El último estudio de Experian muestra que la prevención del fraude es ahora la principal prioridad para el 73% de las empresas encuestadas. En un esfuerzo por evitar las transacciones fraudulentas, muchas empresas se han encontrado con un problema aún mayor: rechazan por error clientes de confianza debido a que las reglas de fraude están obsoletas o tienen un mal comportamiento. El informe sugiere que el coste de los falsos positivos puede ser a menudo superior al valor de las pérdidas por fraude. Las repercusiones de los falsos positivos también son considerables, con pérdidas de ingresos y daños a la reputación de la marca.
“El cincuenta y siete por ciento de los líderes empresariales encuestados considera que es difícil encontrar el equilibrio adecuado entre el aumento de los ingresos y la reducción de las pérdidas por fraude. Para combatir unas amenazas de fraude cada vez más sofisticadas, muchas empresas están tratando de utilizar la IA, y en particular la tecnología de Machine Learning, para mejorar la precisión de sus decisiones sobre fraude al tiempo que ofrecen al cliente una experiencia más fluida”, comenta Malin Holmberg, CEO, EMEA y APAC, Experian.
Consciente de que las empresas necesitan reducir sus niveles de fraude sin afectar a las tasas de conversión, Experian ha creado Aidrian, una innovadora solución contra el fraude centrada en el crecimiento de los ingresos. Esta potente solución modular contra el fraude transaccional combina un modelo de Machine Learning de última generación con la huella digital de los dispositivos para clasificar automáticamente las transacciones con una precisión del 99,9%. La capacidad de Aidrian para diferenciar entre clientes de confianza y defraudadores puede reducir significativamente los falsos positivos, ayudando a sus clientes a generar hasta un 15% más de ingresos.
Este mayor nivel de precisión en la identificación de transacciones fraudulentas reduce considerablemente el volumen de revisiones manuales, disminuyendo la presión sobre los equipos de fraude de los clientes. El modelo de aprendizaje automático de Aidrian es autodidacta y se reentrena con nuevos datos cada dos semanas, lo que le permite realizar recomendaciones cada vez más precisas con el paso del tiempo.