La inteligencia de dispositivos y los datos de comportamiento son el regalo que no deja de dar al equipo antifraude. Para los CRO, la inteligencia de dispositivos y los datos de comportamiento van más allá de la lucha contra el fraude. Sientan las bases para el cumplimiento normativo, la eficiencia de costos y la resiliencia operativa en toda la organización.
Los datos pueden utilizarse como prueba contundente para disputar contracargos o para la geovalla en casos de uso relacionados con sanciones.
El error es asumir que estas fuentes de datos probadas y comprobadas son estáticas. Ocurre justo lo contrario. Ante cualquier nuevo riesgo que surja, el dispositivo y el comportamiento ocupan sistemáticamente un lugar destacado, tanto a simple vista como al evaluar el ML y la IA en la prevención del fraude por su importancia como características.
Supongo que lo que quiero decir es que los dispositivos y el comportamiento son como comer verduras y hacer ejercicio con regularidad. No son algo opcional; son la base.
Eso es lo que los datos siguen mostrando.
Cada vez.
¿No me crees?
Mira las bonitas gráficas de abajo 👇
Se puede aplicar a más casos de uso si se construye correctamente.
Veamos dos ejemplos
- Pruebas contundentes para impugnar un contracargo.
- Datos del dispositivo para geovallar jurisdicciones de alto riesgo.
La Evidencia Convincente 3.0 (CE 3.0) permite el uso de datos de dispositivos y de comportamiento.
Los contracargos son complicados y costosos de disputar (el promedio ronda los 400 USD). El proceso de disputa con las redes de tarjetas requiere que se recopilen y presenten “pruebas contundentes” a través de los proveedores de servicios de pago (PSP).
El problema es que un usuario malintencionado que abusa de los contracargos probablemente utilice la opción de pago como invitado. El pago como invitado es excelente para un usuario que compra por primera vez y aumenta las ventas, pero muchos comercios están considerando desactivarlo por completo debido al alto volumen de contracargos.
Mientras que de un usuario recurrente con cuenta podrías tener algo de historial, un usuario nuevo con solo una dirección de correo electrónico, dirección postal y datos de la tarjeta podría ser un infractor reincidente y tendrías muy pocas formas de evitarlo.
Según compelling evidence 3.0, se anima a los comercios a recopilar información del dispositivo y la IP para disputar un contracargo. Los procesos de disputa de contracargos requieren pruebas exhaustivas y contundentes, lo cual es especialmente importante en entornos de alto riesgo donde las auditorías regulatorias son frecuentes. Al incorporar de forma estratégica los datos de dispositivo y comportamiento, tus esfuerzos de cumplimiento se vuelven fluidos y rentables, con tasas de éxito acordes.
🎣 Si puedes ver que este mismo dispositivo está usando muchas tarjetas en tu proceso de pago como invitado, eso hace que tu caso sea más sólido.
Lo que significa que los comercios ganan más disputas.
⚡ (Y como toque final, el Agente de IA de contracargos de Sardine puede recopilar esas pruebas por ti y darles el formato adecuado para enviarlas a tu PSP).
Los datos del dispositivo pueden ayudar a que el AML Geofence limite las jurisdicciones de alto riesgo.
Combatir las sanciones únicamente con datos de transacciones o de incorporación es increíblemente difícil. Un usuario con una identidad robada, que use una VPN o un proxy, podría estar operando desde regímenes sancionados como Corea del Norte.
Los actores malintencionados hacen todo lo posible por ocultar su ubicación o la información de su dirección IP utilizando VPN y proxies para enmascarar su ubicación física. A menudo, los servicios de KYC, KYB y monitoreo de transacciones pasarían por alto este detalle adicional.
La falta de generar una alerta y presentar un SAR da como resultado un programa BS/AML menos eficaz y expone a las instituciones financieras a un riesgo de sanciones.
🎣 Si puedes atravesar el proxy o la VPN, podrás ver la ubicación real del dispositivo y asegurarte de que cumples con la ley.
Lo que significa que las instituciones presentan más SAR y demuestran la eficacia de su cumplimiento.
⚡ (Y para poner la guinda, el Agente de IA para Narrativas SAR de Sardine puede recopilar esas pruebas por ti y darles formato como una narrativa SAR).
El dispositivo y el comportamiento ganan constantemente para los profesionales.
Sea cual sea el nuevo riesgo que surja, el dispositivo y el comportamiento ocupan sistemáticamente un lugar destacado tanto a simple vista como al evaluar la importancia de las características en modelos de ML y de IA.
Vemos lo mismo en nuestra plataforma y en nuestra experiencia vivida.
Como dijo Matt Vega de Novo en una entrevista reciente:
Los datos de dispositivos y de comportamiento también son especialmente importantes para gestionar las amenazas emergentes. Ya se trate de estafas, deepfakes o algo que aún no existe, los datos con más probabilidades de verse comprometidos son los datos históricos.
La mayoría de las identidades han sido robadas, los números de tarjeta están disponibles en la dark web y la información de las transacciones suele ser limitada en cuanto a lo clara o útil que resulta cuando se utiliza de forma aislada.
Un par de ejemplos recientes:
- Incorporación KYC con deepfakes (ataques de enmascaramiento con IA), se basan en engañar la detección de prueba de vida o al agente humano respecto a la verdadera identidad de la persona que se está incorporando. Por lo general, el dispositivo ha sido modificado para permitir que se muestre ese video, y los datos adecuados del dispositivo pueden detectarlo.
- Fraude de pago autorizado por el usuario (fraude APP), se basa en la ingeniería social para engañar a un usuario y hacer que envíe dinero a una cuenta fraudulenta. Si se supervisa el dispositivo y el comportamiento del usuario, pueden detectarse sutiles indicios de comunicación con el estafador
No todos los datos de dispositivo y comportamiento son iguales.
Los proveedores de inteligencia de dispositivos y biometría de comportamiento existen desde hace unas dos décadas. La mayoría de los bancos, los grandes comercios e incluso las empresas de pagos cuentan con cierto nivel de esta capacidad.
Hay dos problemas
- A menudo, el comportamiento del usuario se considera algo “deseable” y se deja fuera de la mesa
- La mayoría de estas plataformas son estáticas y poco flexibles
Es estupendo contar con estos datos, pero cuando combinas el dispositivo y cómo el usuario está utilizando el dispositivo juntos, es cuando detectas muchas más señales ocultas de actividad maliciosa. Si tienes que comprar estos datos a dos proveedores distintos, ahora tienes dos costos y un problema de integración.
Los problemas de integración se agravan con plataformas inflexibles o proveedores que insisten en iniciar un “proyecto” cada vez que quieres cambiar una regla o incorporar otros datos de terceros.
Idealmente, quieres que los datos de dispositivos y de comportamiento estén disponibles desde un solo lugar y que se integren bien con cualquier sistema interno que ya tengas.
Al gestionar riesgos de fraude o de cumplimiento, contar con más datos es mejor.
El dispositivo y el comportamiento funcionan bien como base para las señales de riesgo.
Estamos acostumbrados a tratar la transacción de pago, la identidad o los datos de terceros como nuestra principal señal de riesgo y fuente de datos.
Eso no está mal; simplemente ya no es lo más avanzado.
La incorporación de un usuario o una transacción ocurre en un momento específico. Sin embargo, la fuente de datos más abundante es su dispositivo y su comportamiento en tu plataforma. Esto crea un ancla para un usuario, o “el mismo usuario”, como lo llamamos. A este mismo usuario se le pueden asociar atributos, como datos transaccionales, correo electrónico, datos de telecomunicaciones, consorcios bancarios, open finance, listas de vigilancia y otras fuentes.
En conjunto, esto muestra cómo cambia el perfil de riesgo de un usuario con el tiempo.
Hoy el equipo antifraude hace hincapié en recopilar la mayor cantidad posible de datos sobre los buenos usuarios y en construir una línea de base.
La estrategia para aprovechar al máximo los datos de dispositivo y comportamiento de tus usuarios.
- Haz que evolucione constantemente. Las señales disponibles del dispositivo de un usuario y la forma en que los atacantes las explotan cambian con el tiempo. Ya sea un nuevo ajuste de privacidad, una actualización del sistema operativo o una regulación, las mismas señales de siempre dejarán de funcionar. Necesitamos probar, iterar y llevar constantemente al límite la I+D en el dispositivo y en cómo se utiliza para detectar amenazas. Lo que antes era de vanguardia pronto dejará de serlo. Si las señales de tu dispositivo y del comportamiento son estáticas, estarás degradando el rendimiento mes a mes. Esta es la misma limitación que tratamos en por qué el KYC puntual se queda corto.
- Hacer que el dispositivo y el comportamiento se apliquen a todos los casos de uso. Hemos tendido a usar una nueva herramienta para resolver un problema nuevo. Los casos de uso más comunes, como la apertura de cuentas o el análisis de transacciones, siguen siendo eficaces, pero hemos observado mejoras significativas en los casos de uso de BSA/AML y Sanciones para nuestros clientes. Los datos de Dispositivo y Comportamiento se están convirtiendo en un ancla fiable para tu enfoque de ingeniería de datos de fraude y cumplimiento.
- Combínalo con tantas fuentes de datos como sea posible. Todos los problemas de riesgo son problemas de datos. Una vez que tengas una visión confiable de un usuario o entidad únicos, cuantos más atributos de datos puedas asignar a esa entidad, mejor. La IA de Sardine y tus equipos internos de ingeniería de datos obtienen mucha más rentabilidad si los datos son coherentes, están bien etiquetados y son altamente accesibles. Todos los problemas de riesgo son problemas de datos. Resolverlos requiere mejores datos (dispositivo y comportamiento) y más datos (de terceros y propios) para entrenar la mejor IA (Sardine + tú).
- Incórporalo en tus plataformas más amplias de fraude y cumplimiento o a su alrededor. Tener datos increíbles de dispositivos y comportamiento a los que no puedes acceder no sirve de nada. Las grandes organizaciones incorporan datos complementarios en herramientas internas o sistemas heredados. Cada vez vemos más que los clientes empresariales usan Sardine como su sistema operativo de fraude y cumplimiento. Cualquier cosa que te ayude a gestionar tu riesgo nos parece bien. La integración siempre es difícil; tu estrategia debería ser avanzar hacia herramientas y proveedores de datos que, por defecto, sean abiertos y estén disponibles.
- Cuando lo integras desde el principio, obtienes mejores resultados. Los datos de comportamiento antes se consideraban un lujo para los profesionales del fraude: algo excelente, pero un gasto adicional. Ahora ocurre justo lo contrario. El comportamiento se está convirtiendo en una señal de datos de anclaje fiable sobre la que construir las demás. Si lo incorporas en cada regla, caso y modelo de IA, obtendrás la mejora más tangible en el rendimiento y en los KPI. Tanto si intentas optimizar el onboarding, la financiación de cuentas, el riesgo de sanciones o simplemente reducir el número de alertas que generan trabajo manual, se aplican los principios fundamentales. Consigue los mejores datos (de dispositivo y de comportamiento), más datos (tuyos y de terceros) y entrena la mejor IA.
Muévete más rápido que la amenaza.
Ahorramos tiempo, esfuerzo y frustración a los equipos de riesgo. Ayudamos a los equipos de pagos a convertir a más buenos clientes. Impulsamos más comercio al obsesionarnos con los detalles.
Basándonos en nuestra experiencia vivida, estamos obsesionados con la velocidad.
Ya sea la capacidad de crear nuevas reglas contra el fraude, poner a disposición de nuestros modelos de ML nuevos datos de alta calidad o habilitar analíticas para los equipos de cumplimiento, lo hacemos más rápido.
Estamos en modo de I+D constante; con cada llamada de cuenta de cliente o de ventas vamos cambiando nuestro producto y añadiendo nuevas capacidades a diario.
Ofrecemos creación instantánea de reglas, backtests y puesta en producción en un entorno sin código o de bajo código.
Ofrecemos análisis completos de nuestros modelos de IA y ML para que tú y tus equipos de datos podáis clasificar la importancia de las características y señales de datos al enfrentar nuevas amenazas de fraude o de cumplimiento normativo.
Ah, y también contamos con un puñado de agentes de IA que pueden gestionar disputas por ti o redactar narrativas de SAR, pero dejaremos eso para otro blog 😊.
Si quieres una plataforma que se mueva más rápido que la amenaza, llama a un amigo pez.