Falso positivo
Un falso positivo es un resultado que indica que existe una situación cuando en realidad no es así. En el ámbito de la prevención del fraude y el cumplimiento normativo, significa que un cliente, una solicitud o una transacción legítimos han sido señalados como sospechosos: una persona real que ha sido detenida por un control destinado a detener a otra persona.
Es una de las dos partes de un par. La otra, un falso negativo, es un fraude que ha pasado desapercibido. Cada control genera ambas, y ningún ajuste elimina ninguna de ellas.
| Definición | Un caso legítimo identificado erróneamente como sospechoso |
| Error contrario | Falso negativo: fraude que se ha considerado erróneamente como legítimo |
| También se conoce como | Falsa alarma, error de tipo I |
| Dónde se concentran | Verificación de sanciones, supervisión de transacciones, toma de decisiones sobre solicitudes |
| ¿Quién lo siente? | Primero el cliente, luego el equipo de revisión |
| Según | Tasa de falsos positivos y la tasa de falsos positivos |
Los cuatro resultados
Cualquier control que implique una decisión binaria da lugar a cuatro resultados, y nombrarlos con precisión es lo que hace posible el resto del análisis.
| Realmente fraudulento | De hecho, legítimo | |
|---|---|---|
| Marcado | Verdadero positivo: el control ha funcionado | Falso positivo — Detuvieron a un cliente de verdad |
| Aprobado | Falso negativo — se ha producido un fraude | Negativo verdadero: el control funcionó |
Ambos errores están relacionados con el umbral de decisión. Al endurecerlo, los falsos negativos se convierten en verdaderos positivos y los verdaderos negativos, en falsos positivos, al mismo tiempo. No existe ningún umbral que reduzca ambos, por lo que los debates sobre si un sistema es «demasiado estricto» o «demasiado laxo» son, en realidad, debates sobre el coste relativo de ambos errores.
¿Quién paga realmente por un falso positivo?
El coste suele describirse como «mano de obra de revisión», que es la parte más pequeña del mismo y la única que la organización percibe directamente.
La mayor parte recae sobre el cliente, y no se distribuye de manera equitativa. Una solicitud marcada como sospechosa supone que alguien está esperando —a menudo justo en el momento en que más necesita que el servicio funcione—. Un pago bloqueado es una factura impagada. Un registro rechazado envía a una persona a la competencia, y rara vez vuelve. Ninguno de estos casos aparece en las cifras del equipo de fraude, y la mayoría aparece en las de otros departamentos: conversión, volumen de atención al cliente, reclamaciones.
La distribución es más importante que la media. Los falsos positivos afectan de manera desproporcionada a las personas que se desvían de lo que el sistema considera normal: expediente escaso clientes, personas recién llegadas, personas cuyos nombres se transcriben de varias formas, quienes se han mudado o han cambiado de nombre recientemente, usuarios de dispositivos antiguos. La tasa global de falsos positivos puede mejorar, mientras que la carga para un grupo concreto empeora, y nada en la cifra global lo reflejaría.
Se trata de un problema de equidad y, en los mercados regulados, cada vez más de un problema de supervisión. También es un problema comercial, ya que los grupos más afectados suelen ser los segmentos en crecimiento.
Por qué es importante para la verificación de identidad
El enfoque que permite gestionar los falsos positivos: Un falso positivo no suele ser un caso en el que el sistema se haya equivocado. Se trata de un caso sobre el que el sistema no ha podido tomar una decisión y que, por defecto, se ha remitido a un nivel superior.
A verificación de sanciones La alerta sobre un cliente que comparte nombre con una persona designada no es un error en la comparación. El motor ha funcionado correctamente. Solo disponía de un nombre y nada más, y un nombre por sí solo no basta para distinguir a dos personas.
Esa distinción apunta a la única intervención que mejora ambos errores a la vez. Al modificar el umbral, se sacrifica uno a cambio del otro siguiendo una curva determinada por los datos. Al añadir un atributo discriminante, la curva se desplaza. Una fecha de nacimiento verificada resuelve de forma definitiva el conflicto de nombres. Los identificadores verificados permiten que varias solicitudes se asocien a una misma persona real, lo que convierte una señal de velocidad ambigua en una respuesta clara en cualquier sentido.
Por eso, la verificación de la identidad durante el proceso de incorporación reduce el volumen de alertas durante los años siguientes, y por eso ese beneficio suele pasar desapercibido en el análisis de viabilidad: el coste lo asume el departamento de incorporación y el ahorro recae en las operaciones de cumplimiento normativo.
Lo que no se consigue al reducir los falsos positivos
No se puede conseguir solo con el ajuste. Cada cambio en el umbral que reduce los falsos positivos aumenta los falsos negativos. Solo la información nueva se escapa del proceso.
No se puede juzgar solo por la tasa. Un control que no señala nada tiene una tasa de falsos positivos del 100 % y no detecta nada. La cifra carece de sentido si no se indica la tasa de detección con la que se ha obtenido.
No se puede comparar entre distintas organizaciones. Las distintas poblaciones, con diferentes índices de fraude, generan composiciones de alertas diferentes a partir de controles idénticos.
No soluciona la asimetría subyacente en la medición. Los falsos positivos generan trabajo y quejas, por lo que se contabilizan adecuadamente. Los falsos negativos, por definición, pasan desapercibidos, por lo que se contabilizan mal. Las organizaciones tienden a ajustar sus sistemas para detectar los errores que pueden ver, que no son necesariamente los que más cuestan.
Preguntas frecuentes
¿Cuál es la diferencia entre un falso positivo y un falso negativo?
Un falso positivo señala como sospechoso algo que es legítimo; un falso negativo deja pasar algo fraudulento. Ambos se mueven en direcciones opuestas a medida que cambia el umbral de decisión, por lo que reducir uno ajustando los parámetros siempre aumenta el otro.
¿Por qué hay tantos falsos positivos en las comprobaciones de cumplimiento normativo?
Dado que la comparación debe ser aproximada para tener en cuenta las variaciones en los nombres y la transcripción, los umbrales se establecen de forma conservadora en los casos en que la responsabilidad es estricta, y las entradas de las listas suelen contener muy pocos datos como para poder establecer una distinción. El resultado es un gran volumen de alertas, de las cuales la gran mayoría son coincidencias de nombres en lugar de coincidencias reales.
¿Es lo mismo un falso positivo que un error de tipo I?
Sí. El error de tipo I es el término estadístico que se utiliza para referirse al rechazo erróneo de una hipótesis nula verdadera, lo que equivale a señalar algo que, en realidad, estaba bien. El error de tipo II es el falso negativo. En las operaciones contra el fraude se suelen utilizar más los términos en lenguaje sencillo.
¿Cómo se pueden reducir los falsos positivos sin que se cuelen más casos de fraude?
Añadiendo información en lugar de ajustar el umbral. Una fecha de nacimiento verificada, un número de documento confirmado o una identidad aclarada eliminan la ambigüedad que provocó la alerta, lo que mejora ambos tipos de error a la vez. Los cambios en el umbral solo permiten compensar uno con el otro.
Lecturas relacionadas
- Índice de falsos positivos — cómo se mide el error y qué factores influyen en la tasa
- Verificación de sanciones — el grupo de control en el que predominan los falsos positivos
- Puntuación de riesgo de fraude — a qué se aplica el umbral de decisión
- Área bajo la curva — evaluar un modelo en todos los umbrales