Modelo ProLab: Predictor, una propuesta para la identificación de patrones de fraude utilizando Inteligencia Artificial

• Autores: Cabrera Quispe, Guillermo Paul, Colquepisco Espinoza, José Joel, Espinoza Pérez, Fredy, Jimeno Vásquez, Luis Dante, Pérez Martínez, Néstor Josué
• Formato: tesis de maestría
• Fecha de Publicación: 2024
• Institución: Pontificia Universidad Católica del Perú
• Repositorio: PUCP-Tesis
• Lenguaje: español
• OAI Identifier: oai:tesis.pucp.edu.pe:20.500.12404/28197
• Enlace del recurso: http://hdl.handle.net/20.500.12404/28197
• Nivel de acceso: acceso abierto
• Materia: Fraudes financieros--Prevención--Perú; Inteligencia artificial--Riesgos de fraude; https://purl.org/pe-repo/ocde/ford#5.02.04

En el país, existe una gran cantidad de casos de fraude, esto también sucede en las empresas del sector financiero. En la medida que se tiene un crecimiento económico en el país, la mediana y pequeña empresa tiene la necesidad de invertir en sus negocios y para esto requieren préstamos. En este ámbito, los bancos, cajas municipales, cajas rurales, cooperativas, etc. desarrollan la intermediación financiera, que consta de trasladar los recursos (dinero) del cliente ahorrista al cliente prestamista a una tasa mayor. Los asesores de crédito obtienen préstamos para sus clientes, realizando diversas evaluaciones y, según el nivel de riesgo, se realiza el préstamo. En varias empresas, esta evaluación no sigue el orden correcto y para lograr las metas y recompensas los asesores no siguen las evaluaciones correctas, lo que genera fraude a nivel crediticio. Los órganos de control pertinentes no siempre se dan cuenta de esto. El ODS que se busca impactar es el siguiente: ODS 16 “Paz, justicia e instituciones sólidas”; específicamente, con la meta 16.5 “Reducir considerablemente la corrupción y el soborno en todas sus formas”. Con este proyecto se entregará un modelo de predicción de patrones de fraude, usando inteligencia artificial, que evalúe de manera directa a los asesores de crédito, usando como origen y base las centrales de riesgos externas (Infocorp, SBS, Sentinel, Sunarp, Reniec, antecedentes policiales/penales/judiciales y migraciones) y fuentes de información internas (Siper-RRHH, Core, SIG- Comisiones, Cosechas) y, en base al resultado de esta evaluación, dirigir las tareas de auditoría acerca de la cartera de clientes de dichos colaboradores. En base a la realización de la evaluación financiera del proyecto, se confirmó que es viable y rentable, con un VAN de S/4’205,238.00 y un VANS de S/4’902,523.00, lo cual indicó que el proyecto recupera la inversión y crea valor.