Hace años que se viene hablando sobre el uso de la inteligencia artificial para combatir el fraude, aplicando un aprendizaje supervisado (“machine learning”) para etiquetar cada nueva transacción y predecir si es irregular o no. Para ello es imprescindible registrar y almacenar datos relevantes históricos y el resultado de sus investigaciones.
En definitiva seria combinar big data y algoritmos de machine learning, para desarrollar un sistema que sea capaz de detectar y predecir el fraude. Todos estos sistemas están focalizados al fraude externo.
Pero, ¿cómo se combate el Fraude Interno usando la inteligencia artificial? ¿Qué algoritmos usamos para su predicción?
A continuación, dejo unas “pistas” sobre cuáles podrían ser algunos de los indicadores claves a partir de los cuales poder construir los algoritmos de “machine learning” para la predicción del Fraude Interno:
Facturas y proveedores:
· Facturas incompletas, indocumentadas….
· Pago a proveedores inexistentes
· Pago múltiples a proveedores
· Pago duplicado de facturas
· Vinculación entre empleados/proveedores
Retribuciones y Gastos a empleados:
· Exceso de autorizaciones
· Alteraciones presupuestarias
· Incumplimiento de políticas de autorización
Otros indicadores sobre empleados
· Indicadores vacacionales (presencia continuada/vacaciones no consumidas…)
· Rotación en relación con el puesto de trabajo
· Uso inadecuado de tarjetas de crédito
· Uso inadecuado elementos institucionales (móviles, mail, tarjetas de crédito empresa, redes sociales). Definición de palabras clave, lista “negra” de mails, teléfonos, etc….
Control de acceso
· Autentificaciones incorrectos al sistema
· Uso del sistema/comunicaciones en vacaciones o en horario “no habitual”
· Transacciones con mayor consuma de CPU
· Acceso a ficheros con información confidencial
Contables
· Apuntes con corrección tras el cierre de ciclo
· Apuntes sin concepto informado
· Operaciones manuales
Ambiente TI
· Intentos de acceso no autorizados
· Accesos en horarios atípicos
· Acceso con usuario de baja, vacaciones, etc..
Quebrantos
· Quebrantos de moneda
· Sustracciones de activos físicos materiales
Manipulación de datos de clientes
· Número de clientes cuyo nombres, asociado al documento de identidad, pudiera no coincidir tras cruzarlo con otras fuentes.
· Número de documentos de identificación cuya numeración no sea válida o que no parezca lógica atendiendo a otros criterios (por ejemplo, la edad registrada).
· Cruce de clientes con direcciones anómalas con otros datos de los clientes y sus productos.
La lista es mucho más extensa y con indicadores más detallados, pero para que realmente sea eficaz hay que adaptarlos a cada organización, y encontrar esos algoritmos realmente válidos y predictivos.
Este artículo fue publicado en su Blog Fraude Interno, el cual es un Blog creado con el objetivo de compartir conocimientos e inquietudes relacionados con el fraude interno, tanto con profesionales de la auditoria interna como con cualquier empresario o directivo que no disponga de un departamento de auditoria interna en su organización. Para mayor información debes visitar: https://fraudeinterno.wordpress.com/.
¿Te ha gustado la información? ¡Compártela con otro auditor interno!
¿Te ha gustado la información? ¡Compártela con otro auditor interno!








