PayPal, y la prevención de fraudes mediante el análisis de datos

PayPal es una empresa estadounidense que ofrece servicios digitales para realizar pagos y transferencias como intermediario entre personas y negocios en cualquier parte del mundo. Siempre y cuando la empresa tiene implementado el portal de pago de PayPal, los compradores en línea pueden elegir esta forma de pago seguro; así mismo puede transferir dinero a otros contactos. Se conoce que el beneficio de usar PayPal está en la facilidad y velocidad de realizar transacciones en línea; una vez registrado las tarjetas de crédito, con tan solo un click se procesa cualquier pago sin necesidad de esperar la verificación y el largo proceso de ingresar información una y otra vez. El trabajo de PayPal es garantizar seguridad y velocidad en términos de conveniencia al mismo tiempo para satisfacer a sus clientes de varios segmentos, así como usuarios del día a día, comerciantes pequeños hasta multinacionales. Este proceso lo hacen a través de un profundo análisis y entendimiento de sus consumidores. 

Apenas tiene dos décadas, fue fundada en 1998 en Mountain View, California, con el nombre “Confinity” por Peter Thiel y Max Levchin. Más tarde fusiona con X.com empresa de Elon Musk y cambia el nombre a PayPal. En los primeros tres años llegó a manejar más de $3 billones de pagos de 12.8 millones de usuarios individuales y negocios. En el año 2000 eBay empieza a aceptar pagos a través de PayPal. (PYMNTS, 2015) Su crecimiento se refleja en 2002 cuando transa en la bolsa de valores de Nueva York por primera vez, culminando el primer día con un poco más de $20 por acción y un 50% de crecimiento. A finales del mismo año, eBay anuncia su adquisición por un valor de $1.5 billones. Continúa siendo líder en el mercado, en 2006 pasa de 100 millones de usuarios y desarrolla PayPal Mobile; plataforma de transacciones desde el móvil. La relación de eBay y PayPal termina en 2015 con la separación de estas; la tecnológica de pagos en línea vuelve a ser empresa independiente cotizado en bolsa. En 2017 PayPal lanza su servicio de P2P Payment que básicamente permite a las personas generar un link para realizar cobros entre conocidos y pequeños comercios. En cuanto 2019, se expande al mercado de India, firma contrato con Facebook Marketplace y hace una inversión de $500 millones en Uber. (O’Connell, 2020)

Así como cualquier otro servicio financiero o identidad bancaria, PayPal siempre fue susceptible de ataques cibernéticos y fraudes que debilitan el sistema para resguardar la seguridad de los usuarios. Ha sido victima de hackers y estafadores que intentan entrar al sistema para robar datos personales. Además, también ha sido un medio empleado por mafias y grupos de crimen organizado para lavado de activos. Simultáneamente, al tiempo que se preparaba para cotizar en bolsa fue demandado por reguladores federales. Según Forbes, se llevan a cabo aproximadamente 27 millones de transacciones por día y a partir de ello recolectan datos sobre patrones de consumo, comportamientos, ubicaciones, etc. de los que emplean esta plataforma. Esta data es utilizada para autentificar la identidad de los usuarios reduciendo el tiempo de verificación cada vez que realiza una compra. Acerca de los fraudes, el objetivo principal del equipo es mitigar el número de falsa alarmas que pueden cegar/obstruir el sistema para solucionar problemas financieros relevantes. Y en el proceso evitar bloquear cuentas de usuarios genuinos. Las tecnologías que emplea para desarrollar herramientas de seguridad son inteligencia artificial, cifrado de datos, “deep learning” que se explicará más adelante y entre otros. Como resultado de integrar inteligencia artificial en los procesos operados por humanos, la tasa de falsa alarmas redujo 50%. (Burns, 2016)

PayPal reduce los casos de fraude mediante análisis de datos y la toma de decisiones a partir de insights. En estos casos, la utilidad de la data es extremadamente importante para proteger el dinero de los usuarios y evitar delitos cibernéticos que arriesgan la seguridad de todos. Para diferenciar estas predicciones desacertadas de los verdaderos fraudes y detectar anomalías interviene los modelos de inteligencia artificial que PayPal ha desarrollado continuamente. Dentro de una transacción de dos segundos, PayPal logra desde cientos a miles de controles de riesgos. En este punto es cuando toma relevancia los conceptos y tecnologías de inteligencia artificial que tienen capacidad de procesar hasta dos décadas de información sobre patrones y comportamientos de consumo en esta empresa. Como se mencionó anteriormente, los fraudes son identificados con algoritmos avanzados de “Machine Learning” y “Deep Learning” en milisegundos antes, durante y después del proceso de transacción. (Aggarwal, 2020) Ambos términos son parte del amplio espectro de la inteligencia artificial. El primero genera predicciones a partir del continuo aprendizaje y alimentación de datos y experiencias pasadas para mejorar su modelo. El segundo concepto viene como una herramienta más sofisticada y avanzada que el machine learning; involucra el uso de redes neuronales compuesto de múltiples capas para detectar patrones. Permite solucionar problemas más complejos con mejor precisión; es menos propenso a ser afectado por data irrelevante y es más robusto lidiando con información de múltiples fuentes. (Kureishy A., 2018) Estas técnicas de aprendizaje y predicción pueden ser entrenadas para distinguir entre lo que es fraude y comportamiento normal de un usuario. 

En un principio, PayPal empleaba modelos simples, fue evolucionando a través de los años integrando técnicas de machine learning, así como deep learning replicando procesos del cerebro. El equipo humano encargado del área se entrena para actuar y pensar como estafadores mientras estudian casos sospechosos fraudulentos de la vida real. Adicional a la data sobre cantidad de transacción, ubicación, etc., desarrollan todo tipo de escenarios de usuarios para alimentar el sistema de inteligencia artificial. (Kureishy A., 2018) El enfoque de su innovación es complementar la analítica de datos con las habilidades humanas para aprovechar el máximo de la tecnología. Para Sri Shivananda, vicepresidente de PayPal, es más adecuado atribuirle el nombre “inteligencia aumentada” ya que el valor verdadero está en la combinación “humano-máquina”. (Insights Contributor, 2019) Lo cual permite acelerar transacciones de usuarios verídicos y detener los que son sospechosos. Para ejemplificar, si un sistema tradicional identifica un patrón en el que la misma cuenta ha sido accedido en cinco diferentes ubicaciones en cinco días, el sistema lo determina sospechoso. Sin embargo, el modelo de inteligencia artificial de PayPal examina detenidamente cada situación, que en realidad resulta ser un piloto comprando mientras trabajaba. Se puede lograr eso debido a la información antes mencionada que se alimenta al modelo y que provee de soluciones dinámicas.

Acerca de velocidad y seguridad, PayPal tiene una innovación llamada “One Touch” que permite al usuario ahorrar el paso de registrarse al ingresar al sitio siempre y cuando esté autentificado a través de varios parámetros sobre la persona tales como: el aparato que esté utilizando, la ubicación o los comercios donde generalmente compra. (Insights Contributor, 2019) El algoritmo de deep learning de la compañía asiste en el manejo del paquete de data que un pago contiene; analiza este para buscar actividades sospechosos. De igual forma, si detecta cambios en los patrones de los factores listados en vista de intento de fraude, el algoritmo detiene y previene la transacción que se iba a generar. Con el tiempo, los datos históricos de los clientes ayudan a pulir el modelo que recorre en cada transacción. Para garantizar la seguridad y protección de información personal, PayPal aplica cifrado y encriptado de los datos; constantemente escanea mediante servidores de data, buscadores de los usuarios para asegurar que están empleando tecnología de cifrado más actualizado. Además, la información de cada consumidor se guardan en un base de datos seguros para impertir que sea interceptado en el proceso (Burns, 2016)

Ahora bien, el big data optimiza procesos en varias áreas de la empresa, personalización es uno de ellos; el objetivo es hacer que las transacciones sean simples y fáciles para cada una de las personas. A partir de insights recolectados de las experiencias, el equipo examina si sus innovaciones diarias funcionan con sus consumidores. Otra optimización se da en el tema de cumplimiento y obligaciones, donde PayPal se asegura de cumplir con las políticas monetarias y fiscales que se manejan distintamente en los 200 mercados y con más de 200 monedas. Minimiza el riesgo de cada transacción con la ayuda de una serie de parámetros que van calificando dentro de los dos segundos del proceso; es aún más importante para un sistema de pago en línea controlar este factor. 

Para concluir todo lo hablado anteriormente, es importante destacar que la solución para mitigar exitosamente los fraudes cibernéticos no basta simplemente invertir más dinero en analítica sino, invertir en un adecuado administración de data y analítica predictiva que tengan la habilidad de descifrar algo complejo para sugerir respuestas que solucionen un problema. No obstante, entendiendo mejor a los usuarios les permite llegar a mejores decisiones para satisfacer sus necesidades y optimizar muchos aspectos en la operación de la empresa así como servicio al cliente, seguridad, velocidad y cumplimientos de las políticas tanto fiscales como monetarias de todos los países con los que se dan transacciones.  

Bibliografía

Aggarwal, N. (2020, noviembre 24). Here’s how VISA, Mastercard and PayPal are fighting cyber frauds with AI. Retrieved from ETCIO: https://cio.economictimes.indiatimes.com/news/digital-security/heres-how-visa-mastercard-and-paypal-are-fighting-cyber-frauds-with-ai/79381050

Burns, E. (2016, enero 26). How PayPal fights fraud with predictive data analysis. Retrieved from TechTarget: https://searchbusinessanalytics.techtarget.com/feature/How-PayPal-fights-fraud-with-predictive-data-analysis

Insights Contributor. (2019, mayo). How paypal turns customer data into smoother safer commerce . Retrieved from Forbes: https://www.forbes.com/sites/insights-teradata/2019/05/06/how-paypal-turns-customer-data-into-smoother-safer-commerce/?sh=1aa62046ed1d

Kureishy A., M. C. (2018). Praise for Achieving Real Business Outcomes from Artificial Intelligence. Sebastopol, United States of America: O’Reilly Media, Inc.

O’Connell, B. (2020, enero 2). History of PayPal: Timeline and Facts. Retrieved from The Street: https://www.thestreet.com/technology/history-of-paypal-15062744

PYMNTS. (2015, julio 2). Throwback Thursday: PayPal’s Biggest Days In History. Retrieved from https://www.pymnts.com/in-depth/2015/throwback-thursday-paypals-biggest-days-in-history/

Responder

Por favor, inicia sesión con uno de estos métodos para publicar tu comentario:

Logo de WordPress.com

Estás comentando usando tu cuenta de WordPress.com. Cerrar sesión /  Cambiar )

Google photo

Estás comentando usando tu cuenta de Google. Cerrar sesión /  Cambiar )

Imagen de Twitter

Estás comentando usando tu cuenta de Twitter. Cerrar sesión /  Cambiar )

Foto de Facebook

Estás comentando usando tu cuenta de Facebook. Cerrar sesión /  Cambiar )

Conectando a %s