IBM adquiere IRIS Analytics

IBM adquiere IRIS Analytics

El aprendizaje de máquina avanzado ayuda a los clientes a adaptarse y reaccionar frente a ataques sofisticados.

IBM adquirió a la empresa alemana IRIS Analytics, una compañía privada especializada en analítica en tiempo real para ayudar a combatir el fraude en pagos, con lo cual fortalecerá sus ofrecimientos en soluciones de prevención contra el fraude financiero.

Las técnicas actuales de detección de fraude están limitadas por la dependencia que existe en modelos de “caja negra”, los cuales son difíciles de entender, explicar y adaptar. Conforme la industria de pagos evoluciona a innovaciones de pagos móviles alternativas y más rápidas y se expande el uso de chips y NIPs, los defraudadores se han vuelto más organizados y sofisticados tecnológicamente, adaptando muy rápido sus técnicas de fraude.

De acuerdo con un reciente estudio global del Instituto para el Valor de Negocio (Institute for Business Value) de IBM, sólo 16 por ciento de los bancos encuestados afirmó que podía detectar cuando se intentaba realizar un fraude en pagos. Una vez que se identificaban y confirmaban los nuevos trucos, se estima que las contramedidas requieren típicamente más de cuatro semanas en implementarse.

IRIS ofrece un motor de analítica de fraudes en tiempo real que aprovecha el aprendizaje de máquina para generar modelos rápidos de antifraude, al tiempo que apoya la creación y modificación de modelos hechos a la medida y probados con éxito en plataformas de pago de diferentes tamaños.

Al actuar como un “analista virtual” que ayuda a identificar nuevos patrones de fraude, IRIS aplica los modelos de aprendizaje de máquina para ayudar a los analistas a detectar los fraudes y actuar rápidamente para ayudar a reducir los eventos fraudulentos. IRIS actúa como un puente entre las reglas de expertos y la modelación predictiva tradicional aplicando inteligencia artificial y técnicas cognitivas para, en conjunto con expertos humanos, sugerir interactivamente la mejor analítica, mientras se prueban e implementan modelos con datos reales, en el momento que sucede y sin tiempos de caídas.

El enfoque de cómputo cognitivo desata un nuevo paradigma para la lucha contra el fraude”, dijo Alistair Rennie, gerente General de Soluciones de Industria en IBM Corp.

Al integrar a IRIS Analytics con la tecnología contra el fraude de IBM, ayudamos a las organizaciones a detectar más acertadamente los fraudes a una escala y velocidad tal, que podrán estar en posición de implementar contramedidas rápidamente, con más control y transparencia, al mismo tiempo que se reducen dramáticamente los falsos positivos”, agregó.

IRIS se utiliza en bancos líderes y procesadores de pago alrededor del mundo. Por ejemplo, el switch de pagos con tarjeta francés “e-rsb”, operado por STET, usa IRIS para analizar 5.5 mil millones de transacciones anuales de tarjeta de crédito y de débito.

Con un tiempo de respuesta promedio de menos de 5 milisegundos por transacción, incluso en horas pico cuando procesamos más de 750 transacciones por segundo, IRIS nos permite detectar fraudes potenciales sin añadir carga adicional a nuestro servicio”, estableció Pierre Juhen, director General Adjunto de STET, quien agregó que la empresa es capaz de responder a los nuevos patrones de fraude al implementar nuevas contramedidas en pocas horas sin apagar el sistema.

Las defensas contra el crimen financiero presentan una necesidad crítica de innovación y mejora. Al evolucionar la industria de pagos hacia nuevos métodos como el chip y el NIP, pagos móviles y pagos inmediatos, se incrementa la necesidad de que las instituciones financieras sean capaces de tomar las decisiones más acertadas sobre lo que es sospechoso y lo que es legítimo, antes de que se requiera que el pago sea ejecutado”, dijo Constantin von Altrock, director General de IRIS Analytics.

La combinación de la tecnología de IRIS con las capacidades contra fraudes de IBM, crea una solución completa para la prevención de fraudes en pagos en tiempo real”, concluyó.

Ultimas Noticias

Dejar su comentario sobre esta nota

Su direccion de correo no se publica. Los datos obligatorios se encuentran identificados con un asterisco (*)