
Otra tendencia importante es la atención prestada a la autenticación y la identificación. Muchos bancos reconocen que han perdido la confianza en la verdadera identidad del usuario al otro lado de la transacción.
“¿Cómo podemos confiar en una transacción si ni siquiera podemos confiar en la persona que puede haber autorizado o no la transacción?” Dijo Sandow. “Esto es especialmente importante ya que vemos un aumento de identidades sintéticas y deepfakes asistidas por IA”.
Minimizar (pero no eliminar) la fricción
Este también es un momento importante para que las organizaciones consideren niveles óptimos de fricción. Las conversaciones a menudo se centran en equilibrar la fricción con la experiencia del consumidor, pero el objetivo debería ser menos eliminar la fricción por completo y más aplicarla donde más importa. La fricción efectiva proviene de verificar con confianza quién paga o confirmar que los datos biométricos son consistentes con los patrones observados en transacciones recientes.
Las señales contextuales, como el comportamiento biométrico, los datos de transacciones enriquecidos y la inteligencia de redes y dispositivos, pueden proporcionar información valiosa sin fricciones innecesarias para los consumidores. Estas señales permiten a las organizaciones tomar decisiones seguras sobre la presencia de fraude o actividad sospechosa sin afectar la experiencia del cliente. Cuando se descubre un comportamiento sospechoso, las medidas de autenticación se pueden intensificar de manera adecuada.
“Cuando una empresa realiza un pago, normalmente es a su proveedor, y el plazo de pago puede ser de 30 días, 60 días o incluso 90 días”, dijo Sahota. “Una de las áreas que hemos estado analizando es cómo crear herramientas para verificar quién les paga por adelantado antes de que se les pague. La fricción ocurre antes, pero con el nivel correcto de fricción”.
Promover la cooperación
El verdadero liderazgo del mercado actual depende de una colaboración profunda: asociaciones que trasciendan las fronteras tradicionales y aborden los desafíos juntos. Un área donde esta tendencia está empezando a tomar forma es en el intercambio de conocimientos sobre fraude entre los participantes del mercado, lo que permite una detección más rápida y estrategias de prevención más inteligentes.
“Si observamos cómo nuestras organizaciones gestionan el fraude, ya sea un banco, una fintech o una multinacional, a menudo se hace en algún silo”, dijo Sahota. “Necesitamos una mejor colaboración e intercambio de datos entre industrias y fronteras. Aquí es donde tenemos más posibilidades de reducir el fraude y las pérdidas por estafas”.
Pero estos esfuerzos deben evolucionar más rápido y a mayor escala. Las redes de fraude operan a escala global y las respuestas a ellas deben ser proporcionales a su alcance y sofisticación.
“La colaboración y las asociaciones entre el sector público y privado crearán conexiones entre todos los que tengan la capacidad de contribuir a resolver el problema”, dijo Sahota. “Cuando trabajemos juntos, resolveremos el problema y venceremos a los estafadores en el juego que juegan”.
