Impacto del fraude en banca, seguros y administración pública
- Actualidad
SAS ha analizado las nuevas tipologías de fraude digital, teniendo en cuenta los tres sectores en los que tienen un mayor impacto, más allá del consumidor final, así como las principales tecnologías que tienen una mayor capacidad para poder frenarlos.
SAS explica que el principal afectado por el fraude cibernético son los consumidores finales. En 2022, según datos del Banco de España, las reclamaciones por fraude que presentaron los clientes se duplicaron: hubo 10.361, por las 4.955 de 2021. Los principales vectores de entrada, según el estudio de SAS “Faces of Fraud”, fueron los teléfonos móviles (72%), los emails (67%) y el WhatsApp (40%).
En el entorno corporativo, los tres sectores más impactados son Banca, Seguros y Administraciones Públicas. En 2023, los bancos tuvieron pérdidas cercanas a los 500 millones de euros por fraude, según datos del Banco de España. Ese año, el coste medio de las reclamaciones por fraude evitadas por las aseguradoras fue de 2.336 euros, aunque el coste medio de los fraudes cometidos fue de 8.300 euros, según ICEA.
Respecto a las Administraciones Públicas, los datos de la Agencia Tributaria indican que en 2022 el fraude fiscal supuso más de 920 millones de euros para las arcas públicas, lo que incluye “cuotas defraudadas, las intervenciones de Vigilancia Aduanera en delitos fiscales, los delitos de blanqueo de capitales y la deuda asociada a la frustración de la ejecución o insolvencia punible”.
La progresiva digitalización del fraude sitúa la tecnología como uno de los principales aliados para poder combatirlo. La compañía considera que una de las tecnologías que resultan fundamentales en este proceso es la inteligencia artificial, en particular las técnicas de analítica avanzada y machine learning, con las que analizar grandes volúmenes de datos en tiempo real identificando patrones de comportamiento anómalos.
Ana Collado, experta en fraude e inteligencia de seguridad de SAS, señala que “con IA, la analítica avanzada, el machine learning y la IA Generativa, podemos comprender el contexto en el que se producen los ataques, realizar análisis más precisos y en menos tiempo para mejorar la detección temprana, reducir los costes de gestión y agilizar los procesos. Esta información inteligente no solo facilita la detección actual, sino que también nos permite predecir y prevenir nuevas tipologías de fraude, protegiendo a nuestros clientes y la reputación de nuestros negocios”.
