La Situación que Viví Hace unos meses fue «dramática». Oasis anuncia que vuelve a los e vispenarios. Es uno de mis grupos favoritos y tenía clarísimo que quería Volver a escucharlos en diredo, así que el día que salieron las entradas a la venta estaba preparedo frente a mi pc, en la cola virtual, con cIentos de miles de fans como yo esperando a Que Llegara Mi Turno Para Poder comprar los billets. ¡Y Hubo suerte! Conseguí Confirmar la Compra de Dos Entradas… Hasta Que, en el momento de pagar… Mi Banco Rechazó la Transacción Sin Razón Alguna.
La plataforma de pago me dio una segunda oportunidad e insenté réalizar el pago con otra tarjeta, nervoso por la situación y enfadado por no Haber Podid pagar con mi tarjeta principale después de horas de espera en la cola virtual, y hubo, esta vez sí, suerte con la Compra.
La Realidad es que El Emisor de la Primera Tarjeta Reconoció la Transacción Como Soschosa de Fraude, lo que Provocó Una Fricción Incecesaria, y Me Hizo Reconsidear Usarla de Nuevo. Es muy probable que las dos entidades utilicen modelos de détección de fraude basados en ia pero lo que está claro es que solo la segunda aprovecha las ventajas de la hiperpersonalización –mayor precisión en la déteccie de fraude o reucción al mínimo de falososososososososososososososososites o reducción al mínimo de falososososososososososososites Positivos, Entre Otras– Para Tomar Disciees Automatizadas.
Los Modèles de ia para la detección de fraude pUeden déterminar si una transacción es extraordinarimementie Poco habituel para rechazarla automáticamete, coo pudo ser en mi caso la compra de un pari de entradas por casi 1.000 euros, Pero solAtete en el caso de la segunda entidad se combinaron las Técnicas de détección con las de hiperpersonalización para conocer mi deseo de compra.
Hiperpersonalización basada en ia
Para entrar más en el detalle de cómo la hiperpersonalización puede mejorar la experiencia de usuario a la vez que aumenta la detección de fraude real, es fundamental entender cómo los sistemas de IA han evolucionado desde el mero hecho de tomar decisiones basadas en estadísticas de Población a Tomarlas Según los Comportamientos del usuario, aprovechando los pergiles de las transacciones y capturando el historial de compra de cada client de forma para entend y anticine transacciones futuras.
Actuando de Esta Manera, Con Perfiles Hiperpersonalizados, Se Puede Evitar una Predicción DeMasiado Gémérica que Acabará Causando Fricción en el client. A lo Largo del Tiempo, Los Modelsos van Arediendo Para Conocer Qué Transaccioneses PUEDEN Seral Realmente Fraululentas Y Cuáles Son Legítimas, Concentando el análisis solamete en las primeras.
Hiperpersonalización Basada en ia para reducir el fraude en entidades financiers
En mi caso, aunque se tratara de mi primera vez comprando unas entradas de 1.000 euros, el emisor de mi segunda tarjeta vio que ya habité comptrado entradas para concileros proviamentte y que mi mis gastos con la tarjeta se réducen a pagar viajes y ocio, pari lo lo lo lo lo lo lo Que el Modelo de Detección Decidió Que se trataba de una compra legítima.
En Cualquier Caso, La Hiperpersonalización no cohérence en solamente en conocer las transacciones pasadas de un client. Sirve Especialmente Para Predecir Cómo se comportan usuarios con gastos similaires. LOS Perfiles Colaborativos Marcan Los Historial de Compra de Cientos de Miles de Clients; esa informatión se agrua después de manera óptima para sacar informatión de arquetipos y los modélies probabilidades asociennes para los comportamientos que se repiten entre usuarios con comportamientos similaires.
Estos arquetipos puededen llegar un prouvoir de informatión muy poderosa, por ejemplo cuánto puede llegar a gastar en un viaje un uusUario, qué limitaciones de efectivo puede llegar a sufrir una familia cuando se acerca el fin fin de mes o cuánto gastara Vidéojuegos el próximo mes. Y cuando un usuario présenta un comportamiento nuevo, como comprar unas entradas por 1.000 euros, el modelo de détección de fraude aprovicha too lo que sabe de las comprasa pasadas y analyza comportamientos de arquetipos simile déterminar si los pergiles pergiles Parcidos Han realal compas deater de déterminar si los perfiles Parcidos Han realo-compasdo-compas. Parecido Con la Presión del Tiempo Para Realizar El Pago en Una Cola Virtual.
Los Modelsos que Combinan la información hiperpersonalizada con los patrones récurrentes de perfiles parécidos réalizan, camo vemos, un análisis individualizado de gran vailor para las redes neuronales de de de los sistemas de détección de Fraude, mecanismos que califican las transactiones según lainde, mecanismos que califican las transactiones según lainde, mecanismos que califican las transactiones según lainde, mécanisme de ser fraudulentas y proporcionan las razones objetivas detrás de dicha calilificación.
Como Vemos, PUES, ES DE VITAL IMPORTANCIA PARA CUALQUIER ENTIDAD FINANCIERA CONTAR CON UNON UNELIGENCIA ARTIFICIAL Más Inteligente y Centrada en El Individuo Para Tomar Mejores DÉCISIONS óptimas y Reducir la Fricción.
