El aumento en los pagos en tiempo real (RTP, por sus siglas en inglés) ha sido bien documentado a nivel mundial, pero en paralelo también se han incrementado las estafas y el fraude. Para detener esta “pandemia” de estafas, las instituciones financieras deben evolucionar sus sistemas para permitir el enorme potencial de crecimiento de los RTP, así como fortalecer la protección de los consumidores contra los estafadores.
Primero, hay que resumir el gran terreno que han ganado de los RTP. Se espera que los sistemas aumenten a una tasa de crecimiento anual compuesto (CAGR, por sus siglas en inglés) del 21.3% entre 2022 y 2027. Más de 70 países ya han adoptado algún tipo de RTP. Una encuesta reciente de FICO muestra que la adopción de los consumidores se mantiene al día:
- El 90% de los más de 14,000 consumidores de 14 países diferentes encuestados han utilizado RTP
- El 38% utiliza RTP más de cinco veces al mes
- El 88% planea mantener o incrementar el uso de RTP en el próximo año
Una ola global de estafas ha interferido con la adopción rápida de los pagos en tiempo real, lo que ha ocasionado que más consumidores sufran pérdidas importantes. Según FICO, para el año 2027 se proyecta que los fraudes financieros les podrían costar a los bancos hasta 40,600 millones de dólares.
¿Cómo proteger a los clientes y sus pagos en tiempo real?
1. Integrar técnicas avanzadas de detección de estafas
De acuerdo con Alexandre Graff, vicepresidente de Socios y Alianzas Globales de FICO, los modelos y técnicas estándares de prevención de fraude no logran detectar las estafas de los real time payments por varias razones. El pequeño tamaño de la mayoría de las transacciones RTP permite que las transacciones fraudulentas pasen desapercibidas más fácilmente. Los delincuentes suelen lavar el dinero robado a través de múltiples “saltos” entre cuentas, lo que dificulta el rastreo y la recuperación.
Por lo tanto, se necesitan modelos de machine learning personalizados capaces de identificar múltiples características para confirmar la identidad e intención del remitente. Estos modelos emplean nuevas técnicas, tales como listas de clasificación de comportamiento (B-lists) especializadas, que pueden determinar la probabilidad de que la parte que realiza el débito sea el iniciador legítimo del pago.
2. Crear centros de comando de pago guiados por una serie de reglas personalizadas
El principal desafío para los bancos y los proveedores de servicios de pago es reaccionar al instante después de detectar una estafa, ya que la intervención debe realizarse en tiempo real. Antes que nada, es fundamental que el soporte adecuado de interdicción esté integrado en el flujo de pagos para todos los SCL de RTP. Clasificar las transacciones fraudulentas detectadas según una taxonomía predefinida y acordada para cada red RTP participante es complicado para cualquier motor de puntuación de riesgos. Por ende, es crucial que el índice de gerentes de compras (PMI, por sus siglas en inglés) separe las transacciones autorizadas de los pagos automáticos autorizados para aplicar el conjunto de reglas adecuado.
3. La colaboración de grupos de interés fortalece los modelos de datos
Los grupos de interés deben compartir su inteligencia y datos optimizados, así como colaborar para reducir el fraude de manera más eficaz. El diseño de soluciones también puede fomentar la colaboración porque permite a los proveedores externos acceder fácilmente a las API, lo que simplifica la modificación de las fuentes de datos. La integración en los burós de crédito es fundamental para obtener historiales crediticios individuales y corporativos, puntaciones de elegibilidad, tipos de crédito, tasas de interés y más. El acceso a los datos de los PMI, incluidos historiales de transacciones fraudulentas, listas de vigilancia, metadatos de cumplimiento e informes de liquidación tanto para transacciones nacionales como transfronterizas, también es de suma importancia.
4. Aprovechar tanto los controles como los datos de la red RTP
Los PMI instantáneos como FedNow ofrecen ciertas capacidades para prevenir el fraude mediante diversos límites de transacción (a nivel de red y de participante) y por medio de listas negativas definidas por los propios participantes. Generalmente, los límites a nivel de red son definidos por el PMI, mientras que los límites a nivel de participante son establecidos por los bancos y los PSP. Los bancos y los PSP participantes deben aprovechar al máximo estas capacidades para combatir el fraude de RTP. En cuanto a las herramientas internas, los modelos de fraude transaccional han sido muy eficaces para combatir la apropiación de cuentas, el fraude CNP, entre otros.
