Las empresas y organizaciones utilizan cada vez más la IA para proteger a sus clientes y frustrar los esfuerzos de los estafadores en todo el mundo.
La empresa de seguridad de voz Hiya descubrió que en 2023 se realizaron 550 millones de llamadas fraudulentas por semana y que INTERPOL estimó que los estafadores robaron 1 billón de dólares a las víctimas ese mismo año. En Estados Unidos, una de cada cuatro llamadas que no figuraban en listas de contactos se marcó como spam sospechoso, y los estafadores a menudo atraían a las personas hacia estafas relacionadas con Venmo o garantías extendidas.
Los métodos tradicionales de detección de fraudes incluyen sistemas basados en reglas, modelos estadísticos y revisiones manuales. Estos métodos han tenido dificultades para adaptarse al creciente volumen de fraudes en la era digital sin sacrificar la velocidad y la precisión. Por ejemplo, los sistemas basados en reglas suelen tener altas tasas de falsos positivos, el modelado estadístico puede consumir mucho tiempo y recursos, y las revisiones manuales no pueden adaptarse con la suficiente rapidez.
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 genera tiempos de procesamiento más lentos y limita el análisis y la detección en tiempo real.
Además, los propios estafadores pueden utilizar modelos de lenguaje grandes ( LLM ) y otras herramientas de IA para engañar a las víctimas para que inviertan en estafas, entreguen sus credenciales bancarias o compren criptomonedas.
Pero la IA, combinada con sistemas informáticos acelerados, puede utilizarse para verificarla y ayudar a mitigar todos estos problemas.
Las empresas que integran herramientas robustas de detección de fraude mediante inteligencia artificial han visto una mejora de hasta un 40 % en la precisión de la detección de fraude , lo que ayuda a reducir el daño financiero y de reputación a las instituciones.
Estas tecnologías ofrecen una infraestructura y soluciones robustas para analizar grandes cantidades de datos transaccionales y pueden reconocer de manera rápida y eficiente patrones de fraude e identificar comportamientos anormales.
Las soluciones de detección de fraudes basadas en inteligencia artificial ofrecen una mayor precisión de detección al analizar el panorama general en lugar de las transacciones individuales, lo que permite detectar patrones de fraude que los métodos tradicionales podrían pasar por alto. La inteligencia artificial también puede ayudar a reducir los falsos positivos, aprovechando datos de calidad para proporcionar contexto sobre lo que constituye una transacción legítima. Y, lo que es más importante, la inteligencia artificial y la computación acelerada brindan una mejor escalabilidad, capaz de manejar redes de datos masivas para detectar fraudes en tiempo real.
Cómo las instituciones financieras utilizan la IA para detectar el fraude
Los servicios financieros y bancarios están en la primera línea de batalla contra el fraude, como el robo de identidad, la apropiación de cuentas, las transacciones falsas o ilegales y las estafas con cheques. Se espera que las pérdidas financieras a nivel mundial por fraudes en transacciones con tarjetas de crédito alcancen los 43 mil millones de dólares para 2026.
La IA está ayudando a mejorar la seguridad y abordar el desafío de la escalada de incidentes de fraude.
Los bancos y otras instituciones de servicios financieros pueden aprovechar las tecnologías de NVIDIA para combatir el fraude. Por ejemplo, el acelerador NVIDIA RAPIDS para Apache Spark permite un procesamiento de datos más rápido para manejar volúmenes masivos de datos de transacciones. Los bancos y las instituciones de servicios financieros también pueden utilizar el nuevo flujo de trabajo de inteligencia artificial de NVIDIA para la detección de fraudes ( aprovechando herramientas de inteligencia artificial como XGBoost y redes neuronales gráficas (GNN) con NVIDIA RAPIDS, NVIDIA Triton y NVIDIA Morpheus) para detectar fraudes y reducir los falsos positivos.
BNY Mellon mejoró la precisión de detección de fraudes en un 20 % utilizando sistemas NVIDIA DGX . PayPal mejoró la detección de fraudes en tiempo real en un 10 % al ejecutarse con inferencia impulsada por GPU NVIDIA, al tiempo que redujo la capacidad del servidor en casi 8 veces. Y Swedbank entrenó redes generativas adversarias en GPU NVIDIA para detectar actividades sospechosas.
Las agencias federales de EE. UU. luchan contra el fraude con inteligencia artificial
La Oficina de Responsabilidad Gubernamental de los Estados Unidos estima que el gobierno pierde hasta 521 mil millones de dólares anualmente debido al fraude, basándose en un análisis de los años fiscales 2018 a 2022. El fraude fiscal, el fraude con cheques y los pagos indebidos a contratistas, además de los pagos indebidos bajo los programas de Seguridad Social y Medicare, se han convertido en un enorme lastre para las finanzas del gobierno.
Si bien parte de este fraude se vio incrementado por la reciente pandemia, encontrar nuevas formas de combatirlo se ha convertido en un imperativo estratégico. Por ello, las agencias federales han recurrido a la inteligencia artificial y a la informática acelerada para mejorar la detección del fraude y prevenir los pagos indebidos.
Por ejemplo, el Departamento del Tesoro de Estados Unidos comenzó a utilizar el aprendizaje automático a fines de 2022 para analizar su gran cantidad de datos y mitigar el fraude con cheques. El departamento estimó que la IA ayudó a los funcionarios a prevenir o recuperar más de 4 mil millones de dólares en fraudes en el año fiscal 2024.
Junto con el Departamento del Tesoro, agencias como el Servicio de Impuestos Internos han recurrido a la IA y al aprendizaje automático para cerrar la brecha fiscal (incluido el fraude fiscal), que se estimó en 606 mil millones de dólares en el año fiscal 2022. El IRS ha explorado el uso de los marcos de ciencia de datos acelerados de NVIDIA, como RAPIDS y Morpheus, para identificar patrones anómalos en los registros de los contribuyentes, el acceso a los datos y las vulnerabilidades y exposiciones comunes. También se han utilizado LLM combinados con generación aumentada por recuperación y RAPIDS para resaltar los registros que pueden no estar en consonancia con las políticas.
Cómo la IA puede ayudar a la atención sanitaria a frenar posibles fraudes
Según el Departamento de Justicia de Estados Unidos , el fraude, el despilfarro y el abuso en el ámbito de la atención sanitaria pueden representar hasta el 10% de todos los gastos de atención sanitaria. Otras estimaciones han estimado que ese porcentaje se acerca al 3%. El fraude en Medicare y Medicaid podría alcanzar cerca de los 100.000 millones de dólares. De todos modos, el fraude en el ámbito de la atención sanitaria es un problema que vale cientos de miles de millones de dólares.
El problema adicional que plantea el fraude en el ámbito de la atención médica es que puede provenir de todas partes. A diferencia del IRS o de la industria de servicios financieros, la industria de la atención médica es un ecosistema fragmentado de sistemas hospitalarios, compañías de seguros, compañías farmacéuticas, consultorios médicos o dentales independientes, etc. El fraude puede ocurrir tanto a nivel de proveedores como de pacientes, lo que ejerce presión sobre todo el sistema.
Los tipos más comunes de fraude potencial en la atención médica incluyen:
- Facturación de servicios no prestados
- Upcoding: facturación de un servicio más caro que el prestado
- Desagregación: múltiples facturas por el mismo servicio
- Falsificación de registros
- Usar el seguro de otra persona
- Recetas falsificadas
Las mismas tecnologías de inteligencia artificial que ayudan a combatir el fraude en los servicios financieros y el sector público también se pueden aplicar a la atención sanitaria. Las compañías de seguros pueden utilizar la detección de patrones y anomalías para buscar reclamaciones que parezcan atípicas, ya sea del proveedor o del paciente, y examinar los datos de facturación en busca de actividades potencialmente fraudulentas. El seguimiento en tiempo real puede detectar actividades sospechosas en su origen, mientras se producen. Y el procesamiento automatizado de reclamaciones puede ayudar a reducir el error humano y detectar inconsistencias, al tiempo que mejora la eficiencia operativa.
El procesamiento de datos a través de NVIDIA RAPIDS se puede combinar con aprendizaje automático y GNN u otros tipos de IA para ayudar a detectar mejor el fraude en cada capa del sistema de atención médica, ayudando a los pacientes y profesionales en todas partes que enfrentan altos costos de atención.
La inteligencia artificial para la detección de fraudes podría ahorrar miles de millones de dólares
Los servicios financieros, el sector público y la industria de la salud están utilizando IA para la detección de fraudes y así brindar una defensa continua contra uno de los mayores problemas que afectan la actividad económica en el mundo.
La plataforma NVIDIA AI admite todo el proceso de detección de fraude y verificación de identidad (desde la preparación de datos hasta el entrenamiento del modelo y la implementación) con herramientas como NVIDIA RAPIDS, NVIDIA Triton Inference Server y NVIDIA Morpheus en la plataforma de software NVIDIA AI Enterprise . NVIDIA News. D. R. Traducido al español
Contacto