Aprendizaje automático (ML)

El aprendizaje automático es un conjunto de métodos para crear sistemas cuyo comportamiento se deriva de los datos, en lugar de basarse en instrucciones explícitas. En lugar de que sea una persona quien establezca la regla, el sistema deduce la relación a partir de ejemplos, lo que lo hace idóneo para problemas en los que el patrón es real, pero nadie es capaz de expresarlo con claridad.

La detección del fraude y la verificación de la identidad son dos de estos problemas, y el aprendizaje automático constituye la base de la mayor parte de las soluciones que se aplican en cada uno de ellos. Además, se trata de un campo en el que se habla menos de sus límites que de sus capacidades, y en el ámbito del fraude los límites tienen que ver principalmente con los datos, más que con los algoritmos.

Aprendizaje supervisado Aprende a partir de ejemplos etiquetados — la mayoría de los sistemas de puntuación de fraude
Aprendizaje no supervisado Detecta estructuras sin etiquetas: detección de anomalías, agrupación en clústeres
En la verificación de identidad Clasificación de documentos, extracción de datos, reconocimiento facial, vitalidad
En la detección del fraude Puntuación de riesgo, modelización del comportamiento, análisis de redes y de enlaces
Evaluado con AUC, precisión y recuperación — no exactitud
Principal obstáculo en materia de fraude La calidad de las etiquetas, no la arquitectura del modelo

En qué supera el aprendizaje automático a las reglas

Una regla codifica una relación que alguien ya conoce. Esto supone una ventaja cuando la relación es estable y debe poder explicarse, y un límite insuperable cuando el patrón útil implica la interacción de muchas señales débiles.

Las señales de fraude suelen ser débiles por sí solas. Un nuevo dispositivo no llama la atención. Una hora ligeramente inusual tampoco llama la atención. Una dirección de envío a doscientas millas de la dirección de facturación tampoco llama la atención. La combinación de estos factores, con unos valores concretos y procedente de una red determinada, puede ser un indicador muy fiable —y nadie habría establecido esa regla, porque la interacción no es visible a simple vista—.

Los modelos también se adaptan a medida que cambia la población, lo que da lugar a una acumulación de reglas. La mayoría de los motores de reglas consolidados contienen cientos de reglas, algunas de las cuales se contradicen entre sí, muchas escritas para condiciones que ya no existen, y nadie está dispuesto a eliminarlas porque nadie sabe qué depende de qué.

En la verificación de identidad, esto es aún más evidente. Leer un documento bajo diferentes condiciones de iluminación, con cientos de variantes de diseño, o determinar si un rostro está físicamente presente, son tareas de percepción que no pueden especificarse en absoluto mediante reglas.

Por qué las etiquetas son la verdadera limitación

Esta es la parte que determina si un modelo de detección de fraudes es eficaz, y se trata de un problema relacionado con los datos más que con el modelo en sí.

  • Los casos desestimados no tienen resolución. Nunca se supo si una solicitud que fue rechazada era fraudulenta. El modelo nunca llega a saber si esos rechazos fueron acertados, y el reentrenamiento basado en sus propias decisiones no hace más que reforzarlas. Con el tiempo, mejora en la reproducción de decisiones pasadas, lo cual no es lo mismo que mejorar en la detección del fraude.
  • El fraude no detectado se considera legítimo. El fraude que nunca se detectó permanece en los datos de entrenamiento como un resultado correcto, lo que enseña activamente al modelo que ese patrón es adecuado.
  • Las etiquetas llegan tarde. Una devolución puede tardar meses; una vagón cama El proceso puede llevar años. El modelo aprende constantemente de un mundo que ha seguido avanzando.
  • Los casos de fraude son poco frecuentes. Con un porcentaje de resultados positivos muy por debajo del 1 %, el modelo encuentra muy pocos ejemplos de aquello para lo que ha sido diseñado, por lo que la precisión deja de ser una medida significativa: aprobarlo todo supone obtener una puntuación superior al 99 %.

La consecuencia: En el ámbito del fraude, la diferencia entre un buen modelo y uno mediocre suele ser menor que la diferencia entre unas características buenas y otras deficientes. El esfuerzo dedicado a la calidad de los datos suele reportar más beneficios que el dedicado a la arquitectura.

Por qué es importante para la verificación de identidad

El aprendizaje automático aparece dos veces en el trabajo sobre identidad, desempeñando funciones diferentes.

Verificación interna Se encarga de la percepción: clasificar qué tipo de documento se está presentando entre cientos de tipos diferentes, localizar y leer los campos, evaluar si las características de seguridad están presentes y son coherentes, asociar un rostro a un retrato y determinar si la imagen es real. Estas son las tareas en las que los modelos han sustituido a enfoques que nunca funcionaron bien.

Aguas abajo, la verificación aporta al modelo un tipo de característica cualitativamente diferente. Un modelo de detección de fraudes que analiza los datos declarados por el propio solicitante en su solicitud razona a partir de las afirmaciones que este ha decidido realizar. El mismo modelo, cuando se le proporcionan un nombre, una fecha de nacimiento y un número de documento verificados, razona sobre hechos. Además, es capaz de asociar los registros a una misma persona real, que es lo que requieren las características de velocidad y de red —y algo que los datos declarados por el propio solicitante no pueden respaldar, ya que una identidad falsificada está diseñada para no poder ser identificada—.

El resumen sincero: unos modelos mejores ayudan ligeramente, pero unos datos de entrada mejores modifican toda la curva.

Lo que el aprendizaje automático no puede hacer en materia de fraude

No puede detectar lo que nunca ha visto. Los modelos supervisados detectan patrones que se asemejan a casos de fraude conocidos. Una técnica verdaderamente novedosa permanece invisible hasta que se ha etiquetado una cantidad suficiente de datos, razón por la cual las reglas y el criterio de los analistas siguen siendo necesarios como complemento de los modelos, y no como algo obsoleto.

No puede explicarse por sí misma sin un esfuerzo deliberado. Varios regímenes exigen que las decisiones desfavorables se expliquen a la persona afectada. Una puntuación no cumple ese requisito, y la explicabilidad debe construirse, en lugar de darse por sentada.

No se puede lograr la equidad eliminando los atributos protegidos. Los modelos aprenden variables sustitutivas —como la geografía, el coste de los dispositivos o los patrones de los nombres— y, al eliminar el campo explícito, la correlación se mantiene intacta. La equidad exige medir los resultados entre los distintos grupos, no omitir columnas.

No se conserva bien por sí solo. El fraude se adapta, las poblaciones cambian y los modelos se desvían. Un modelo que no se comprueba con datos recientes sobre los resultados se va deteriorando silenciosamente, al tiempo que sigue arrojando cifras que parecen fiables.

No puede determinar la identidad. Un modelo puede llegar a la conclusión de que un caso se asemeja a un fraude. No puede determinar quién es una persona; para eso se necesitan pruebas, y las pruebas son algo distinto de una inferencia.

Preguntas frecuentes

¿Cómo se utiliza el aprendizaje automático en la detección del fraude?

Principalmente para la puntuación de riesgos, en la que un modelo evalúa numerosas señales débiles para clasificar los casos; para la modelización del comportamiento, comparando la actividad con patrones aprendidos; y para el análisis de redes, identificando conexiones entre cuentas que ninguna regla expresa. En la verificación de identidad, también se encarga de la lectura de documentos, la comparación facial y la verificación de que la persona está viva.

¿Es el aprendizaje automático mejor que las reglas a la hora de detectar el fraude?

Para cosas diferentes. Los modelos gestionan numerosas señales débiles que interactúan entre sí y se adaptan a medida que cambian las poblaciones. Las reglas son explícitas, comprensibles y de aplicación inmediata, lo cual es importante para cumplir con las restricciones normativas y para responder a un nuevo ataque el mismo día. Los sistemas de producción casi siempre utilizan ambos.

¿Por qué la precisión no es un buen indicador para los modelos de detección de fraude?

Porque el fraude es poco frecuente. Con una tasa de fraude del 0,1 %, un modelo que apruebe todas las solicitudes tiene una precisión del 99,9 % y no detecta nada. La precisión, la recuperación y el área bajo la curva de precisión-recuperación reflejan el comportamiento del modelo en los casos que realmente importan.

¿Qué factores limitan el aprendizaje automático en la detección del fraude?

La calidad de las etiquetas, por encima de cualquier otra cosa. Las solicitudes rechazadas no tienen resultado, los fraudes no detectados se registran como legítimos y las etiquetas llegan con meses de retraso. Un modelo entrenado de esta manera aprende a reproducir decisiones pasadas, por lo que mejorar los datos subyacentes suele dar mejores resultados que mejorar el modelo.

Lecturas relacionadas

Descubre nuestras soluciones

Explorar nuestras soluciones está a un clic de distancia. Prueba nuestros productos o charla con uno de nuestros expertos para profundizar en lo que ofrecemos.

Informe
Análisis del aumento del fraude de identidad impulsado por la inteligencia artificial

La IA no solo ha acelerado el fraude, sino que lo ha convertido en un sistema. Hemos analizado millones de interacciones relacionadas con la identidad para trazar un mapa de cómo están evolucionando los ataques a la identidad en las distintas regiones, según los tipos de ataque y los niveles de sofisticación, y qué deben replantearse las organizaciones para mantenerse al día.

Ver los datos