La Tesorería de EE. UU. asegura que la IA evitó $1,000 M de fraude.

La Tesorería de EE. UU. asegura que la IA evitó $1,000 M de fraude.

El Departamento del Tesoro de EE. UU. ha informado que la implementación ampliada de sistemas de aprendizaje automático ha permitido detectar y evitar pagos fraudulentos por miles de millones de dólares en el año 2024. Este enfoque innovador ha mostrado resultados destacados en la lucha contra el fraude en diversos programas federales.

Resultados significativos en la detección de fraudes

El Tesoro, encargado de la emisión de cheques para una variedad de programas federales, procesa anualmente aproximadamente 1.4 billones de pagos que totalizan alrededor de $6.9 billones, incluyendo programas esenciales como el Seguro Social y Medicaid. En el último año fiscal, que concluyó en septiembre, la nueva estrategia basada en datos del departamento ha contribuido a prevenir y recuperar más de $4 billones en pagos fraudulentos, según un comunicado de prensa. Esta cifra representa un incremento significativo respecto a los $652.7 millones en fraudes detectados o recuperados en el año fiscal 2023.

Causas del aumento en la detección de fraudes

El Tesoro ha atribuido este aumento a su enfoque renovado hacia la detección de fraudes, utilizando técnicas de aprendizaje automático para identificar actividades sospechosas y priorizar transacciones de alto riesgo para una investigación más profunda. Además, han establecido colaboraciones con otras agencias federales y estatales para intercambiar información mediante su base de datos “Do Not Pay” y otras herramientas de integridad de pagos.

Colaboraciones en la lucha contra el fraude

Wally Adeyemo, secretario adjunto del Tesoro, enfatizó en una declaración que el departamento toma en serio su rol como custodio del dinero de los contribuyentes. “Asegurar que las agencias paguen a la persona correcta, en la cantidad correcta y a tiempo es fundamental en nuestros esfuerzos,” dijo. El progreso realizado ha sido evidente, y el Tesoro planea seguir colaborando con otras entidades gubernamentales para proporcionarles las herramientas y datos necesarios para mitigar el fraude.

La dimensión del fraude en el gobierno federal

A pesar de la impresionante cifra de $4 billones en pagos fraudulentos evitados o recuperados, esta cantidad es pequeña en comparación con las estimaciones más amplias de fraude gubernamental. En abril, la Oficina de Responsabilidad Gubernamental (GAO) estimó que las agencias federales pierden anualmente entre $233 y $521 billones debido a fraude. La GAO recomendó al Tesoro que, debido a su papel central en el procesamiento de pagos, aproveche mejor las herramientas de análisis de datos para combatir esta problemática.

Uso de algoritmos de aprendizaje automático

Tanto las agencias gubernamentales como las instituciones financieras están cada vez más recurriendo al uso de algoritmos de aprendizaje automático para identificar actores fraudulentos. Estos sistemas analizan una amplia variedad de datos sobre los beneficiarios de pagos, incluyendo detalles sobre sus cuentas bancarias, direcciones, direcciones IP, información demográfica y credenciales de acceso, con el objetivo de identificar patrones asociados al fraude.

Sin embargo, el Tesoro ha advertido en informes anteriores que la “data histórica utilizada para entrenar modelos de detección de fraudes podría contener sesgos, como la sobrerrepresentación de ciertos grupos demográficos en los casos de fraude.” Este matiz es crucial para entender la complejidad del problema y mejorar las técnicas de detección.

Los avances en la tecnología de detección de fraudes son prometedores, pero el desafío persiste, y las cifras de pérdidas representan solo la punta del iceberg de un problema que requiere atención continua y recursos dedicados.


Si quieres conocer otros artículos parecidos a La Tesorería de EE. UU. asegura que la IA evitó $1,000 M de fraude. puedes visitar la categoría Tecnología.

Foto del avatar

CityTecno

Nuestro Equipo Editorial está formado por amantes de los videojuegos y tecnología, ofreciendo la información mas relevante directamente de fuentes importantes de la industria.

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Tu puntuación: Útil

Subir

Esta página utiliza cookies y otras tecnologías para que podamos mejorar su experiencia en nuestros sitios. Mas información