Lynx pone coto al fraude bancario y las cuentas mula con su nueva generación de modelos IA adaptativa 3v3z2i

La rápida evolución del sector tecnológico actual, sobre todo de la mano de tecnologías tan disruptivas y transformadoras como la inteligencia artificial, obliga al ámbito corporativo a moverse a la misma velocidad para protegerse de manera proactiva ante las ciberamenazas, cada día más sofisticadas y diversificadas.

Esta máxima, común para el conjunto de la economía, cada día más digital y tecnológica, se convierte en una cuestión crítica cuando hablamos del sector financiero. Afortunadamente, el ecosistema innovador español cuenta con nombres propios que están ayudando a compañías no sólo españolas, sino a escala global a dotarse de herramientas que dotan a sus sistemas de una mayor robustez ante fraudes y ciberataques.

Lynx es, sin duda, uno de estos pesos pesados en el sector. Por sus manos pasa el desarrollo de software para algunas de las entidades financieras más importantes de Europa, Reino Unido, Estados Unidos y Latinoamérica.

Dan Dica (Lynx): "Aunque España hace los deberes, aún queda para integrar una cultura de ciberseguridad"

La compañía acaba de anunciar sus nuevos modelos de inteligencia artificial de última generación que suponen un punto y aparte para la prevención de fraude y el freno a las temidas cuentas mula -es decir, cuentas bancarias que funcionan como intermediarias para recoger dinero de origen fraudulento y enviarlo a otro destino-.

Esta actualización de su software representa "un hito clave en el objetivo de la compañía por proteger a las instituciones financieras y a sus clientes frente a actividades fraudulentas que son cada vez más frecuentes y sofisticadas", han explicado a DISRUPTORES - EL ESPAÑOL fuentes de la compañía.

Teniendo en cuenta que, según el informe Consumer Pulse de TransUnion, el 31% de la población española afirma haber sido víctima de un intento de fraude y que casi el 5% de las transacciones digitales fueron sospechosas de fraude, es fundamental que los bancos cuenten con una tecnología capaz de prevenir el fraude en tiempo real.

A diferencia de los modelos tradicionales de machine learning (ML), los DAMs de Lynx se entrenan a diario y permiten ampliar los datos utilizados, lo que se traduce en mayores ahorros por prevención de fraude y una mayor fluidez operativa para las entidades financieras.

Identificar redes enteras de fraude: el salto cualitativo 3e4v3

Estos nuevos modelos suponen una transición clave: pasan de detectar únicamente transacciones individuales sospechosas a identificar redes enteras de fraude, analizando patrones complejos de comportamiento delictivo con gran precisión.

De cara a los próximos años, y según predicciones de ACI Worldwide, las pérdidas globales por fraude superarán los 6.800 millones de dólares en 2027. Los modelos de nueva generación de Lynx permiten detectar hasta un 35 % más de fraudes que los modelos anteriores, mejorando de forma notable la detección de mulas de dinero, lo que ha llevado a un aumento considerable en las tasas de identificación notificadas por las entidades financieras.

Equipo de Lynx en otra foto de archivo.

Los nuevos modelos de Lynx se están implementando actualmente en mercados de todo el mundo, y se espera que las instituciones financieras de América sean las primeras en beneficiarse de esta tecnología, seguidas por las de Europa.

Gracias a la naturaleza no-code de estos modelos, la integración puede realizarse en tan solo dos semanas, lo que permite que la tecnología alcance su tasa óptima de detección de valor en un plazo de entre tres y seis meses, a medida que aprende de nuevos datos.

"Este avance es el resultado de dos años de rigurosa investigación. Hemos desarrollado bases de datos en memoria de última generación, algoritmos y código de bajo nivel que hacen que nuestra solución sea increíblemente rápida de integrar, manteniendo los costes bajos y eliminando por completo los tiempos de inactividad", ha argumentado Carlos Santa Cruz, director de Tecnología (CTO) de Lynx.

"En pruebas internas, nuestra tecnología ha demostrado ser capaz de analizar hasta 40.000 puntos de datos en tiempo real para identificar actividades fraudulentas con una precisión extraordinaria, lo que representa un salto cualitativo en la detección", ha añadido.

Carlos Santa Cruz, director de Tecnología (CTO) de Lynx.

Según apuntan desde la compañía, los modelos mejorados han demostrado avances significativos en su rendimiento.

Por una parte, mejor comprensión de los comportamientos financieros a través de todas las cuentas vinculadas a una entidad financiera, lo que conlleva una reducción significativa de los falsos positivos y un aumento en la tasa de detección de valor.

Por otro lado, evidencian una mayor capacidad de adaptación gracias a los modelos DAM, que garantizan un rendimiento sostenido en el tiempo y una respuesta rápida ante nuevas tácticas de fraude.

En última instancia, mejoran el rendimiento rendimiento en comparación con los modelos estáticos de consorcio, especialmente en la detección de fraudes por pagos autorizados engañosos.

Al respecto, Dan Mcloughlin, experto en delitos financieros y miembro del equipo de Lynx, defiende que "los modelos de nueva generación marcarán una gran diferencia en la prevención del fraude. Ahora podemos detectar patrones complejos de fraude mucho antes de que causen daño".

También son un aliado ante el endurecimiento de la normativa europea. "Esto permitirá a los bancos proteger mejor el dinero de sus clientes, avanzándose a los estafadores más sofisticados. Con el avance de regulaciones europeas como la PSD2 y la futura PSD3, es fundamental que los bancos adopten tecnologías emergentes como la IA para reforzar sus sistemas de detección de fraude", concluye el experto.