Según RSA Safety y Juniper, la industria de las aerolíneas es una de las más afectadas por el fraude en línea y representa 46% de las transacciones fraudulentas en Estados Unidos, con un estimado de $1 mil millones de dólares en pérdidas anuales.
Según McKinsey & Firm, en 2020 los ingresos de la industria aérea totalizaron $328 mil millones de dólares, lo que representa solo 40% frente al año anterior, y se espera que el tráfico aéreo no volverá a los niveles de 2019 hasta el 2024.
Sin embargo, el avance de los programas de vacunación, las modalidades remotas de trabajo, el gradual retorno a las actividades productivas y los atractivos descuentos que ofrecen aerolíneas y operadores de viajes han comenzado a reactivar los viajes de placer.
La Asociación Latinoamericana y del Caribe de Transporte Aéreo (ALTA) considera que la aplicación de la vacuna permitirá que más personas puedan volver a viajar y las aerolíneas reactiven la conectividad entre los países; estima que a finales de este año las tasas de ocupación alcanzarán 60% del complete de vuelos registrados en 2019.
Oscar Bello, director basic de Vesta Américas, afirma que, ante este escenario de recuperación, los ciberdelincuentes están encontrando y aprovechando nuevas formas de explotar el sistema de pagos digitales.
La buena noticia es que, con la ayuda del aprendizaje automático y la detección automatizada de fraudes, las aerolíneas pueden tener mucho más management sobre cómo las transacciones fraudulentas están afectando sus resultados finales.
¿Por qué está aumentando el fraude aéreo?
Las barreras para comprar un boleto de avión son excepcionalmente bajas, lo cual es una de las principales razones por las que los estafadores apuntan a esta industria.
La mayoría de las herramientas de detección de fraude automatizadas se basan en la identificación de discrepancias en puntos de datos estándar (como su dirección, dirección IP o número de teléfono), pero cuando se trata de comprar un boleto de avión, a menudo no existen puntos de datos estándar para referencia.
No es raro que los consumidores compren boletos de avión mientras viajan, por lo que es difícil verificar con precisión su dirección IP. Además, los boletos de avión generalmente se compran en línea y se imprimen en el hogar del cliente o se agregan a una billetera digital. Esto dificulta mucho las verificaciones.
Los patrones
Según la Administración Federal de Aviación, la Organización de Tráfico Aéreo (ATO, por sus siglas en inglés) brinda servicio a más de 45,000 vuelos con 2.9 millones de pasajeros en un día cualquiera.
El gran volumen de estas transacciones diarias es un desafío appreciable cuando se lucha contra los fraudes en la industria de las aerolíneas.
Sin embargo, tener un gran historial de transacciones significa que hay muchos datos disponibles para analizar. La inteligencia synthetic avanzada de aprendizaje profundo se alimenta de los datos.
De hecho, mientras más datos de transacciones haya disponibles, más precisos pueden llegar a ser los modelos de aprendizaje automático. Las plataformas de prevención del fraude utilizan tecnología de aprendizaje automático para generar puntajes de riesgo que permiten a las aerolíneas eliminar de manera efectiva las transacciones fraudulentas sin rechazar las legítimas.
Transacciones sustentadas en información
Por otro lado, el asunto de rechazar pagos es complicado. Las aerolíneas a menudo están dispuestas a correr más riesgos para llenar los asientos que de otra manera se desperdiciarían.
Un motor de decisiones preciso es important para reducir intentos de pago fraudulentos y falsos rechazos, que para 2023 costarán a las empresas $386 mil millones de dólares a nivel international. Aquí es donde los algoritmos de aprendizaje automático hacen que el proceso de detección de pagos en busca de fraude sea menos complicado para los consumidores.
El fraude aéreo les cuesta a las aerolíneas y a los agentes de venta de boletos miles de millones de dólares al año. Las empresas no tienen por qué quedarse al margen y ser víctimas de fraude, por lo que las aerolíneas buscan soluciones basadas en modelos de aprendizaje automático y bases de datos de transacciones en constante expansión y mejora, con el objetivo de eliminar de manera efectiva el costo creciente del fraude, la revisión guide de transacciones y la corrección.
” Fuentes bucaramanga.extra.com.co ”
