Databricks está liderando una iniciativa crucial para transformar la forma en que las agencias del sector público abordan la prevención del fraude. Nos encontramos en una encrucijada donde la adopción de la Inteligencia Artificial (IA) no solo busca modernizar las operaciones y mejorar los servicios ciudadanos, sino que también ha reconfigurado drásticamente el panorama de amenazas. Los métodos tradicionales de control de riesgos, que no fueron diseñados para la escala ni la sofisticación actuales, se ven ahora superados por nuevas tácticas criminales que emplean identidades sintéticas, documentación mejorada con deepfakes y campañas de ingeniería social hiperpersonalizadas. Esta realidad exige un replanteamiento fundamental y la implementación de soluciones más inteligentes y escalables.
La necesidad de esta modernización se hace patente al observar la insuficiencia de los procesos de investigación de fraude actuales en muchas agencias. Los analistas a menudo se ven obligados a navegar por múltiples sistemas, exportando datos de uno, descargando hojas de cálculo de otro y consolidando información de correos electrónicos o carpetas compartidas. Este proceso manual, que implica la ejecución de macros o reglas básicas para identificar filas sospechosas y búsquedas adicionales para validar hallazgos, es inherentemente lento, fragmentado y prácticamente imposible de escalar ante el volumen creciente de amenazas, generando cuellos de botella y oportunidades para que el fraude pase desapercibido.
La magnitud del problema se refleja en estadísticas alarmantes que subrayan la urgencia de una transformación. Desde 2020, los delitos de fraude relacionados con beneficios han experimentado un aumento del 242%, lo que indica una escalada preocupante en la vulnerabilidad de estos sistemas vitales. En el ámbito fiscal, se descubrieron 4.500 millones de dólares en fraude en 2025, marcando un incremento interanual del 111.8%. Además, la sofisticación de los actores maliciosos se evidencia en casos como el de un solo actor extranjero vinculado a más de 52.000 solicitudes de marcas fraudulentas, lo que destaca la necesidad de una defensa con IA que pueda igualar y superar la astucia de los delincuentes.
Frente a este escenario, la promesa de la IA se materializa solo cuando se fundamenta en datos confiables y una gobernanza robusta. La modernización, según la visión de Databricks, va más allá de un modelo aislado; implica la construcción de un sistema seguro y de extremo a extremo que logre conectar los datos, la inteligencia y los flujos de trabajo de manera coherente. El enfoque se centra en 'operacionalizar' la IA, es decir, integrar los conocimientos derivados de los análisis directamente en las actividades diarias, asegurando que no queden aislados en plataformas analíticas, sino que impulsen las decisiones en el punto de acción.
Esta visión se concretiza a través de la implementación de Databricks Apps, impulsadas por Lakebase, que consolidan la gobernanza, los agentes de IA y los paneles de control en una única aplicación de operaciones de fraude adaptada a la misión específica de cada agencia. Un analista senior de fraude, al iniciar sesión, visualiza los casos asignados y, al abrir uno, puede revisar documentos de respaldo almacenados en volúmenes de Unity Catalog, junto con datos de verificación de terceros. Paralelamente, un agente integrado evalúa el caso en segundo plano y ofrece recomendaciones con su justificación correspondiente, manteniendo siempre la decisión final en manos del juicio humano.
La base de esta arquitectura moderna es la gobernanza de datos y la colaboración segura, elementos proporcionados por Unity Catalog y Delta Sharing. Para las agencias que gestionan una amplia gama de transacciones como subvenciones, contratos, beneficios, declaraciones de impuestos y patentes, la necesidad de una gobernanza robusta es crítica. Miles de solicitudes llegan diariamente a través de sistemas externos y se almacenan en tablas Delta dentro del lakehouse. Unity Catalog permite a la agencia gestionar sus tablas de investigación de fraude con un control de acceso basado en atributos (ABAC), donde columnas sensibles, como la información de identificación personal (PII), se rigen por etiquetas específicas, garantizando así la seguridad y la privacidad de los datos en todo momento.
El resultado de esta transformación es un modelo operativo que permite a los equipos procesar significativamente más casos con la misma fuerza laboral, al tiempo que se reduce la probabilidad de que la actividad sospechosa pase desapercibida. Los investigadores obtienen una visibilidad sin precedentes sobre patrones de fraude en diversos programas, y el liderazgo adquiere la confianza de que cada actividad señalada se evalúa de forma sistemática y coherente. Lo que antes podía llevar semanas de trabajo manual y fragmentado, ahora se puede lograr en cuestión de días, permitiendo una acción más rápida, precisa y con mayor seguridad, lo que se traduce en una mayor protección para los ciudadanos y los recursos públicos.
Fuentes
Respuestas (0)
Aún no hay respuestas en este tema.
