Mastercard utiliza un modelo de IA para detectar y prevenir el fraude con tarjetas de crédito.

Mastercard ha desarrollado un modelo tabular grande (LTM) Entrenado con datos de transacciones en lugar de texto o imágenes para abordar los desafíos de seguridad y autenticidad en los pagos digitales. A diferencia de los modelos de lenguaje tradicionales (LLM, por sus siglas en inglés), este enfoque innovador se centra en datos financieros estructurados para mejorar la detección de fraudes y la verificación de pagos.

La empresa ha entrenado este modelo de fundación en miles de millones de transacciones con tarjeta, con planes de expandirse a cientos de miles de millones con el tiempo. Los conjuntos de datos abarcan eventos de pago e información asociada, incluyendo ubicaciones de comercios, flujos de autorización, incidentes de fraude, contracargos y actividad de fidelización. Es importante destacar que Los datos de identificación personal se eliminan antes de que comience la capacitación., lo que garantiza que el modelo analice los patrones de comportamiento sin acceder a las identidades individuales.

Al excluir los datos personales, esta tecnología reduce significativamente los riesgos de privacidad comúnmente asociados con las aplicaciones de IA en el sector de servicios financieros. La magnitud y la riqueza de los datos anonimizados permiten al modelo identificar patrones comercialmente valiosos, preservando al mismo tiempo la privacidad del usuario. Si bien la anonimización elimina ciertas señales que podrían ser útiles para la evaluación de riesgos, Mastercard afirma que el aprovechamiento de volúmenes suficientemente grandes de datos de comportamiento compensa esta limitación.

Comprensión de los modelos tabulares de gran tamaño (LTM, por sus siglas en inglés)

La arquitectura LTM difiere fundamentalmente de los grandes modelos de lenguaje. Mientras que los LLM procesan entradas no estructuradas y predicen el siguiente token en una secuencia, El LTM de Mastercard examina las relaciones entre los campos en tablas de datos multidimensionales.Este enfoque se asemeja más al aprendizaje automático tradicional que a la inteligencia artificial generativa.

El modelo tabular grande aprende directamente de las entradas sin procesar para identificar relaciones predecibles, lo que le permite detectar patrones anómalos que las reglas predefinidas podrían pasar por alto. Mastercard describe el LTM como un 'motor de análisis' que se integra con los productos existentes y optimiza los flujos de trabajo actuales. El perfil de riesgo operativo difiere del de los modelos LLM orientados al cliente, ya que este modelo respalda principalmente los procesos internos de toma de decisiones.

La infraestructura técnica aprovecha Nvidia para plataformas informáticas y Databricks para la ingeniería de datos y el desarrollo de modelos., combinando tecnologías líderes en la industria para impulsar el LTM.

Aplicaciones prácticas y despliegue

La ciberseguridad representa la primera área de despliegue activo. Mastercard utiliza esta tecnología. La compañía opera múltiples sistemas de detección de fraude que examinan los datos de las transacciones, los cuales tradicionalmente requieren la intervención humana para definir patrones de comportamiento sospechosos, como aumentos repentinos en la frecuencia de las transacciones o compras en diferentes ubicaciones geográficas en cortos periodos de tiempo.

Los primeros resultados demuestran un rendimiento superior al de las técnicas convencionales en escenarios específicos. Por ejemplo, el modelo muestra una mayor precisión al distinguir las compras legítimas de alto valor y baja frecuencia de las fraudulentas, transacciones que los modelos tradicionales suelen identificar como anomalías.

Mastercard planea implementar sistemas híbridos que combinan procedimientos establecidos con el nuevo modeloEsto refleja el enfoque prudente que exigen los marcos regulatorios. La empresa reconoce que ningún modelo destaca en todos los escenarios, posicionando al LTM como una herramienta más entre muchas en su arsenal de seguridad.

Más allá de la detección de fraudes, el modelo puede analizar la actividad de los programas de fidelización, respaldar la gestión de carteras y mejorar el análisis interno, en cualquier área que involucre grandes volúmenes de datos estructurados. Actualmente, las empresas suelen implementar múltiples modelos especializados para cada tarea, lo que multiplica los costos de capacitación y los esfuerzos de validación. Un único modelo base que pueda ajustarse para diferentes aplicaciones podría optimizar las operaciones y reducir los gastos.

Riesgos y desarrollo futuro

El enfoque LTM multifuncional conlleva riesgos inherentes: Un fallo en un modelo ampliamente implementado podría tener consecuencias para todo el sistema.Esto explica la estrategia de Mastercard de implementar la tecnología junto con los sistemas de detección existentes, al menos inicialmente.

Los planes futuros incluyen aumentar la escala de los datos de entrenamiento y la sofisticación general del modelo. Mastercard también está desarrollando Acceso a la API y SDK para permitir que los equipos internos desarrollen nuevas aplicaciones en la plataforma.

La empresa subraya su compromiso con la responsabilidad en materia de datos, incluyendo la protección de la privacidad, la transparencia, la explicabilidad de los modelos y la auditabilidad. Se prevé un escrutinio regulatorio de los sistemas que influyen en las decisiones crediticias o en los resultados de fraude, así como la supervisión de las prácticas de datos involucradas en el funcionamiento del LTM.

El futuro de la IA tabular en los servicios financieros

Los datos altamente estructurados forman la base del enfoque LTM. Los grandes modelos tabulares pueden representar el comienzo de una nueva generación de sistemas de IA en la infraestructura central de banca y pagos. Sin embargo, Hasta la fecha, la evidencia se limita a los informes de los proveedores.Por lo tanto, las afirmaciones sobre el rendimiento deben evaluarse cuidadosamente.

Factores clave determinarán el éxito de los modelos tabulares: su robustez ante condiciones adversas, los costes posteriores al entrenamiento a largo plazo y la aceptación regulatoria. Estos elementos marcarán el ritmo y el alcance de su adopción en el sector de los servicios financieros. Por el momento, Mastercard apuesta estratégicamente por esta tecnología emergente como parte de su plan de innovación.

Fuente de la imagen: "Supervisión" de la página oficial del Cuerpo de Marines de los Estados Unidos está bajo licencia CC BY-NC 2.0.

¿Quieres aprender más sobre IA y big data de la mano de líderes del sector? Consulta Exposición de IA y Big Data que tendrá lugar en Ámsterdam, California y Londres. El evento integral forma parte de TechEx y se celebra conjuntamente con otros eventos tecnológicos líderes. Haga clic aquí. aquí Para obtener más información.

AI News funciona gracias a Medios de TechForgeExplore otros próximos eventos y seminarios web sobre tecnología empresarial. aquí.