Protegemos a los clientes al tiempo que reducimos los falsos positivos
Capital One es uno de los bancos más grandes de los Estados Unidos y el banco digital más grande. A medida que los consumidores continúan renunciando a empresas tradicionales de productos por empresas virtuales, Capital One ha adoptado nuevas tecnologías al incorporar y aplicar soluciones de inteligencia artificial y machine learning en casi todas las facetas del negocio e infundir la experiencia del cliente con inteligencia.
Una de las áreas donde Capital One está aplicando machine learning es en el ámbito de la detección de fraudes. Algunos de los peores delincuentes cibernéticos del mundo se centran en la industria de servicios financieros, lo que hace que la seguridad sea aún más vital. De acuerdo con un informe de 2018 del Consejo de Asesores Económicos de la Casa Blanca, la actividad cibernética maliciosa le costó a la economía entre $USD 57 mil millones y USD 109 mil millones en los últimos años, y el sector financiero es el que presenta la mayoría de las brechas de cualquier industria.
Con una gran cantidad de datos distribuidos en numerosos centros de almacenamiento, el machine learning ha sido de un valor inestimable, dado que Capital One trabaja para proteger mejor el bienestar financiero de sus clientes. De esta manera, los ayuda a adquirir más poder financiero, a detectar el fraude, a trabajar para reducir los falsos positivos y a administrar mejor sus gastos.
"En los últimos años, hemos reconocido la importancia de aprovechar el machine learning para mejorar la experiencia del usuario, así como para ayudarnos a tomar decisiones más informadas sobre la interacción con nuestros clientes", dice Nitzan Mekel-Bobrov, Ph.D., vicepresidente y gerente de machine learning en Capital One. "Estamos continuamente construyendo sistemas más sofisticados que pueden aprovechar una variedad de datos, estructurados y no estructurados. Esto nos permite hacer predicciones más precisas sobre si una actividad es fraudulenta o no".
Mediante el aprovechamiento de un amplio conjunto de herramientas y marcos de machine learning, como TensorFlow en Amazon Web Services (AWS), Capital One tiene la capacidad de analizar grandes cantidades de datos, lo que lo ayuda a detectar y prevenir fraudes en tiempo real. Cuando ocurra una actividad sospechosa, Capital One alertará automáticamente a los clientes, los guiará a través de los pasos de notificación de fraude, los ayudará a bloquear su tarjeta y a solicitar una nueva, y desbloqueará una tarjeta temporal para que no haya interrupciones en su capacidad de gastar su dinero. Con masivamente más datos, un historial de datos más largo y algoritmos avanzados, Capital One se centra en aprovechar el machine learning para revolucionar la forma en que administra el fraude.
"Hemos reconocido en los últimos años la importancia de aprovechar el machine learning para mejorar la experiencia del usuario, así como para ayudarnos a tomar decisiones más informadas sobre la interacción con nuestros clientes".
Nitzan Mekel-Bobrov, Ph.D.
Vicepresidente y gerente de aprendizaje automático
Capital One
"Hemos reconocido en los últimos años la importancia de aprovechar el machine learning para mejorar la experiencia del usuario, así como para ayudarnos a tomar decisiones más informadas sobre la interacción con nuestros clientes".
Nitzan Mekel-Bobrov, Ph.D.
Vicepresidente y gerente de aprendizaje automático
Capital One
Para Capital One, el uso de análisis de datos y el machine learning en AWS brinda una gran cantidad de nuevas oportunidades para personalizar la experiencia de sus usuarios y obtener más información sobre la interacción con los clientes, además de ayudar a informar las decisiones clave de negocios. Esto se aplica incluso a los centros de llamadas del banco, donde la tecnología de reconocimiento de voz se utiliza en un sistema automatizado de capacitación y validación que ha duplicado la precisión en los últimos 18 meses.
"Con machine learning, estamos protegiendo a nuestros clientes al prevenir el fraude. Pero al mismo tiempo, es una situación en la que hay dos caras de la misma moneda ", dice Mekel-Bobrov. “Por un lado, este es un componente esencial de nuestra estrategia defensiva. Pero, por otro lado, está impidiendo que los clientes tengan una experiencia negativa donde se les rechaza cuando no deberían. Nos está ayudando a ser protectores, pero no sobreprotectores".
De acuerdo con la opinión de Mekel-Bobrov, los falsos positivos son bien conocidos por irritar, e incluso alienar, a los clientes. "Lo que podemos hacer ahora con el machine learning es mejorar continuamente el equilibrio de los dos lados de la ecuación de manera mucho más dinámica", dice Mekel-Bobrov. "Podemos optimizar ese punto dulce de ofrecer suficiente protección, pero no exagerar con demasiados falsos positivos".
De manera crucial, la nube de AWS le permite a Capital One implementar un rango de software interno y herramientas de machine learning, lo que le permite al banco aprovechar sus datos en tiempo real y entregar las soluciones rápidas que son esenciales en una industria altamente regulada. Y debido a que la nube de AWS es tan segura, y muchas veces más segura que un centro de datos local, puede aplicar estas innovaciones al tiempo que respeta su responsabilidad de proteger a los clientes y sus datos.
"Con AWS y nuestro traslado a la nube, podemos construir un ecosistema de machine learning verdaderamente moderno, con todos nuestros datos conectados y totalmente disponibles", dice Mekel-Bobrov. "Esto nos permite implementar modelos que se configuran automáticamente para los datos entrantes, escalando automáticamente nuestra infraestructura e incluso conectando nuestras propias soluciones para una mayor flexibilidad". De esta manera, podemos centrarnos en un uso del aprendizaje automático que pueda salvar vidas”.