¿Pueden 409.000 Marcas de Fraude Ser Responsabilizadas Cuando la IA Cierra Cuentas Bancarias?

- Aumentan las preocupaciones por personas inocentes que pierden sus cuentas bancarias debido a decisiones impulsadas por IA en la prevención de fraudes.
- Los procesos automatizados y la dependencia de marcadores de fraude contribuyen al cierre de cuentas sin una explicación suficiente.
- Encontrar un equilibrio entre la IA y la supervisión humana es crucial para garantizar un trato justo y el acceso a servicios bancarios.
El aumento del uso de la inteligencia artificial (IA) y la mayor sensibilidad sobre la prevención de fraudes en el sector bancario han generado preocupaciones sobre personas inocentes que tienen sus cuentas bancarias cerradas sin previo aviso. Si bien los casos de alto perfil que involucran a políticos han atraído la atención sobre el tema, los miembros del público también están experimentando el cierre repentino de sus cuentas debido a problemas con la forma en que los bancos se protegen contra los riesgos de fraude. 409.000 marcas de fraude cargadas en la base de datos de fraude más grande en los últimos años pueden potencialmente afectar a cualquier individuo. Los procesos de toma de decisiones automatizados destinados a reducir costos se han vuelto devastadores para las personas inocentes al encontrar sus cuentas bancarias cerradas.
El papel de las marcas de fraude
Para prevenir la actividad fraudulenta, las sospechas se cargan en bases de datos operadas privadamente, que los bancos consultan al evaluar solicitudes de préstamos, abrir nuevas cuentas o revisar cuentas existentes. Si bien las marcas de fraude desempeñan un papel vital en la detención de estafadores, no son infalibles, y las personas inocentes a veces pueden verse afectadas incorrectamente por estas marcas. Las marcas están destinadas a ser orientativas, con los bancos realizando verificaciones adicionales, pero la creciente dependencia de la toma de decisiones automatizadas las ha hecho más influyentes en la práctica.
El creciente uso de procesos automatizados, particularmente en las revisiones de solicitudes, ha limitado el elemento humano en la toma de decisiones. Los bancos a menudo no miran más allá de los resultados automatizados, lo que lleva al cierre de cuentas y al fracaso de las solicitudes de préstamos sin explicar suficientemente a los clientes. Los bancos citan la necesidad de proteger investigaciones criminales en curso como razón para retener información sobre las marcas de fraude. El número de marcas de fraude ha estado aumentando, con más de 409.000 marcas cargadas en la base de datos de fraude más grande en los últimos años, potencialmente afectando a muchas personas.
Impacto potencial del enfoque de tolerancia cero al riesgo
La introducción propuesta de un nuevo delito de no prevenir el fraude a través del Proyecto de Ley de Crimen Económico y Transparencia Corporativa podría exacerbar aún más la situación. Los bancos podrían adoptar un enfoque de tolerancia cero al riesgo, alejándose de los clientes a menos que estén 100% seguros de su integridad. Esta postura cautelosa podría llevar a que las personas inocentes sean negadas innecesariamente servicios bancarios.
Si bien los casos de alto perfil que involucran a figuras políticas han atraído la atención sobre el tema, los procesos involucrados en la evaluación de riesgos son similares para el público en general. Los bancos aversos al riesgo dependen de procesos automatizados para filtrar a los clientes, incluidos aquellos considerados personas políticamente expuestas (PEP). La Autoridad de Conducta Financiera ya está revisando cómo los bancos tratan a los PEP, con el ministro de la ciudad Andrew Griffith instando al organismo de supervisión a priorizar el tema para garantizar el acceso justo a los servicios bancarios para los políticos.
La necesidad de una evaluación equilibrada del riesgo de fraude
Hay una llamada para un enfoque más equilibrado en la evaluación del riesgo de fraude, permitiendo una verificación de la realidad y flexibilidad en la toma de decisiones. Los sistemas automatizados y la IA deben verse como herramientas en lugar de la única base para la toma de decisiones. Se debe dedicar más tiempo y consideración a evaluar casos individuales y reducir la dependencia excesiva de los procesos automatizados.
Cifas, el servicio de prevención de fraudes, afirma que las marcas que proporciona se basan en evidencia sólida y cumplen con estrictos estándares de prueba. Enfatizan que una marca desencadena una investigación adicional por parte de los bancos miembros, quienes tienen la decisión final sobre abrir o cerrar una cuenta. Cifas asegura la transparencia en sus operaciones y ofrece un proceso claro para que los consumidores accedan a sus datos en la base de datos o apelen una marca.
El aumento del uso de la IA y la toma de decisiones automatizadas en la prevención de fraudes ha resultado inadvertidamente en que personas inocentes pierdan el acceso a sus cuentas bancarias. Si bien las marcas de fraude desempeñan un papel esencial en la detección y prevención de fraudes, la dependencia de los sistemas automatizados debe equilibrarse con la supervisión humana y la consideración de las circunstancias individuales. Encontrar el equilibrio adecuado es crucial para garantizar un trato justo y el acceso a los servicios bancarios mientras se combaten efectivamente los riesgos de fraude.
Las mentes más inteligentes del mundo cripto ya leen nuestro boletín. ¿Quieres unirte? Únete a ellos.
Aviso de responsabilidad (Disclaimer): La información proporcionada no constituye asesoramiento de inversión. Cryptopolitan.com no asume responsabilidad alguna por las inversiones realizadas basándose en la información contenida en esta página. Recomendamos encarecidamente realizar investigaciones independientes o consultar con un profesional calificado antes de tomar cualquier decisión de inversión.

John Palmer
John Murangiri llegó a Cryptopolitan con habilidades en análisis de mercado. John (también conocido como JP) se graduó de la Universidad de Nairobi con un título de licenciatura en comunicación masiva y estudios de medios. Anteriormente, ha contribuido con perspectivas del mercado de criptomonedas a InsideBitcoins.com y Metacoingraph.















