5 Uso de herramientas de código abierto en la detección de fraudes: Implementación de PyTorch en el sector financiero de Guatemala

Palabras clave: Fraudes, Inteligencia artificial, Aprendizaje automático, Innovación.

5.1 Introducción

En Guatemala es muy escuchado en redes sociales o medios de comunicación un problema que ha aumentado en los últimos años, como los fraudes y anomalías dentro del sector financiero. Es fundamental abordar este problema utilizando tecnologías de última generación, como lo es la inteligencia artificial, para que tanto la industria financiera como la población en general puedan disminuir este problema el cual ha afectado a todos.

PyTorch es una biblioteca de aprendizaje profundo que proporciona herramientas avanzadas para implementar algunos modelos de detección de anomalías y fraudes. El cual ha sido aprovechado en otros países en distintos sectores. Al aplicar esta tecnología puede ayudar a resolver un problema en el campo financiero, ya que los delitos de esta índole han aumentado considerablemente, debido a la corrupción que azota el país.

5.2 Artículo

Análisis en otros países

Este framework ha sido ampliamente utilizado en varios países debido a sus capacidades de aprendizaje automático y su naturaleza de código abierto, lo que brinda una gran flexibilidad y facilidad de uso. Además, cuenta con un fuerte apoyo proporcionado por la comunidad.

Entre los países que han implementado esta tecnología se encuentra los Estados Unidos, donde los bancos y las compañías de tarjetas de crédito siempre están buscando métodos más sofisticados para detectar y prevenir el fraude. El uso de esta herramienta ha sido particularmente beneficioso debido a su capacidad para procesar grandes cantidades de datos y crear modelos complejos de aprendizaje automático.

Las aplicaciones que se encuentran en el sector financiero son las siguientes:

  • Redes neuronales recurrentes (RNN): para analizar series temporales de datos de transacciones e identificar patrones secuenciales que podrían indicar actividad fraudulenta.

  • Redes neuronales convolucionales (CNN): para el procesamiento de imágenes. Las CNN se utilizan ahora para identificar patrones en datos tabulares de transacciones, mejorando así la precisión de la detección de fraude.

Uno de los bancos más grandes del mundo, JPMorgan Chase, utiliza PyTorch para analizar grandes cantidades de datos financieros. Los modelos que implementan pueden detectar al instante patrones y comportamientos poco usuales, lo que permite responder lo más rápido posible para prevenir el fraude. Por ejemplo, pueden identificar transacciones que difieren de los patrones de gasto comunes de un cliente, lo que indica un posible fraude.

Situación en Guatemala

En el país, la detección de fraudes financieros aún enfrenta muchos desafíos. En los últimos años, ha habido un aumento significativo en los delitos financieros, convirtiéndose en un problema potencialmente incontrolable. Entre los casos más conocidos están la evasión fiscal y el lavado de dinero. En el país aún se utilizan métodos de detección de fraudes tradicionales en su mayoría, como la revisión manual de información, la verificación de identidad y el monitoreo de transacciones.

Una de las principales razones del incremento en los casos relacionados con el fraude es la corrupción, que en los últimos años se ha vuelto una práctica común en el país. Además, la falta de interés y acción por parte de las instituciones de justicia ha permitido que muchos de estos casos queden impunes. Por otra parte, la educación financiera entre la ciudadanía es limitada o casi inexistente, lo que aumenta el riesgo de ser víctima de estafas, fraudes o robo de identidad.

¿Cómo implementarlo en Guatemala?

En Guatemala utilizando PyTorch se podrían utilizar para desarrollar modelos de aprendizaje automático que analicen transacciones en tiempo real. Estos modelos pueden incluir redes neuronales recurrentes (RNN) y redes neuronales convolucionales (CNN) para detectar patrones anómalos y actividades sospechosas. Esto no solo aumentaría la seguridad en el sector financiero, sino también la confianza de los clientes, ya que ayudaría a prevenir fraudes y reducir las pérdidas económicas tanto para las instituciones como para sus usuarios.

Retos

Al momento de que se quiera implementar este framework, es importante tomar en cuenta los retos que puede llevar su implementación los cuales son lo siguientes:

  1. Uno de esos sectores donde se puede aprovechar mejor es en el sector justicia, pero debido a la corrupción presente en el país, esto puede llegar a ser un problema para los intereses de diferentes instituciones, ya que podría evitar los excesivos casos de lavado de dinero.

  2. La resistencia al cambio, es un factor muy crítico en el país, esto debido a la cultura que llega a ser muy conservadora, provocando que no se logre adaptar al entorno guatemalteco, debido a que la sociedad está tan acostumbrada a métodos ortodoxos y prefiere evitar cualquier cambio en su entorno.

5.3 Conclusiones

La implementación de PyTorch en el sector financiero de Guatemala ofrece numerosos beneficios, incluyendo la mejora en la detección de fraudes en tiempo real y la reducción de pérdidas financieras. Es crucial tomar acciones en contra de estos delitos, debido a su aumento en la población guatemalteca, Con estas medidas se busca que no solo los bancos sean beneficiados para no contar con pérdidas, ya que al aumentar la seguridad de las transacciones, fortalecer la confianza los clientes, mejorando así la fidelidad y satisfacción general.

5.4 Referencias