Inteligencia artificial. Detección de fraude.

Inteligencia artificial. Detección de fraude.

Inteligencia artificial. Detección de fraude.

En este post quisiera seguir contando algunas cuestiones clave en mi colaboración en alguna consultora donde estoy ayudando a crear un nuevo departamento de inteligencia artificial. En concreto y en la sesión de trabajo de esta semana hemos trabajado en los fundamentos y aplicaciones de la detección de anomalías o también conocido en el argot de la inteligencia artificial como outliers.

Inteligencia artificial. Detección de fraude.

Una de las aplicaciones más conocidas en la inteligencia artificial y en el Machine Learning es la detección de anomalías. Esta detección de anomalías se basa en los siguientes criterios:

  1. Tenemos un conjunto de información que tiene unas características comunes. Pensemos por ejemplo en una base de datos de cobros o de ventas que tienen un patrón que denominaremos como “normal”.
  2. Tenemos otro patrón de anomalías o cuestiones extrañas. Supongamos movimientos de fraude o cualquier otra transacción almacenada en nuestros sistemas de información que se sale de lo normal, típicamente asociado a algún tipo de fraude o cuestión a estudiar por separado ya que se sale radicalmente de lo normal de la distribución de la información. Por ejemplo una transacción fraudulenta bancaria.
  3. Estamos en problemas donde un porcentaje altísimo de la información que tenemos es considerada como la clave “normal” mientas que en muy pocos casos tenemos la clase “anomalía” o extraña, outliers, etc. asociada a fraude o a situaciones que deben ser detectadas.

Inteligencia artificial. Detección de fraude.En este tipo de situaciones la Inteligencia Artificial nos ayuda a detectar estas anomalías mediante algoritmos bien conocidos como pueden ser:

  1. SVM o Support Vector Machine.
  2. Regresión lineal binaria.
  3. Arboles de decisión binarios.
  4. Otros clasificadores binarios.

Mi labor como experto en transformación digital pasa también por mi dominio y conocimientos en inteligencia artificial aplicada a la empresa.

En esencia el sistema de inteligencia artificial aprende lo que es la clase normal, aquellos registros clasificados como normales. Aprende su distribución etc. y es capaz de, ante un movimiento extraño, por ejemplo un fraude, detectar que si bien sin saber la razón ese movimiento no pertenece o está clasificado en la clase “normal”. El algoritmo no sabrá que problemas tiene pero sabe que no pertenece a la clase normal.

La aplicación de este tipo de algoritmos de Machine Learning orientados a la detección de anomalías es enorme, por ejemplo detección de fraude, movimientos bancarios extraños, movimientos intercompany anómalos, defectos en procesos, etc.

Luis Vilanova Blanco. Experto e Interim Manager en inteligencia artificial en la empresa.

911277300

luis@luisvilanova.es