La detección de fraude de IA ahorrará miles de millones a las marcas de comercio electrónico

La Inteligencia Artificial (IA) está revolucionando casi todos los sectores, incluido el comercio electrónico. Una de esas áreas en las que las empresas de comercio electrónico astutas utilizan IA es la detección de fraudes. Con el avance del análisis de datos, los algoritmos pueden analizar millones de puntos de datos para detectar nuevos casos potenciales de fraude, antes y con mayor precisión.

Para ejecutar un sistema de detección de fraude exitoso, los comerciantes deben mantener un delicado equilibrio de precisión. Deben negar las transacciones fraudulentas, que son extremadamente costosas, al mismo tiempo que evitan la denegación de transacciones legítimas para evitar la rotación y mantener su reputación.

Complicando las cosas; no existe un método fiable para diferenciar entre lo deseable y lo indeseable; Se perdieron aproximadamente $ 600 mil millones de ingresos de comercio electrónico global debido a la disminución de pagos en 2020, lo que complica las cosas.

¿Cómo está IA librando la buena batalla contra el fraude? Siga leyendo para averiguarlo.

Combatir el fraude con fuego

Según Juniper Research, se prevé que las pérdidas comerciales acumuladas debido al fraude de pagos en línea superen los 343.000 millones de dólares en todo el mundo para 2027, lo que pone de relieve la amenaza cada vez mayor de fraude. La detección de fraude basada en IA está reemplazando cada vez más a los métodos tradicionales que utilizan reglas creadas por humanos para decidir si una transacción debe rechazarse. Dichos métodos a menudo eran ineficientes, a diferencia de los procesos de detección de fraude basados ​​en IA. La detección de fraudes basada en reglas depende de políticas que predicen el comportamiento inadecuado de los clientes con anticipación, lo que puede ser dolorosamente inexacto. La IA de detección de fraude se basa principalmente en modelos de aprendizaje no supervisados. Los algoritmos de las máquinas analizan grandes conjuntos de datos de múltiples proveedores y millones de transacciones para detectar patrones basados ​​en patrones de comportamiento en los datos. El algoritmo no está entrenado en puntos de datos específicos; en cambio, identifica de forma autónoma patrones en los datos. La inteligencia artificial ofrece flexibilidad para la prevención del fraude al identificar anomalías y actividades sospechosas sin depender de reglas preestablecidas. Además, la IA puede proporcionar decisiones instantáneas para mejorar la seguridad del sistema. Las tecnologías de detección de fraude de proveedores externos ayudan a igualar el campo de juego para que los comerciantes compitan contra mercados masivos como Amazon o Alibaba. Estas tecnologías agregan datos de miles de comerciantes y millones de transacciones, proporcionando una forma confiable de detectar fraudes y competir con las marcas gigantes.

Reconocer un patrón roto

Los sistemas de detección de fraude basados ​​en IA pueden adaptarse y tomar decisiones cada vez más matizadas a medida que surgen nuevos patrones de comportamiento. Echemos un vistazo a la reciente pandemia, por ejemplo. Durante las primeras etapas del confinamiento, los compradores que antes nunca eran grandes compradores de artículos y herramientas para mejoras del hogar ahora estaban haciendo compras sustanciales en estas categorías. Para evitar el rechazo de compras por error, lo que anteriormente puede haber parecido engañoso, los comerciantes de comercio electrónico tuvieron que ajustar la forma en que supervisan y marcan las cuentas. Este es precisamente el tipo de ajustes casi en tiempo real que la IA puede hacer de forma autónoma.

El envío acelerado es otro ejemplo de los avances de la IA en tiempo real. Según datos de Riskified, los pedidos realizados con envío acelerado aumentaron un 140 % de enero a diciembre de 2020, mientras que los niveles de fraude disminuyeron un 45 % durante el mismo período. Además, el envío acelerado reduce el tiempo del comerciante para cancelar un pedido y se percibe como una señal de alerta para la detección de fraude. Sin embargo, la pandemia ha hecho prevalecer este método de envío, convirtiéndose en una práctica más segura con el tiempo.

Amenazas emergentes

Identificar actividades de pago sospechosas cometidas por clientes que anteriormente eran genuinos puede ser particularmente desafiante. Un ejemplo común se conoce como "fraude amistoso", donde un cliente disputa un cargo con la compañía de su tarjeta de crédito para evadir el pago de un producto comprado previamente a un minorista de bienes físicos. Los estafadores pueden reclamar que un artículo no se recibió presentando una devolución de cargo de "artículo no recibido" con su banco o compañía de tarjeta de crédito. De hecho, algunos realizan devoluciones de cargo a gran escala y venden los artículos en el mercado negro, lo que hace que los minoristas pierdan millones de dólares cada año. Si esto ocurriera en una tienda física, entraría en la categoría de hurto.

Una tendencia de fraude de rápido crecimiento conocida como abuso de políticas implica que los clientes que pagan regularmente infrinjan los términos y condiciones de un minorista, generalmente para ahorrar o ganar dinero. Aunque el abuso de políticas difiere del fraude tradicional, los minoristas aún pueden sufrir pérdidas financieras que pueden pasar desapercibidas.

Como resultado, las empresas ahora recurren a la IA para abordar estas situaciones. La IA recopilará datos, incluidas direcciones IP, huellas dactilares de dispositivos y análisis de comportamiento. Luego, estos datos se comparan con pedidos anteriores en varias redes comerciales. Por ejemplo, suponga que un cliente está disputando un pedido fraudulento que no realizó. En ese caso, el sistema puede verificar si el pedido se realizó utilizando la misma dirección IP y/o dispositivo con el que el cliente realizó pedidos anteriormente. Esto permite a los comerciantes priorizar las disputas y abordar el abuso de políticas de los infractores más frecuentes, automatizando el proceso de resolución de disputas para mejorar la escalabilidad y la eficiencia.

Con la creciente sofisticación de las tácticas de fraude, los métodos de detección de fraude también han evolucionado. Pronto, el análisis de los aspectos biométricos del comercio electrónico, como la "huella de voz" y el ángulo en el que se sostiene un teléfono móvil, irá más allá del monitoreo de patrones de compra.

Reuniéndolo todo

Con un sistema de prevención de fraude impulsado por IA, las empresas pueden ser flexibles y adaptar su enfoque a las nuevas amenazas y oportunidades a medida que los reguladores, los clientes y los delincuentes continúan evolucionando. Al aprovechar las técnicas basadas en IA, las empresas de comercio electrónico pueden reducir significativamente el riesgo de pérdidas costosas por transacciones fraudulentas al tiempo que brindan una experiencia de compra más fluida para sus clientes. Está claro que la IA está desempeñando un papel vital en las estrategias de prevención del fraude para las empresas de comercio electrónico en la actualidad, y seguirá haciéndolo en el futuro previsible.