Signicat elaboró este reporte tras consultar a más de 1.200 responsables de prevención de fraude del sector financiero y de pagos de siete países europeos.
La particularidad de este escenario es que la misma tecnología que utilizan las compañías para prevenir el fraude también está siendo aprovechada por quienes intentan cometerlo.
El paper también revela que 42,5 % de los intentos de fraude detectados ya involucran inteligencia artificial, una tendencia que obliga a las organizaciones a replantear sus mecanismos de prevención y validación.
Si bien el relevamiento se centra en el sector financiero, el fenómeno comienza a proponer desafíos para otras industrias en las cuales la verificación de evidencias resulta crítica, como el mercado asegurador.
Fotografías, presupuestos, certificados médicos, comprobantes e incluso documentos de identidad pueden ser alterados o generados mediante inteligencia artificial, con un nivel de realismo que hace apenas unos años era impensado.
En el mercado asegurador, este cambio no solo incrementa el riesgo de fraude. También eleva los costos asociados a las investigaciones, prolonga los tiempos necesarios para validar un siniestro y pone bajo presión la confianza entre aseguradoras y clientes, que esperan resoluciones ágiles sin resignar seguridad.
"Lo que está cambiando no es solamente el fraude. Está cambiando el concepto de evidencia. Una fotografía ya no puede asumirse como prueba suficiente por sí sola. El desafío consiste en combinar modelos capaces de detectar manipulaciones con procesos que integren distintas fuentes de información, y mantengan al analista en el centro de las decisiones críticas", aseveró Silvia Pascual, Business Manager de Flux IT.
Ante este escenario, las aseguradoras comienzan a incorporar herramientas capaces de analizar grandes volúmenes de información, detectar inconsistencias entre distintas fuentes e identificar patrones de comportamiento.
En la práctica, estas capacidades pueden asistir en la autenticación de imágenes de siniestros para detectar posibles manipulaciones, contrastar la documentación presentada con otras fuentes de información, resumir expedientes y señalar anomalías para que los analistas concentren su trabajo en los casos que realmente requieren una investigación más profunda.
"En nuestros proyectos, combinamos modelos de machine learning, análisis de metadatos e inconsistencias visuales, para asistir a los analistas en la detección de imágenes alteradas. En implementaciones sobre fotografías de vehículos y documentación de siniestros, alcanzamos precisiones de 97 % a 100 %, sin registrar falsos positivos", aportó Silvia Pascual.
La inteligencia artificial permite crear imágenes, documentos e identidades sintéticas con un nivel de precisión que obliga a elevar los estándares de control y verificación.
"No existe una única respuesta tecnológica para este problema. En algunos casos, será necesario automatizar controles; en otros, integrar mejor la información disponible o darle al analista más contexto para decidir. La diferencia no estará en aplicar más inteligencia artificial, sino en usarla donde genere valor real, con datos confiables, reglas claras y supervisión humana. Ese equilibrio es el que permite reducir costos y tiempos, sin deteriorar la confianza de los asegurados", concluyeron portavoces de Flux IT.
