Las empresas y organizaciones utilizan cada vez más la IA para proteger a sus clientes y frustrar los esfuerzos de los estafadores de todo el mundo.
La empresa de seguridad por voz Hiya descubrió que en 2023 se realizaron 550 millones de llamadas fraudulentas a la semana, y INTERPOL estima que los estafadores robaron 1 billón de dólares a las víctimas ese mismo año. En los EE. UU., una de cada cuatro llamadas fuera de la lista de contactos se marcó como spam sospechoso, y los estafadores a menudo atraen a las personas a estafas relacionadas con Venmo o con garantía extendida.
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 fraude 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 llevar mucho tiempo y recursos, y las revisiones manuales no pueden escalar lo suficientemente rápido.
Además, los workflows tradicionales de ciencia de datos carecen de la infraestructura necesaria para analizar los volúmenes de datos involucrados en la detección de fraudes, lo que lleva a tiempos de procesamiento más lentos y limita el análisis y la detección en tiempo real.
Además, los propios estafadores pueden utilizar grandes modelos de lenguaje (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, junto con los sistemas de computación acelerada, se puede usar para verificar la IA y ayudar a mitigar todos estos problemas.
Las empresas que integran sólidas herramientas de detección de fraudes con IA han visto una mejora de hasta el 40% en la precisión de la detección de fraudes, lo que ayuda a reducir el daño financiero y de reputación de las instituciones.
Estas tecnologías ofrecen una infraestructura y soluciones sólidas para analizar grandes cantidades de datos transaccionales y pueden reconocer rápida y eficientemente patrones de fraude e identificar comportamientos anormales.
Las soluciones de detección de fraude impulsadas por IA proporcionan una mayor precisión de detección al observar el panorama completo en lugar de las transacciones individuales, detectando patrones de fraude que los métodos tradicionales podrían pasar por alto. La IA 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 IA y la computación acelerada proporcionan 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 Fraudes
Los servicios financieros y la banca son la primera línea de la 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 en todo el mundo por fraude en transacciones con tarjetas de crédito alcancen los $43 mil millones para 2026.
La IA está ayudando a mejorar la seguridad y a abordar el reto de la escalada de los incidentes de fraude.
Los bancos y otras instituciones de servicios financieros pueden aprovechar las tecnologías de NVIDIA para combatir el fraude. Por ejemplo, el NVIDIA RAPIDS Accelerator 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 workflow de IA de NVIDIA para la detección de fraudes: aprovechar las herramientas de IA como XGBoost y redes grafos neuronales (GNN) con NVIDIA RAPIDS, NVIDIA Triton y NVIDIA Morpheus, para detectar fraudes y reducir los falsos positivos.
BNY mejoró la precisión de la detección de fraudes en un 20% con los sistemas NVIDIA DGX. PayPal mejoró la detección de fraudes en tiempo real en un 10% con la inferencia impulsada por GPU de 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 IA
La Oficina de Responsabilidad Gubernamental de los Estados Unidos estima que el gobierno pierde hasta $521 mil millones anuales debido al fraude, según un análisis de los años fiscales 2018 a 2022. El fraude fiscal, el fraude de cheques y los pagos indebidos a los contratistas, además de los pagos indebidos bajo los programas de Seguro Social y Medicare, se han convertido en un lastre masivo para las finanzas del gobierno.
Si bien parte de este fraude se infló con la reciente pandemia, encontrar nuevas formas de combatir el fraude se ha convertido en un imperativo estratégico. Por ello, las agencias federales han recurrido a la IA y a la computacíon acelerada para mejorar la detección de fraudes y evitar pagos indebidos.
Por ejemplo, el Departamento del Tesoro de EE. UU. comenzó a utilizar el machine learning a fines de 2022 para analizar su tesoro de datos y mitigar el fraude con cheques. El departamento estimó que la IA ayudó a los funcionarios a prevenir o recuperar más de 4.000 millones de dólares en fraude en el año fiscal 2024.
Junto con el Departamento del Tesoro, agencias como el Servicio de Impuestos Internos (IRS) han recurrido a la IA y el machine learning para cerrar la brecha fiscal, incluido el fraude fiscal, que se estimó en $606 mil millones en el año fiscal 2022. El IRS ha explorado el uso de los frameworks 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. Los LLM combinados con la generación aumentada de recuperación y RAPIDS también se han utilizado para resaltar registros que pueden no estar alineados con las políticas.
Cómo la IA Puede Ayudar a el Área de la Salud a Frenar Posibles Fraudes
Según el Departamento de Justicia de EE. UU., el fraude, el desperdicio y el abuso del área de la salud pueden representar hasta el 10% de todos los gastos de área de la salud. Otras estimaciones han considerado que ese porcentaje está más cerca del 3%. El fraude a Medicare y Medicaid podría estar cerca de los $100 mil millones. En cualquier caso, el fraude sanitario es un problema que vale cientos de miles de millones de dólares.
El desafío adicional con el fraude en el área de la salud es que puede provenir de todas las direcciones. A diferencia del IRS o la industria de servicios financieros, la industria de la salud es un ecosistema fragmentado de sistemas hospitalarios, compañías de seguros, compañías farmacéuticas, prácticas médicas o dentales independientes, y más. El fraude puede ocurrir tanto a nivel del proveedor como del paciente, lo que ejerce presión sobre todo el sistema.
Los tipos comunes de posibles fraudes en la atención médica incluyen:
- Facturación de servicios no prestados
- Upcoding: facturación de un servicio más caro que el prestado
- Desagregación: varias facturas para el mismo servicio
- Falsificación de registros
- Usar el seguro de otra persona
- Recetas falsificadas
Las mismas tecnologías de IA que ayudan a combatir el fraude en los servicios financieros y el sector público también se pueden aplicar a el área de la salud. 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 monitoreo en tiempo real puede detectar actividades sospechosas en la fuente, a medida que suceden. Y el procesamiento automatizado de reclamaciones puede ayudar a reducir los errores humanos y detectar inconsistencias, al tiempo que mejora la eficiencia operativa.
El procesamiento de datos a través de NVIDIA RAPIDS se puede combinar con el machine learning y las GNN u otros tipos de IA para ayudar a detectar mejor el fraude en cada capa del sistema del área de la salud, ayudando a los pacientes y profesionales de todo el mundo que se enfrentan a altos costos de atención.
La IA para la Detección de Fraudes Podría Ahorrar Miles de Millones de Dólares
Los servicios financieros, el sector público y el área de la salud están utilizando la IA para la detección de fraudes con el fin de proporcionar una defensa continua contra una de las mayores sangrías de la actividad económica del mundo.
La plataforma de IA de NVIDIA es compatible con todo el proceso de detección de fraudes y verificación de identidad, desde la preparación de datos hasta el entrenamiento del modelo y la implementación, con herramientas como NVIDIA RAPIDS, Servidor de Inferencia NVIDIA Triton y NVIDIA Morpheus en la plataforma de software NVIDIA AI Enterprise.
Obtén más información sobre las soluciones de NVIDIA para la detección de fraudes con IA y computación acelerada.