El 11 de marzo de 2020, los Feedzaians de todo el mundo se trasladaban a nuestras oficinas. Asistíamos a reuniones en salas de conferencias con alfombras claras, bromeábamos con compañeros de trabajo durante el almuerzo y trabajábamos juntos codo con codo en nuestra planta de oficinas abiertas. Menos de veinticuatro horas después, todo cambió. El equipo de Feedzai de más de 500 empleados comenzó a trabajar desde casa.

Tres meses después de esta experiencia, la productividad y el compromiso de los empleados en realidad ha aumentado.

Así es como hicimos (y seguimos haciendo) que eso suceda y así es como usted también puede hacer que suceda.

Comience con una cultura empresarial sólida

Si bien la pandemia nos obligó a nosotros —y al mundo entero— a navegar por un territorio desconocido, atribuimos el ajuste armonioso de Feedzai a la «nueva normalidad» a nuestra poderosa brújula: nuestros cinco fundamentos básicos. Estos son:

• Determinación: Avanzamos con persistencia y perseverancia.
• Subir el listón: Nos desafiamos a nosotros mismos para mejorar y superar nuestras metas continuamente.
• Apropiación: Asumimos la responsabilidad de los resultados de nuestro trabajo.
• Ganar juntos, perder juntos: Creemos que el éxito se logra trabajando juntos como equipo.
• Pensar de forma global: Somos conscientes de que las decisiones y las acciones en nuestro trabajo diario impactan a otros.

Sin estos principios que guían la cultura en Feedzai, navegar tiempos difíciles e inciertos como estos sería como navegar con los ojos vendados.

Y esto nos lleva a nuestra primera recomendación: si aún no tiene una cultura corporativa sólida, es hora de desarrollar una.

Estos son algunos consejos para crear una cultura corporativa sólida:

Comience con sus valores.

La base de la cultura de una empresa son sus valores. Si no tiene valores corporativos articulados, desarróllelos. Escriba sus valores y compártalos de maneras atractivas, como premios de reconocimiento para empleados basados en sus valores fundamentales o concursos que alienten a los empleados a encontrar formas creativas de expresar los valores fundamentales.

Desarrolle la marca empleadora.

Préstele a la marca empleadora la misma atención que a la marca corporativa. Esto contribuye en gran medida a contratar y retener a los empleados más codiciados.

Escuche.

Solicite comentarios a los empleados a través de encuestas, cuadros de comentarios anónimos o cualquier otra forma posible. Escuche los comentarios que recibe y tome medidas apropiadas. Este punto no se puede enfatizar lo suficiente.

Agregue una pila tecnológica adecuada

Antes de la pandemia de coronavirus, Feedzai era una empresa amigable con el trabajo remoto. Siempre hemos tenido un pequeño número de empleados remotos y muchos empleados disfrutaban trabajar de forma remota uno o dos días a la semana. Esto significa que ya teníamos una VPN fiable y robusta junto con aplicaciones basadas en la nube con seguridad aprobada.

Además, Feedzai decidió convertirse en una empresa 100 % remota antes de que los gobiernos exigieran esa acción. Ser proactivos nos dio tiempo para probar nuestras herramientas y asegurarnos de que nuestros empleados y clientes recibieran un buen soporte.

Aquí hay algunos consejos para construir una pila tecnológica adecuada para una empresa remota:

Mantenga a los trabajadores remotos seguros en línea.

Trabajamos en estrecha colaboración con nuestro equipo de seguridad antes de comprar cualquier tecnología. Ellos hacen una investigación exhaustiva de cada herramienta que usamos y analizan exactamente cómo la usaremos antes de obtener la aprobación para seguir adelante. A veces, esto significa que no tendremos acceso a todas las funciones. Confiamos en nuestro equipo de seguridad para saber qué funciones crean riesgos de seguridad inaceptables y para deshabilitarlas según sea necesario.

Realice una auditoría tecnológica.

En Feedzai, nos sometemos a una auditoría tecnológica anual para garantizar que las herramientas que compramos ayer sean las herramientas que necesitaremos mañana. Esta práctica de revisión continua de nuestra pila tecnológica crea eficiencia operativa y también nos posiciona para hacer un cambio rápido al trabajo remoto.

Seleccione una tecnología flexible.

Elija herramientas que puedan adaptarse a objetivos y roles cambiantes. También es importante elegir herramientas que permiten diferentes estilos de trabajo.

Concéntrese en su gente

Como empresa global, nuestro Equipo de Personas siempre ha tenido que comprender y anticiparse a las necesidades de las diferentes culturas. Sin embargo, responder al COVID-19 requirió mucho más que eso. La preocupación por la pandemia, junto con el distanciamiento social, nos impusieron una carga insoportable a todos.

Algunos empleados viven solos y han tenido que soportar meses de aislamiento. Otros tienen niños pequeños en casa que pueden dificultar la productividad. Algunos han tenido que cuidar a padres ancianos, mientras que otros tienen una situación familiar llevadera, pero luchan con malas conexiones a internet.

Teniendo en cuenta todos estos factores, nos dimos cuenta de que necesitábamos lograr tres objetivos principales: apoyar a los Feedzaians, mantenernos conectados y ayudar a todos a mantenerse saludables.

Estos son algunos consejos para concentrarse en su gente en una empresa remota:

Aumente la comunicación.

Rápidamente nos dimos cuenta de que había un saludable apetito por la información y la comunicación. Para ayudar a satisfacerlo, convertimos nuestras reuniones trimestrales de todo el personal en reuniones mensuales. También desarrollamos una encuesta de bienestar para escuchar de modo activo a nuestra gente y comprender cómo se están adaptando al trabajo remoto de tiempo completo, cómo se están enfrentando la ansiedad provocada por la pandemia y cómo están equilibrando las responsabilidades familiares y laborales. Además, el Equipo de Personas tuvo consultas individuales con cada empleado. Esta práctica nos permitió identificar a los empleados que podrían necesitar un apoyo adicional. El aumento de la comunicación ha sido una experiencia invaluable para todos.

Concéntrese en la salud y el bienestar.

Lanzamos varias iniciativas de bienestar, incluida la Semana del Bienestar, un evento de siete días que reunió a expertos en atención plena, dieta y nutrición, ejercicios y bienestar financiero. También ofrecimos un curso de capacitación en atención plena de ocho semanas y hemos aumentado el número de consultas psicológicas gratuitas que los empleados pueden recibir con nuestro programa de asistencia al empleado (EAP). Por último, hemos instituido dos días libres pagados extra, llamados los días de COVID, a utilizar en junio y julio.

Adáptese a la nueva normalidad.

Mucho antes de la pandemia, ya habíamos permitido cierta flexibilidad con los horarios. La pandemia de COVID puso eso a prueba, en especial debido a las realidades de la educación en el hogar. Nos dimos cuenta de que esta situación estresaría naturalmente a los Feedzaians. ¿Quién le quiere decirle a su jefe que de repente no puede trabajar por las mañanas? Los líderes de toda la organización ayudaron a todos a adaptarse a la nueva realidad al compartir sus propias experiencias. De esta forma, ellos les demostraron a los equipos que trabajar en horarios no convencionales y aprovechar la flexibilidad brindada por Feedzai era lo correcto. Al final, descubrimos que la flexibilidad optimiza la productividad y reduce el estrés.

Otra forma en que nos adaptamos fue animar a los empleados a llevarse el equipo de oficina a casa —tanto sillas como pantallas, estaciones de acoplamiento y pizarras—, para que sus oficinas en casa pudieran estar bien equipadas, los empleados estuvieran más motivados y su productividad fuera optimizada.

Entre en la fase de crecimiento

A medida que los gobiernos de todo el mundo comienzan a reabrirse, tenemos que tomar algunas decisiones. Trabajar de forma remota creó desafíos, pero también nos abrió a nuevas posibilidades. Mientras pensamos cómo será el futuro de las oficinas de Feedzai, confiaremos una vez más en nuestros valores fundamentales para ayudarnos a encontrar el mejor camino a seguir.

Aquí hay algunas ideas de cómo abordaremos el final del confinamiento:

Comience con su gente.

Primero, estamos verificando quiénes se sienten cómodos regresando al trabajo. Algunos están ansiosos por volver a la oficina, pero otros no. Tienen miedo, no quieren usar máscaras todo el día o no pueden trabajar por turnos. Otros viven con personas de grupos de alto riesgo o no se sienten cómodos en el transporte público que es su única forma de ir al trabajo.

Investigue, investigue, investigue.

El Equipo de Personas podría calificar para el doctorado en respuestas organizacionales frente a pandemias antes de que esta termine. Estamos realizando una investigación exhaustiva sobre cómo mantener a las personas seguras. Hay muchas cosas a considerar: entregas, artículos tocados frecuentemente, incluso ir a los cuartos de baño en el edificio. Debemos tener en cuenta cada interacción.

Sea la tortuga, no la liebre.

Tomamos como ejemplo Esopo: el objetivo no es apresurarse, sino tener éxito. Tenemos la oportunidad de aprender de otras empresas que han elegido regresar a la oficina lo antes posible. De esta manera, podemos recopilar información útil sobre lo que funciona, lo que no funciona y cuál es la mejor manera de mantener a todos seguros.

En la era de la confianza digital, los bancos que no abordan los puntos débiles de los clientes corren el riesgo de perderlos frente a la competencia. Abordar algunos de los puntos débiles más persistentes puede curar bancos de clientes gruñones y permitirles construir una relación basada en la confianza digital.

Pasos para que los bancos mejoren la satisfacción del cliente

Vea lo que los bancos pueden hacer para abordar las frustraciones comunes de los clientes y generar confianza digital al mismo tiempo.

Comunicarse de forma clara y adecuada

Construir una base sólida de confianza digital es crucial en el ecosistema de la banca digital. Los bancos deben brindar una experiencia de cliente de primer nivel que les permita autenticar rápidamente su identidad y completar transacciones. Para los bancos, generar confianza digital comienza con la comunicación proactiva de su estrategia de riesgo y su impacto en los clientes. Esta comunicación debe describir cómo los bancos confirmarán las identidades de sus clientes y los alertarán si se detecta actividad sospechosa. Los bancos también deben comunicar cómo los clientes pueden configurar alertas de viaje y cómo comunicarse con el banco si encuentran problemas durante sus viajes. 

Al mismo tiempo, los bancos deben tener cuidado de no enviar demasiadas alertas a los clientes y preguntar “¿era usted?” para transacciones comunes. Los clientes pueden interpretar una ráfaga de comunicaciones de registro como una señal de que el banco no está actuando en conjunto. Grandes cantidades de alertas pueden frustrar a los clientes y disminuir su confianza en su organización. Crear un circuito de retroalimentación

Crear un circuito de retroalimentación

Los bancos también deben esbozar su estrategia de comunicación con el directorio. Esta estrategia describe cómo el banco abordará los diferentes niveles de riesgo para diferentes tipos de clientes. Por ejemplo, una cuenta bancaria de estudiante requiere un nivel de respuesta diferente al de una cuenta de gestión patrimonial. Los bancos también deben revisar periódicamente la efectividad de la estrategia con su directorio, solicitar retroalimentación y buscar oportunidades para mejorarla.

Olvídese del patrón de fricción

La estrategia de prevención de fraude de un banco debe adaptarse al mercado de servicios financieros y los programas que pretende atender. Una cooperativa de ahorro y crédito más pequeña, por ejemplo, tendrá diferentes requisitos de seguridad que un gran banco global. Los bancos deben invertir en soluciones antifraude que satisfagan las necesidades específicas de sus clientes y la comunidad. Esto no debe tratarse como una tarea de “configúrelo y olvídese”. Los bancos deben revisar su estrategia para comprender cómo evolucionan las tendencias de fraude y asegurarse de que puedan responder a las tendencias de fraude emergentes.

Establecer relaciones con las fuerzas del ley

Es importante que los bancos generen confianza con los organismos encargados de hacer cumplir la ley que tienen la tarea de investigar y enjuiciar los delitos relacionados con el fraude. Si ocurre un ataque de fraude, los bancos que han creado estas conexiones están en una posición más sólida para trabajar con las autoridades para investigar el incidente y recuperar fondos que un banco que comienza desde cero.

Invierta en autenticación y prevención

Los bancos que implementan soluciones de autenticación sólidas están bien posicionados para resolver la mayoría de sus problemas relacionados con el fraude. Pero la autenticación ha recorrido un largo camino. Los bancos ahora pueden recopilar grandes cantidades de datos previos a la transacción que tuvieron lugar antes de la transacción. El acceso a los datos previos a la transacción permite a los bancos pasar de la detección del fraude a la prevención del fraude. Los bancos que tienen acceso a datos previos a la transacción, como la higiene del dispositivo o la información de la sesión web, también tendrán una visión más completa del riesgo y podrán ofrecer una experiencia del cliente más fluida.

Deja la excusa de “Términos y condiciones”

El fraude de pago automático autorizado es uno de los tipos de fraude más persistentes por dos razones principales. Primero, los clientes pueden enviar dinero rápidamente con solo unos pocos toques en el teléfono. En segundo lugar, la tecnología digital y la ingeniería social facilitan que los defraudadores escalen estas tácticas a múltiples objetivos. El fraude de pago automático autorizado es tan persistente en el Reino Unido que algunos bancos acordaron compensar a las víctimas hasta una cierta cantidad. Los bancos que se esconden detrás de los términos y condiciones de sus servicios y afirman que no pueden ayudar a los clientes a resolver el problema están destinados a provocar la frustración y la ira de sus clientes. Los clientes esperan que sus bancos los apoyen si son defraudados. Los bancos que no demuestren este apoyo corren el riesgo de frustrar la satisfacción del cliente.

Mejorar los controles de fraude negligente

Los clientes también se sentirán frustrados si los controles de su banco son demasiado fáciles de maniobrar. Después de todo, quieren asegurarse de que sus fondos estén en buenas manos. Eso significa que quieren saber que no es demasiado fácil engañar al banco en línea o en persona. Llamar a un centro de llamadas y que no se le solicite información personal o visitar un cajero automático y recibir un saldo sin ingresar un PIN puede socavar la confianza del cliente. Si encuentran que los protocolos de seguridad de su banco son demasiado fáciles de eludir, perderán la fe en su banco para mantener seguras sus finanzas o su información personal.

Los clientes tienen suficientes fuentes de irritación en sus vidas. Los bancos que lideren la construcción de confianza digital con sus clientes estarán bien posicionados para resolver el enigma de los clientes.

La confianza digital es la base de la economía conectada actual. Contáctenos.

¿Qué es la observabilidad de la inteligencia artificial?

La observabilidad de la inteligencia artificial (también conocida como IA observable) es un mecanismo que proporciona continuamente información sobre cómo funciona un sistema de inteligencia artificial o un modelo de aprendizaje automático en la producción a lo largo del tiempo. Funciona mediante la recopilación de datos en un sistema de inteligencia artificial, incluidos los datos de entrada, las predicciones del modelo y las etiquetas de entrada (como las devoluciones de cargo) para crear un ciclo de retroalimentación para las partes interesadas relevantes. Por lo tanto, la observabilidad, que está en la teoría de control, es una medida de qué tan bien se pueden inferir los estados de un sistema a partir del conocimiento de sus salidas externas. La observabilidad y controlabilidad de un sistema son conceptos matemáticos duales.

Las partes interesadas confían en estos conocimientos para realizar una evaluación de 360 ​​grados de si un sistema de producción está actuando de manera coherente y se está desempeñando como se espera en una amplia gama de criterios. De lo contrario, las partes interesadas pueden colaborar de forma proactiva para introducir las mejoras o los ajustes necesarios. Por lo tanto, las habilidades de observación promueven la supervisión, la responsabilidad y la adaptabilidad humanas. Como dice el refrán, “no se puede gestionar lo que no se puede medir”.

La observabilidad de la inteligencia artificial es un habilitador clave de las iniciativas de inteligencia artificial responsable de las instituciones financieras, ya que proporciona una mayor transparencia y visibilidad sobre cómo el sistema impacta a los usuarios finales a lo largo del tiempo en entornos de producción dinámicos en lugar de configuraciones estáticas fuera de línea.

Por qué las instituciones financieras deberían preocuparse por el silencioso fracaso de la Inteligencia Artificial.

Los sistemas de inteligencia artificial predicen si las transacciones entrantes son fraudulentas o legítimas en función de las características de la transacción y una combinación de puntajes de modelo y reglas codificadas. Sin embargo, semanas después, al revisar los KPI o durante una verificación manual ad-hoc del sistema, el banco descubre que las pérdidas por fraude han aumentado debido a un aumento en el fraude no detectado. En otras palabras, una gran parte de las transacciones fraudulentas pasaron desapercibidas.

Tenga en cuenta que el sistema estuvo en pleno funcionamiento durante este período. La pregunta en cuestión está relacionada con la calidad de los resultados del sistema. En consecuencia, el banco descubre que su sistema ha fallado silenciosamente.

Hay varias razones por las que los resultados del sistema pueden diferir del comportamiento esperado. Quizás los datos hayan cambiado con el tiempo, repentina o gradualmente. O quizás los defraudadores han descubierto una nueva táctica que el sistema no ha podido detectar. Alternativamente, incluso si el comportamiento general del sistema cumple con las expectativas, pueden ocurrir problemas para segmentos o ubicaciones de clientes específicos y, por lo tanto, no se pueden observar en el nivel superior.

Cualquiera sea la razón, sin una visión continua del rendimiento del modelo de inteligencia artificial en producción, el banco sufre mayores pérdidas por fraude. Críticamente, el problema se vuelve evidente después de que el sistema produce resultados no deseados. En este punto, los equipos de ciencia de datos deben volver a la mesa de dibujo para averiguar por qué falló el sistema y solucionarlo, a menudo con datos insuficientes sobre lo que está sucediendo en vivo.

 4 etapas de un circuito de retroalimentación

El fracaso silencioso puede ser costoso porque las partes interesadas no lo saben hasta que es demasiado tarde. Esto puede afectar la calidad del servicio al cliente y resultar en pérdidas financieras, multas por cumplimiento y daños a la reputación. La observabilidad de la inteligencia artificial aborda esto mediante la introducción de ciclos de retroalimentación continua que transmiten información importante sobre la integridad y la calidad de los datos, el modelo y las decisiones de un sistema.

Vea cómo funcionan los bucles de retroalimentación.

Paso 1: Monitoreo

El primer paso es recopilar los datos necesarios para monitorear cómo se comporta un sistema de inteligencia artificial a lo largo del tiempo. La recopilación de datos debe cubrir una variedad de señales, incluidas las entradas del sistema (p. Ej., Datos brutos), salidas (p. Ej. Decisiones del sistema) y todos los pasos intermedios relevantes (p. Ej., Ingeniería de recursos, activadores de plantillas y reglas).

Paso 2: Metrificación

El siguiente paso es detectar cambios inesperados en el comportamiento del sistema. La observación de inteligencia artificial requiere métricas dedicadas que expresen cómo cambia el comportamiento del sistema durante semanas, meses o ventanas más largas una vez que el modelo está en producción. La combinación de métricas debe proporcionar una vista de 360 ​​° del sistema con un nivel apropiado de granularidad.

Paso 3: Alarmista

Una vez que se detectan desviaciones significativas, es fundamental alertar a las partes interesadas. Una implementación típica presenta de manera proactiva el alarmismo de modo que las desviaciones significativas (por ejemplo, cambios en los datos, patrones emergentes) desencadenan alarmas relevantes para los equipos.

Paso 4: Explicaciones

Finalmente, el circuito de retroalimentación debe producir explicaciones interpretables para métricas y alarmas. La usabilidad es un componente crucial de la supervisión humana y esencial para acelerar las acciones correctivas. Las técnicas de visualización adecuadas facilitan la comprensión y el tratamiento de los problemas en cuestión. Las partes interesadas pueden revisar continuamente los indicadores del sistema y determinar el mejor curso de acción.

¿Por qué es importante la observabilidad de la inteligencia artificial?

Estas son algunas de las principales razones por las que la observabilidad de la inteligencia artificial debería ser una consideración importante en los servicios financieros.

Detecte nuevos patrones de fraude más rápido

Desafortunadamente, la industria de servicios financieros atrae a actores hostiles que buscan eludir los sistemas de prevención de delitos financieros. Tan pronto como los sistemas de detección de fraude basados ​​en inteligencia artificial detectan un patrón de fraude, los estafadores comienzan a probar otros nuevos.

La observabilidad de la inteligencia artificial es un ajuste natural para un entorno tan dinámico porque identifica cambios en los datos y la respuesta del sistema. La monitorización continua de un sistema de inteligencia artificial es el primer paso hacia la adaptabilidad y garantizar un alto rendimiento a lo largo del tiempo.

Un ejemplo notable de patrones cambiantes ocurrió cuando actores legales e ilegales ajustaron su comportamiento debido a la pandemia de COVID-19. Sin una observabilidad adecuada de la inteligencia artificial, los sistemas de inteligencia artificial pueden ser opacos, lo que dificulta la comprensión del impacto de estos cambios.

Atrapar más errores

Los sistemas de inteligencia artificial suelen interactuar con muchos otros sistemas. Por lo tanto, los cambios de interfaz, los casos extremos imprevistos y otros problemas son comunes. Aunque estos problemas no restan valor a las capacidades predictivas del sistema, pueden afectar su calidad. Si estos errores afectan el sistema de inteligencia artificial, es posible detectar rápidamente el problema y alertar a las partes interesadas.

Cerrar la brecha de la etiqueta de fraude

Es común medir el rendimiento de un modelo comparando sus predicciones con los resultados finales, conocidos como etiquetas. El problema con este enfoque es que las etiquetas de fraude no son claras de inmediato. Por ejemplo, las instituciones financieras no se dan cuenta de que algunas transacciones son fraudulentas hasta que un cliente lo informa a su banco. Los bancos eventualmente realizarán una revisión y etiquetarán retroactivamente estas transacciones como fraude.

Esto significa que la evaluación del rendimiento del modelo debe considerar transacciones legítimas conocidas, transacciones fraudulentas conocidas y transacciones para las que se desconoce la etiqueta. La observabilidad de la inteligencia artificial para las instituciones requiere técnicas de monitoreo continuo que puedan cerrar la brecha de etiquetas.

Cumplir con las expectativas de la inteligencia artificial responsable

Los bancos y las instituciones financieras que implementan inteligencia artificial también deben comprometerse a garantizar que sigan los principios de inteligencia artificial responsable.

Los prejuicios humanos y los problemas sociales sistémicos pueden infiltrarse en los sistemas de inteligencia artificial incluso sin querer. El resultado puede ser decisiones financieras injustas que afectan de manera desproporcionada a ciertos grupos de personas en función de su raza, género, edad o nivel socioeconómico.

La observación de inteligencia artificial permite a las instituciones financieras comprender cómo sus sistemas tratan a las personas a lo largo del tiempo. Las partes interesadas pueden responder rápidamente a los patrones de sesgo de la Inteligencia artificial antes de que se conviertan en problemas mucho mayores. Esto es esencial para abordar los problemas de inteligencia artificial responsable una vez que se implementa un modelo.

Los desarrollos inesperados, como la degradación del modelo, los patrones de fraude emergentes o los cambios en los datos, pueden degradar el rendimiento de un sistema de inteligencia artificial. La observabilidad de la inteligencia artificial brinda a las partes interesadas visibilidad sobre si los sistemas de inteligencia artificial se están comportando como se espera o deben ajustarse, lo que permite un mantenimiento proactivo.

Al implementar principios de inteligencia artificial responsable, las instituciones financieras pueden asegurarse de que su inteligencia artificial esté alineada con sus valores éticos. Pero, ¿cuáles son los riesgos y beneficios involucrados? Siga nuestro contenido y aprenda más sobre el tema.

Lo que significa la adquisición de Revelock por parte de Feedzai

Revelock jugó un papel extraordinario en la reinvención del concepto de “confianza digital”. La innovadora tecnología biométrica del comportamiento de la compañía permite a las instituciones financieras contar con inteligencia previa a la transacción que puede prevenir los delitos financieros en tiempo real antes de que sucedan. Lo más importante es que las soluciones no comprometen la experiencia ni la privacidad del cliente.

La biometría de comportamiento y el análisis de dispositivos de última generación de Revelock funcionan con tecnología de aprendizaje profundo y brindarán una solución de identidad sólida que mejora la plataforma Feedzai. Otros proveedores de soluciones de identidad digital solo ofrecían biometría de comportamiento, evaluación de dispositivos, phishing y detección de malware en terminales como soluciones individuales. Sin embargo, Revelock los combina todos en un paquete unificado.

Pero esta adquisición es mucho más que agregar tecnología biométrica del comportamiento a nuestra plataforma. También estamos planeando cambiar el panorama de la prevención del fraude tal como lo conocemos mediante el lanzamiento de la Red de Inteligencia Financiera más grande del mundo. La Red de Inteligencia Financiera es una amplia base de datos que contiene más de 1 billón de puntos de datos, sesiones y perfiles de actores buenos y malos. Cada sesión de usuario se mantendrá en el anonimato, lo que garantiza que las personas siempre sean tratadas como personas, no como puntos de datos.

A diferencia de otras soluciones de detección de fraude, las instituciones financieras y los comerciantes electrónicos sabrán que pueden confiar en los clientes en el primer punto de la transacción y no en el último.

Al agregar la tecnología Revelock a la nuestra, Feedzai continúa con nuestro objetivo de construir la plataforma de gestión de riesgos financieros basada en la nube más completa disponible. Entonces, combinado con las capacidades de inteligencia artificial de Feedzai, estamos pasando rápidamente del Machine Learning para Machine Precognition, es decir, el aprendizaje automático que anticipa la predicción y el análisis de datos.

Habilitación de la confianza digital para transacciones digitales

Desde el día en que fundamos la empresa, Feedzai se ha centrado en una misión fundamental: hacer que las transacciones digitales sean seguras para todos. Con la adquisición de Revelock, Feedzai lleva esta misión al siguiente nivel. Los datos de comportamiento y dispositivos de Revelock construirán una base de confianza digital que permitirá a las instituciones financieras confiar en sus clientes en un mundo cada vez más digital.

Las instituciones financieras deberán construir una base de confianza digital mientras buscan prevenir el fraude y brindar experiencias de cliente fluidas. Cada vez más instituciones financieras ven la confianza digital como el camino a seguir para las transacciones digitales, especialmente a medida que se expande la economía digital.

Millones de clientes han adoptado hábitos de banca digital debido a la pandemia de COVID-19 el año pasado. La pandemia puede estar cambiando, pero las mentes de estos clientes están decididas y mantendrán los hábitos bancarios digitales que adquirieron debido a COVID-19.

A medida que la pandemia ha traído muchos clientes nuevos al ámbito de la banca digital, los recursos de la banca física se están dejando cada vez más atrás.

Los datos del Informe de delitos financieros de Feedzai mostraron una caída del 58% en los retiros en cajeros automáticos en los EE. UU. Y el 41% de los consumidores cambiaron a pagos en línea y móviles. Además, los datos de Zelle muestran que el 55% de los clientes no tienen intención de volver al modelo físico. Con base en estas percepciones, esperamos que la banca digital y el comercio electrónico se fortalezcan a medida que las transacciones físicas continúen disminuyendo.

Obviamente, más clientes que adoptan la banca digital y el comercio electrónico también significan más defraudadores que buscan robar fondos. Una base segura será fundamental para garantizar que los consumidores, las instituciones financieras y los comerciantes puedan realizar transacciones de forma segura sin temor a ser víctimas de ataques de defraudadores.

A medida que el mundo cambia a lo digital y a la criptografía, la seguridad se convierte en la base del comercio moderno. Estamos entusiasmados de ofrecer la solución digital confiable para una economía cada vez más digitalizada.

También nos complace dar la bienvenida a las mentes talentosas que desarrollaron la tecnología Revelock para la familia Feedzai.

Como mencioné, nuestra misión siempre ha sido mantener seguro el comercio digital. Con la tecnología Revelock ahora disponible, vamos a revertir la hoja de ruta de los delitos financieros, permitiendo a los clientes pasar de la detección del fraude a la prevención. Esperamos utilizar esta tecnología para permitir que los bancos y los clientes interactúen en la economía digital con tranquilidad.

¡Hoy comienza una nueva era de comercio continuo y digital!

Aquí hay nueve preguntas que debe hacerle a un proveedor de Machine Learning para evitar cometer un error costoso.

1) ¿La plataforma está preparada para el futuro?

El espacio de la inteligencia artificial se mueve rápido y evoluciona rápidamente. Desafortunadamente, esto significa que algunas tecnologías que se utilizan hoy en día se volverán obsoletas mañana. Por lo tanto, es importante comprender cómo elegir el mejor proveedor de Machine Learning para su negocio. Piense en cómo los hábitos bancarios se trasladaron rápidamente a los canales digitales durante la pandemia. Cualquier sistema en el que invierta debe ser lo suficientemente flexible para responder a los cambios en la actividad del mercado y los nuevos hábitos bancarios de los clientes.

Asegúrese de preguntarle al proveedor de Machine Learning si la solución tiene límites incorporados. Si la solución no se puede ajustar fácilmente para cumplir con las nuevas condiciones, puede convertirse en un obstáculo para las prioridades de escalamiento de su empresa.

2) ¿Cuánto control tendrás?

Cualquier solución de Machine Learning que implemente debe ser compatible con varias plantillas y plantillas personalizadas. Es importante admitir varios modelos porque los estafadores se comportan de manera diferente según dónde se encuentren y qué estén haciendo. El modelo global, por ejemplo, no reflejará los matices de los patrones de fraude exclusivos de una región específica, como las características de América Latina. Mientras tanto, las plantillas personalizadas tienen en cuenta los patrones de fraude únicos a los que se enfrentan habitualmente los sectores bancario y de pagos.

Pregúntele al proveedor si su producto admite modelos personalizados y múltiples. Por eso, una vez más, es importante saber qué proveedor se adapta mejor a su negocio.

3) ¿Entiende cómo llegó el sistema a su puntuación de riesgo?

Deberá confiar en el sistema de Machine Learning que seleccione, pero ¿cómo puede confiar en el sistema si usted o su equipo de analistas de fraude no comprenden cómo logró sus resultados? Esto será un problema si el sistema de Machine Learning se basa en soluciones de caja negra que no revelan cómo se tomó una decisión.

Asegúrese de invertir en soluciones que, en última instancia, mantengan a los humanos en control y les permitan revisar las transacciones para tomar decisiones informadas. Elija un proveedor que ofrezca soluciones de caja negra solo si está dispuesto a confiar plenamente en los resultados del sistema sin comprender su proceso de toma de decisiones.

4) ¿El sistema permite datos omnicanal?

El Machine Learning no es una solución de configurar y olvidar.
La tecnología debe evolucionar con las últimas tendencias para ofrecer los resultados más confiables. Pregúntele a su proveedor de Machine Learning si la solución puede recibir datos rápidamente de diferentes puntos de contacto con el cliente, dispositivos móviles, en línea, cajeros automáticos, etc. Con estos puntos de datos, su banco puede obtener una vista de 360 ​​grados de los comportamientos de los clientes, lo que le permite a su equipo ajustar el modelo y, en consecuencia, mejorar su desempeño. Tenga en cuenta que un buen modelo también puede extraer datos de fuentes externas e internas.

5) ¿Es escalable?

Imagine que su negocio se expande rápida y exitosamente y procesa el doble de transacciones que antes. Su plantilla de Machine Learning debería poder mantenerse al día con su nueva carga de trabajo con solo pequeños ajustes. Si el sistema no puede seguir el ritmo de sus nuevas demandas, puede convertirse en un obstáculo para el crecimiento futuro de su organización. Asegúrese de preguntarle al proveedor de Machine Learning cómo responde el sistema a los nuevos desarrollos. Deben enumerar diferentes opciones sobre cómo se puede sintonizar el sistema. Mientras tanto, un proveedor que afirme que su sistema es “el único que necesita” debería levantar una bandera roja.

6) ¿La experiencia del proveedor de Machine Learning es parte del negocio?

Un sistema de Machine Learning es sin duda una de las compras más complicadas que ha realizado su banco. Por eso es importante no pensar en sus tratos con un proveedor de Machine Learning como una transacción única. Deberá acceder a la experiencia del proveedor en Machine Learning y ciencia de datos para aprovechar al máximo su inversión. Pregunte al proveedor si el acceso a sus conocimientos es parte del contrato de compra. Busque un proveedor que ofrezca una asociación, no solo una venta.

7) ¿Qué tan específica se puede configurar la plataforma?

Las plataformas de Machine Learning crean perfiles de comportamiento normal y luego señalan casos de comportamiento inusual o anormal. Pero algunas plataformas de Machine Learning pueden expandirse con más detalle que otras. Por ejemplo, en lugar de mirar a “mujeres de entre 30 y 35 años”, mira a “Susan”. Cuanto más específica sea una plataforma en la creación de un perfil, más fraude puede prevenir. Pregunte cómo la plataforma de proveedores crea perfiles de clientes para establecer un comportamiento “normal” de referencia. Asegúrese de que el proveedor no utilice los datos de manera demasiado amplia. Si lo hacen, su organización podría perder más dinero por fraude.

8) ¿La plataforma ofrece una gestión de casos flexible?

Si su banco opera en todo el mundo y opera las 24 horas del día, los 7 días de la semana, es posible que varios cientos de personas inicien sesión en el sistema en diferentes momentos. Busque sistemas de Machine Learning que ofrezcan herramientas de gestión de casos flexibles que permitan a sus equipos crear flujos de trabajo autoconfigurables para sus prioridades. Desea herramientas de gestión de casos que distribuyan automáticamente el trabajo según diferentes criterios, prioricen las transacciones por importancia y brinden a varios miembros del equipo (analistas de fraude, empleados de sucursales o personal de servicio al cliente) exactamente lo que necesitan del sistema.

Pregúntele al proveedor cómo distribuye el sistema el trabajo entre los diferentes departamentos y cómo los miembros del equipo pueden usarlo para priorizar las transacciones. Considere las perspectivas de los diferentes equipos y cómo la plataforma funcionará para ellos mientras llevan a cabo sus responsabilidades. Tenga cuidado si el proveedor no puede responder cómo funciona el sistema para diferentes departamentos.

9) ¿Es autoconfigurable?

Supongamos que desea medir la tasa de rotación de un departamento, producto o miembro del equipo específico. Por lo general, tendría que pedirle al proveedor de Machine Learning que ajuste los informes de su panel para lograr estos objetivos. Sin embargo, una plataforma con paneles de control autoconfigurables le permite personalizar métricas específicas para enfocarse en sus KPI comerciales preferidos. En un mundo de autos que funcionan con gasolina, los sistemas de Machine Learning son los nuevos autos eléctricos.

Una plataforma autoconfigurable va un paso más allá. Eso significa que no solo está comprando el automóvil; está comprando la fábrica de automóviles. Pregúntele al proveedor cuánto tiempo lleva ajustar el panel a sus preferencias.

La bandera roja debería sonar si no pueden garantizar que podrá configurarlo según las necesidades específicas de su organización a su conveniencia.

Invertir en Machine Learning puede ser un paso abrumador. Pero no tienes que hacer esto solo. Utilice esta guía para hacer que su proceso de selección de Machine Learning sea lo más fluido e informado posible.

¿Cómo puede estar seguro de que está trabajando con el proveedor de Machine Learning adecuado para su empresa? Sencillo, elegir el mejor proveedor de Machine Learning para su negocio.

Descargue o e-book: “Cómo elegir una plataforma de Machine Learning para detectar y prevenir delitos financieros” y aprenda las señales de advertencia a tener en cuenta y más.