De acuerdo con Jorge Valencia, socio de Servicios Forenses y Riesgos de Integridad de EY Perú, una mayor madurez digital y el acceso a grandes volúmenes de datos han abierto la puerta a un enfoque diferente: aprender del pasado para predecir el futuro.

Quien no conoce su historia está condenado a repetirla. En el mundo corporativo, esa frase cobra una fuerza especial, ya que los patrones que alguna vez condujeron a pérdidas, sanciones o daños reputacionales por fraude tienden a reaparecer. Hoy, la analítica predictiva con inteligencia artificial (IA) permite romper ese ciclo y anticipar los riesgos antes de que se materialicen.

Durante años, las organizaciones han reaccionado ante el fraude de forma retrospectiva: detectando anomalías después de que el daño estaba hecho. Según el estudio de la Asociación de investigadores de Fraude (ACFE), el tiempo de reacción o de detección de un fraude es, en promedio, 23 meses. Cuando ello ocurre, es común que los hechos detectados sean considerados casos aislados que no debieran reaparecer luego de haber aplicado medidas correctivas.  Sin embargo, las estadísticas y la experiencia nos muestran que, sin medidas preventivas, la historia se repite. 

Lee también: Airbus confirma que menos de 100 aviones A320 siguen en tierra por fallo técnico

Una mayor madurez digital y el acceso a grandes volúmenes de datos han abierto la puerta a un enfoque diferente: aprender del pasado para predecir el futuro.

La analítica predictiva en acción

Imaginemos un sistema que analiza millones de transacciones financieras, pagos a proveedores o registros contables en tiempo real. La IA detecta secuencias que, según el historial de la empresa y casos en la industria, se asemejan a esquemas fraudulentos. Al combinar variables internas (transacciones, aprobaciones, logs de sistemas) con fuentes externas (información pública, sanciones, litigios, redes comerciales), el algoritmo genera alertas predictivas que permiten actuar antes de la pérdida.

Este enfoque ya muestra resultados. Una compañía energética global ha logrado reducir en 40% las pérdidas por fraude interno al detectar patrones en gastos de viaje y viáticos. De forma similar, bancos latinoamericanos anticipan operaciones sospechosas de lavado de activos aprendiendo del comportamiento histórico de clientes sancionados y de tipologías publicadas por la UIF. Y en retail, la combinación de analytics transaccional y modelos de aprendizaje supervisado ha permitido identificar desviaciones en descuentos y devoluciones, reduciendo pérdidas millonarias.

Del dato al conocimiento predictivo

Cada factura, aprobación, correo o movimiento de inventario deja una huella digital. Cuando estas huellas se integran en un ecosistema analítico robusto, se logra una visión viva y evolutiva del riesgo. Con técnicas como machine learning, detección de anomalías y modelado de redes, la IA puede encontrar correlaciones invisibles al ojo humano. Es capaz, por ejemplo, de descubrir aprobaciones recíprocas de pagos entre usuarios o proveedores vinculados a múltiples entidades relacionadas.

Además: Spotify Wrapped podría salir esta semana, a medida que aumenta la presión de los fans tras la edición de 2024

El resultado es un sistema que aprende, mejora y alerta con mayor precisión a medida que se retroalimenta de nuevos casos, convirtiendo la historia en una fuente de prevención. Pero este avance no depende solo de tecnología, sino que requiere de un cambio cultural.

Retos y oportunidades

Adoptar analítica predictiva para el control del fraude implica pasar del control “reactivo” al control “anticipatorio”. Y ello trae consigo importantes desafíos:

  • Calidad y gobernanza de datos: sin datos limpios, completos y bien estructurados, los modelos pierden efectividad.
  • Sesgos algorítmicos: si el aprendizaje se basa solo en los fraudes detectados, se corre el riesgo de pasar por alto esquemas nuevos o poco frecuentes.
  • Capacidades humanas: los analistas de fraude deben convertirse en traductores de IA, capaces de interpretar las señales de los modelos y convertirlas en decisiones.

El éxito radica en combinar analítica avanzada con criterio humano. La IA puede advertir una anomalía, pero es el profesional de cumplimiento quien debe interpretarla, contextualizarla y decidir la acción.

Un nuevo paradigma en la lucha contra el fraude

Estamos entrando a una era en la que el fraude podrá ser anticipado antes de materializarse. Las organizaciones que logren integrar la historia de sus propios incidentes —y de su industria— en modelos de aprendizaje continuo, estarán un paso adelante. Porque, en definitiva, la prevención del fraude ya no se basa solo en mirar el pasado, sino en aprender de él para diseñar el futuro.

Y quien no conoce su historia, en el mundo de los negocios, no solo está destinado a repetirla, sino también a financiarla.

SOBRE EL AUTOR:

Jorge Valencia es socio de Servicios Forenses y Riesgos de Integridad de EY Perú

Las opiniones expresadas son solo responsabilidad de sus autores y son completamente independientes de la postura y la línea editorial de Forbes Perú.