El crimen financiero no se detiene. En casi tres décadas en los servicios financieros, he visto cómo el fraude evoluciona al ritmo de la tecnología diseñada para detenerlo, e incluso, a veces, logra adelantarse gracias a la rapidez con la que los estafadores adoptan nuevas herramientas. He sido testigo de décadas de innovación en IA que elevó el listón de la detección de fraudes, y aún así los criminales siguen probando esos límites. El fraude continúa siendo una preocupación central para los consumidores: más de 87,5 millones de adultos estadounidenses experimentan una estafa o fraude financiero cada año. Es aproximadamente uno de cada tres adultos en Estados Unidos.

La pregunta para las instituciones financieras no es si la IA tiene lugar en la prevención del fraude, sino si la IA que han desplegado está diseñada para el panorama de amenazas que enfrentan hoy y el que está por venir.

El cómputo ha alcanzado finalmente la visión matemática

Durante décadas, los científicos de datos que trabajaban en la prevención del fraude tenían teorías que no podían implementar. Las ideas eran sólidas, pero las computadoras de la época no eran lo suficientemente potentes para realizar las operaciones necesarias. Esa limitación ya no existe.

Tradicionalmente, la detección de fraudes se llevaba a cabo construyendo un perfil que resume el comportamiento típico de un cliente utilizando características sofisticadas, una red neuronal y la transacción actual del cliente para identificar transacciones sospechosas. Es un enfoque limitado por las capacidades computacionales de la época.

Hoy, el acceso a GPUs y a otros recursos informáticos de alto rendimiento está cambiando el juego. En lugar de analizar una transacción en el contexto de un perfil, las GPUs permiten implementar algoritmos completamente nuevos que pueden evaluar el historial extenso de transacciones de un cliente en tiempo real a medida que ocurre la transacción.

El resultado es una predicción significativamente más nítida y precisa, con faros de falsas alarmas mucho menores que pueden retrasar o impedir compras legítimas, erosionando la confianza del cliente.

Construido para un solo trabajo, no para todos

Gracias a una mayor disponibilidad de GPUs y a un poder computacional superior, estamos viendo nuevas oportunidades para apoyar la prevención del fraude con un modelo transformador de secuencias – no un transformador genérico, sino uno diseñado específicamente para el análisis de transacciones y el crimen financiero.

Con una arquitectura de transformador creada para una tarea única y entrenada exclusivamente con datos de transacciones financieras, las instituciones de servicios financieros pueden detectar el fraude en tiempo real mediante una personalización profunda y el contexto del historial de transacciones del cliente.

Estos no son modelos generales de “hazlo todo”. Son modelos base enfocados, diseñados para entregar IA generativa auditable, de alto rendimiento y baja latencia para la lucha contra el fraude financiero. Cada uno se especializa en áreas distintas, como la toma de control de cuentas, estafas, detección de mule y uso indebido de primera mano.

Modelos independientes centrados en su especialidad permiten una visión más completa, precisa y transparente que cualquier modelo único trabajando por sí solo. Y esto es solo el inicio, ya que la misma metodología se aplica a decisiones de riesgo, dificultades, cobranzas y cualquier aplicación donde comprender a nuestros clientes conduzca a una mejor participación, protección y servicio.

El futuro es ahora

Las capacidades de prevención de fraudes que definirán los próximos cinco años se están construyendo ahora mismo. Las empresas que invierten en proteger a sus clientes del fraude, tanto hoy como en el futuro, entienden que los modelos específicos, el uso de cómputo especializado y los agentes de IA son el camino para proteger a sus clientes.

La matemática que protege a los consumidores hoy fue creada décadas atrás por científicos de IA que vieron el potencial de los algoritmos incluso antes de que existiera el cómputo y la infraestructura. He pasado gran parte de mi carrera persiguiendo ese objetivo para garantizar que la industria esté lista para traer los mejores algoritmos cuando llegue el momento.

Algunas de mis obras más orgullosas provienen de negarme a conformarme y confiar en que la tecnología alcanzará a la IA y las matemáticas. Cada patente, cada modelo, cada experimento de IA ha servido con el mismo propósito: asegurar que la industria esté lista para liderar con las mejores herramientas de IA cuando el cómputo alcance a la invención científica.

Esa labor se está llevando a cabo ahora mismo. La única pregunta es si las instituciones financieras formarán parte de ello o estarán corriendo para ponerse al día.

Este artículo forma parte de TechRadar Pro Perspectives, nuestro canal para presentar a las mentes más brillantes de la industria tecnológica hoy.

Las opiniones expresadas aquí son del autor y no necesariamente representan a TechRadar Pro o Future plc. Si estás interesado en contribuir, descubre más aquí: https://www.techradar.com/pro/perspectives-how-to-submit