Crece el volumen de ataques fraudulentos a empresas españolas

El último informe de Experian sobre fraude analiza el alarmante aumento de las pérdidas por fraude y cómo pueden combatirlo las empresas. Realizado por Forrester Consulting, el estudio revela que las pérdidas por fraude aumentan año tras año para el 73% de los encuestados españoles, siendo las empresas de telecomunicaciones las que registran un mayor incremento de pérdidas en nuestro país. Entre los factores que impulsan este aumento de los ataques fraudulentos están la persistente presión financiera sobre los consumidores, las filtraciones de datos sensibles a la "dark web" y la llegada de la IA generativa de acceso público, que ha reducido los conocimientos técnicos necesarios para cometer fraudes.

El volumen de los ataques fraudulentos ha ido aumentando en casi todas sus tipologías. Los ataques mediante la creación de identidades artificiales han registrado el mayor crecimiento, y el 64% de los encuestados de compañías de servicios financieros y telecomunicaciones ha señalado un aumento de este tipo de fraude. Fijándose en España, los ataques a las API son los que han registrado el mayor crecimiento en estas compañías. Le siguen de cerca los ataques de identidades artificiales y los de apropiación de cuentas. En el sector del ecommerce, los ataques mediante identidades artificiales son los que mayor crecimiento han registrado, seguidos por los friendly frauds.

Desafíos de la prevención del fraude

Según el informe, lo que más limita la capacidad de las empresas para prevenir el fraude es la imposibilidad de identificar los dispositivos a la hora de detectar el fraude (56%). El segundo es la falta de la verificación de identidad con biometría física (54%).

En España la foto cambia, ya que el principal desafío para el 74% de los entrevistados es la falta de verificación de la identidad biométrica física. Le siguen la capacidad de alinear la prevención del fraude con las estrategias de crecimiento de los ingresos (59%) y el creciente número de falsos positivos que afectan a los objetivos de ingresos (59%).

Cualquiera de las funcionalidades mencionadas anteriormente se ha convertido en esencial para prevenir el fraude, ya que los datos de los dispositivos permiten a las empresas examinar de forma continua y pasiva a los clientes, y el reconocimiento facial con detección de "vivacidad" ofrece el medio más fiable de verificar digitalmente la identidad del cliente.

Las dos prioridades más importantes relacionadas con el fraude muestran cómo de importante ha llegado a ser el machine learning (ML) para su prevención. "Mejorar la explicabilidad de los modelos de ML" es la principal prioridad para el 68% de los directivos españoles y "abordar el sesgo en los modelos de ML" es la segunda para el 52% de los encuestados.

"Los resultados de nuestro estudio señalan que el ML se ha convertido en una parte esencial en la prevención del fraude, ya que permite detectar mejor tanto a los defraudadores como a los clientes legítimos. El ML también proporciona la base analítica para la biometría del comportamiento y la huella digital de los dispositivos, lo que permite a las empresas supervisar a los clientes de forma pasiva y continua sin impactar en su experiencia de usuario. Esta es la clave para equilibrar el crecimiento de los ingresos con la prevención adecuada del fraude", comenta Jorge Hernández, director general de Experian España.

Casi tres cuartos de las empresas creen que el futuro de la prevención del fraude estará liderado por soluciones basadas en IA/ML. Los principales beneficios de usar soluciones contra el fraude basadas en ML son un aumento de las ratios de aceptación, la reducción de las pérdidas gracias a una mayor precisión en la detección del fraude y la disminución del volumen de revisiones manuales y falsos positivos. Esto es clave, ya que el 76% de las empresas españolas encuentran que los falsos positivos les cuestan más que las pérdidas por fraude.

Para el 79% de los encuestados el factor más importante a la hora de considerar la prevención del fraude basada en IA/ML es el continuo aprendizaje automático del modelo para seguir el ritmo de la evolución de la amenaza de fraude. Dado que la IA generativa aumenta el riesgo de fraude, esta capacidad es fundamental para que las empresas respondan rápidamente a los patrones de fraude cambiantes y se mantengan a la vanguardia de su prevención.