Fraudio es una startup de tecnología financiera (fintech) con sede en Ámsterdam que se enfoca en ayudar a las empresas en el ecosistema de pagos a combatir el fraude en los pagos y los delitos financieros utilizando inteligencia artificial, aprendizaje automático y efectos de red de múltiples conjuntos de datos. Nuestra misión es conectar a comerciantes, proveedores de servicios de pago, adquirentes comerciales y emisores de tarjetas de todos los tamaños a un potente "cerebro" inteligente y centralizado de IA que previene, detecta y combate el fraude en tiempo real, creando un valor sin igual.

Fraudio cuenta con un "cerebro" de inteligencia artificial centralizado y patentado. Este cerebro no requiere una configuración costosa, facilita una integración sencilla y aprende continuamente de todas las transacciones. Esto convierte a Fraudio en un proveedor de Generación 3, implementando un salto disruptivo desde soluciones basadas en reglas y en aprendizaje automático entrenado en los datos de clientes individuales.

Fraudio no impone barreras de entrada: nuestra solución accesible y democrática se basa únicamente en un modelo de pago por uso.

Gracias a la tecnología pendiente de patente detrás de nuestro cerebro inteligente, podemos revolucionar la industria del fraude en los pagos al alejarnos de un enfoque de servicio profesional y adoptar una solución SaaS (Software como un servicio) moderna, en beneficio de la experiencia general de pago de los consumidores y los resultados financieros de nuestros clientes.

Fraudio brinda acceso a una API de detección y prevención de fraudes de alto rendimiento y alta calidad, pero engañosamente simple, que devuelve en tiempo real información avanzada de IA relacionada con fraudes sobre las transacciones de los clientes. Esto permite que cada uno de nuestros clientes mantenga tasas de conversión mientras reduce el costo directo e indirecto del fraude, maximizando los ingresos.

El fraude está en aumento, y las multas por una mala gestión del riesgo están creciendo en consecuencia. Las instituciones financieras, especialmente en Europa, están bajo un escrutinio cada vez mayor.

Este problema afecta a todas las instituciones que manejan pagos, con más del 80% de las organizaciones afectadas por el fraude en los pagos. Los comerciantes pierden hasta un 1.8% de sus ingresos por fraude y destinan hasta un 23% de los presupuestos operativos para gestionarlo. Los Proveedores de Servicios de Pago (PSP) compiten para reducir las tarifas de procesamiento de transacciones a cero y, posteriormente, necesitan ofrecer servicios complementarios a los clientes. En un mercado cada vez más competitivo y con mercados de comercio electrónico en rápido desarrollo, todos contribuyen a la creciente marea del fraude. Las licencias para operar pueden perderse si las ratios de fraude se vuelven demasiado altas. Los Bancos Adquirentes pueden ser multados por las Redes de Tarjetas y los reguladores si no controlan y mitigan activamente la prevalencia del fraude.

Además, el lavado de dinero por microcomerciantes y la incorporación instantánea resultan en $350 mil millones blanqueados por año, con una fácil incorporación digital que aumenta el fraude y las estafas de comerciantes a expensas de los adquirentes. Los bancos emisores y los clientes prestamistas enfrentan ataques de fraude y estafa cada vez más sofisticados. El lavado de dinero es crucial para los reguladores de la UE, ya que los bancos tienen equipos extensos y costosos que trabajan con técnicas y tecnología obsoletas.

Los proveedores de soluciones existentes en los espacios de fraude en las transacciones y el lavado de dinero tienen cierto grado de eficacia, pero son enormemente ineficientes: el proceso de implementación es largo y innecesariamente costoso, lo que resulta en un mercado mal atendido. El modelo de negocio existente basado en servicios profesionales significa que las empresas de los proveedores no crecen de manera eficiente: estos modelos de negocio actuales requieren la replicación de equipos técnicos y, por lo tanto, son inasequibles para jugadores pequeños y medianos. Se tarda mucho tiempo en producir modelos y resultados para los clientes, con pruebas de concepto (PoC) que llevan seis meses y cuestan alrededor de seis cifras, la norma de la industria.

Por lo general, los pasos de la integración basada en servicios profesionales de sistemas de detección incluyen al menos:

• Transferencia de datos históricos; el cliente recopila y transfiere datos históricos al proveedor.
• Equipos de ciencia de datos asignados para trabajar con los datos del cliente.
• Desarrollo personalizado del producto, entrenamiento y optimización, modelos personalizados de aprendizaje automático y a menudo también configuración de reglas para intentar mejorar aún más las medidas de protección.
• Pruebas de productos localizadas, resolución de problemas y perfeccionamiento.
• Implementación y alojamiento de la solución personalizada y no transferible para los clientes.

Los analistas de fraude inicialmente realizaban análisis de fraude manual y utilizaban sistemas basados en reglas. Con la mejora y madurez de las tecnologías, los proveedores de primer nivel comenzaron a ofrecer sistemas de detección de fraude que utilizaban inteligencia artificial. Estos sistemas se crearon para facilitar el análisis y automatizar la toma de decisiones. La aplicación y el uso de la inteligencia artificial mejoraron eficazmente la precisión de la detección de fraudes y los sistemas, detectando ahora fracciones más grandes de transacciones fraudulentas que nunca antes. La sofisticación en la detección de fraudes determinó cada vez más la propuesta de valor de una empresa y, por lo tanto, se convirtió en una tecnología exclusiva aislada dentro de bancos, redes de tarjetas de crédito o esquemas y proveedores de servicios de pago.

Estos servicios profesionales basados en sistemas de detección de fraudes exclusivos proporcionaban un efecto de red insignificante. Los registros de transacciones con tarjetas de crédito y débito, aunque son recopilados por todos, no tienen un estándar unificado, lo que hace que estos datos sean muy diversos. Esta diversidad refuerza aún más los silos de datos ya aislados dentro de cada empresa y evita la agregación, sin aprovechar la totalidad de estos datos.

Por ejemplo, consideremos un banco emisor de tarjetas. Un proveedor que procesa sus transacciones tendrá acceso a cada pago que las tarjetas de este banco realicen. El proveedor típico producirá modelos de aprendizaje automático que aprenderán de comportamientos y patrones específicos de los clientes de este banco. Supongamos que el mismo proveedor también procesa transacciones de otro banco, en el mismo país. En ese caso, aislará los conjuntos de datos de estos dos clientes y producirá modelos individuales de aprendizaje automático: se pierde la oportunidad de generar conocimientos más sólidos mediante la agregación de datos de los mismos segmentos. A menudo, esta segregación forzada no puede capturar patrones y comportamientos subyacentes que son independientes del cliente y que ocurren homogéneamente en un segmento específico.

Por lo tanto, los proveedores establecidos que utilizan este enfoque de datos aislados deben comenzar desde cero para cada nuevo proyecto. Deben pasar por procesos prolongados de exploración de datos y adaptar sus complejas canalizaciones de aprendizaje automático para cada nuevo cliente. Debido a este modelo de negocio engorroso y altamente ineficiente, sus clientes se ven obligados a firmar contratos de varios años con costos de configuración exorbitantes y tarifas anuales (hasta €2 millones).

Solución de Próxima Generación de Fraudio:

Fraudio ha solicitado una patente para un método de vanguardia para aplicar un sistema de inteligencia artificial centralizada para la detección de fraudes. El "cerebro" de IA se entrena por lotes utilizando un conjunto de datos centralizado, con un esquema de datos conocido y muy bien comprendido, para puntuar eventos de múltiples flujos de datos en tiempo real (<100 ms en promedio), es decir, flujos de transacciones de pago con tarjeta de clientes diversos.

Los conjuntos de datos se agregan en un solo conjunto de datos extenso utilizando técnicas avanzadas de transformación de datos para mapear estos nuevos flujos de datos en nuestro esquema de datos central. En resumen, cada flujo de entrada de transacciones de pago con tarjeta tiene su propio lenguaje de datos como lo hablan los sistemas específicos de ese cliente. Al integrarse con la API de Fraudio, cada uno de esos flujos se traduce instantáneamente al mismo lenguaje de datos hablado por el "cerebro" de Inteligencia Artificial de Fraudio.

Este es un enfoque novedoso y disruptivo para el problema de la detección de fraudes en transacciones de pago, ya que se opone a tener modelos de inteligencia artificial diferentes específicamente, y laboriosamente entrenados para cada flujo de transacciones de pago.

Pero, ¿qué valor aporta esto a nuestros clientes?

Detección de fraudes SaaS (Software como Servicio) con integración simple y fácil de la API y precios de pago por uso.

Debido a este salto tecnológico, podemos reducir significativamente la barrera de entrada al mundo de la detección de fraudes de primer nivel al acceder al poder de lucha contra el fraude de alta gama de Fraudio a través de una API amigable para desarrolladores, completamente alojada en la nube.

Tenemos tres productos que pueden conectarse en días, no en meses:

• Puntuación de fraudes en transacciones con tarjetas de crédito / débito.
• Monitoreo de fraudes / estafas de comerciantes.
• Detección de lavado de dinero.

Nuestras ventajas únicas:

• Sin costos de integración / configuración frente a demandas de seis cifras de la competencia.
• Puntuaciones de fraude desde el día cero, con respuestas por debajo de los 100 ms en promedio.
• Reducción de falsos positivos y maximización de la conversión al tiempo que se reducen los costos operativos de la gestión del fraude.
• Las capacidades de aprendizaje automático continúan impulsando mejoras para todos los clientes, lo que les permite beneficiarse de nuestro fuerte efecto de red.

Puntos de prueba:

Somos un equipo de expertos de la industria de pagos, respaldados por ING Bank, Payvision y Viva Wallet. Nuestros productos están impulsados por modelos centralizados en constante mejora entrenados en un conjunto de datos propietario de más de mil millones de transacciones.

Junto con el emisor de tarjetas más grande de Portugal, hemos demostrado tener 15 veces menos falsos positivos que el sistema de detección de fraude de uno de los mayores esquemas de tarjetas. Tenemos 30 veces menos falsos positivos que los modelos de aprendizaje automático personalizados para un importante PSP alemán y entregamos un 40% menos de falsos positivos que uno de los tres principales líderes del mercado que atiende a un adquirente de comerciantes holandés.

‍