Kris Nagel, CEO de Sift – Serie de Entrevistas

Kris Nagel, CEO de Sift - Entrevistas

Kris es el Director Ejecutivo (CEO) de Sift. Tiene más de 30 años de experiencia en puestos de liderazgo en empresas respaldadas por capital de riesgo y compañías de software como servicio (SaaS) públicas, incluyendo Ping Identity. Sift ofrece una forma para que las empresas acaben con el fraude en los pagos, construido con una única y intuitiva consola, la solución integral de Sift elimina la necesidad de herramientas desconectadas, software con un único propósito y conocimientos incompletos que agotan los recursos operativos.

En su puesto anterior, fue Director de Operaciones en la plataforma de seguridad de identidad Ping Identity, donde desempeñó un papel fundamental en llevar la empresa a ser pública en 2019. ¿Cuáles fueron algunas de las principales lecciones que aprendió de esta experiencia?

Llevar una empresa a ser pública es un gran desafío y aprendí mucho a través del proceso. Desarrollar productos y escalar la empresa tanto antes como después de ese hito me enseñó sobre lo que se necesita para resolver desafíos organizativos complejos, seguir innovando y reinventar la experiencia del usuario, y hacer crecer los equipos y capacitarlos para que den lo mejor de sí mismos. A lo largo de mi carrera, he aprendido que cualquier éxito en cualquier puesto debe comenzar con una profunda comprensión de los clientes, socios y las personas de tu equipo.

Se unió a Sift como CEO en enero de 2023. ¿Qué te atrajo de este nuevo desafío?

El fraude es un problema en constante crecimiento y evolución, y las apuestas son claras. Se estima que las pérdidas globales por fraude en el comercio electrónico alcanzarán los 48 mil millones de dólares para fines de 2023 (un aumento interanual del 16% con respecto a 2022), y las empresas a nivel mundial gastaron en promedio el 10% de sus ingresos en gestionar el fraude. Pero si una empresa no logra gestionar el fraude de manera efectiva, puede perder ingresos al excluir o “insultar” a clientes legítimos.

Sift tiene la ventaja de ser pionero en resolver este problema con aprendizaje automático (machine learning), y su tecnología central y su red de datos global lo han destacado en el campo de la prevención del fraude. Más de 34,000 empresas, incluyendo Twitter, DoorDash, Poshmark y Uphold, confían en Sift. Esa diferenciación, junto con el fuerte enfoque en asociaciones a largo plazo con los clientes, hizo que mi decisión de unirme fuera fácil.

¿Por qué la inteligencia artificial generativa representa una gran amenaza de seguridad para las empresas y los consumidores?

La inteligencia artificial generativa está mostrando signos tempranos como un cambio de juego para los estafadores. Antes, los estafadores solían tener errores gramaticales y ortográficos, por lo que eran más fáciles de distinguir. Con la inteligencia artificial generativa, los actores malintencionados pueden imitar de manera más efectiva a empresas legítimas y engañar a los consumidores para que proporcionen detalles de inicio de sesión o financieros confidenciales a través de intentos de phishing.

Las plataformas de inteligencia artificial generativa incluso pueden sugerir variaciones de texto que permiten a un estafador crear múltiples cuentas distintas en una sola plataforma. Por ejemplo, pueden crear 100 nuevos perfiles falsos de citas para cometer estafas románticas con criptomonedas, cada uno con una cara y biografía generadas por inteligencia artificial únicas. De esa manera, la inteligencia artificial generativa está permitiendo la democratización del fraude porque es más fácil para cualquier persona, independientemente de su conocimiento técnico, defraudar a alguien utilizando credenciales robadas o información de pago.

Sift lanzó recientemente un informe titulado “En medio del renacimiento de la inteligencia artificial, los consumidores y las empresas están inundados de fraude”, ¿cuáles fueron algunas de las mayores sorpresas para ti en este informe?

Sabíamos que la inteligencia artificial y la automatización cambiarían el panorama del fraude, pero la velocidad y el volumen de este cambio son realmente notables. Más de dos tercios (68%) de los consumidores estadounidenses han informado un aumento en el spam y las estafas desde noviembre, justo cuando las herramientas de inteligencia artificial generativa comenzaron a ser adoptadas, y creemos que esas dos tendencias están fuertemente correlacionadas. Del mismo modo, hemos observado un aumento de los ataques de toma de cuentas (ATO), con una tasa de ATO que se disparó un 427% durante el primer trimestre de 2023 en comparación con todo 2022. Claramente, estos eventos están relacionados, ya que la inteligencia artificial generativa permite a los estafadores crear estafas más convincentes y escalables, lo que lleva a una ola de ataques de ATO.

El informe también muestra algunas de las formas en que el “fraude como servicio” está avanzando. Foros abiertamente disponibles como los de Telegram están reduciendo la barrera de entrada para cualquiera que quiera cometer diversos tipos de abuso, es lo que llamamos la democratización del fraude. Nuestro equipo ha visto una proliferación de grupos de fraude que ahora ofrecen ataques de bots como un servicio, y destacamos cómo una herramienta se utiliza para engañar a los consumidores y obtener códigos de un solo uso para sus cuentas financieras. Y los estafadores están haciendo que estas herramientas sean fácilmente accesibles y disponibles para otros por una tarifa relativamente baja.

¿Podrías hablar sobre qué es “The Sift Digital Trust & Safety Platform”?

Con Sift, las empresas pueden construir e implementar con confianza sabiendo que tienen las herramientas para proteger sus negocios del fraude. Se mantienen fuera a los actores malintencionados al tiempo que brindan a los clientes una experiencia sin problemas, reduciendo la fricción y aumentando los ingresos.

Nuestra misión es ayudar a que todos confíen en internet, y nuestra plataforma utiliza aprendizaje automático y una red masiva de datos para proteger a las empresas de todo tipo de fraudes y abusos. Fuimos una de las primeras empresas en aplicar el aprendizaje automático al fraude en línea, por lo que hemos acumulado una increíble cantidad de conocimiento que se refleja en nuestros modelos globales de aprendizaje automático, que procesan más de 1 billón de eventos al año. La belleza de la plataforma es que cuanto más clientes tenemos, más inteligentes se vuelven nuestros modelos para que siempre podamos optimizar la detección de fraudes mientras reducimos la fricción para los usuarios y clientes reales.

Dentro de la plataforma, contamos con Protección de Pagos, que protege contra el fraude en los pagos; Defensa de Cuentas, que previene los ataques de usurpación de cuentas; Integridad de Contenido, que bloquea el spam y las estafas en el contenido generado por los usuarios; y Gestión de Disputas, que protege contra contracargos y fraudes amistosos.

¿En qué se diferencia esta plataforma de otras herramientas de detección de fraudes?

No escasean los proveedores de prevención de fraudes en el mercado, pero la mayoría se dividen en dos categorías: soluciones puntuales o decisiones como servicio. Las soluciones puntuales tienden a tener un alcance limitado y están diseñadas para abordar un caso de uso específico, como la detección de bots. Las soluciones de decisiones como servicio son más completas pero carecen de muchas capacidades de gestión de fraudes y actúan como una “caja negra” en cuanto a su lógica de decisión.

Una de las características más distintivas de Sift es que ofrecemos una solución para combatir múltiples tipos de fraudes en todas las industrias. El fraude es un desafío que no depende de la industria, y tenemos una visión única de cómo los problemas de fraude de una industria se vuelven problemas de otra. En todas nuestras capacidades: motores de decisión, gestión de casos, orquestación, informes y simulación, también priorizamos poner el control en manos de nuestros clientes. Cada empresa es única, y esta capacidad de personalización significa que la lógica puede ser modificada con reglas personalizadas y que las simulaciones se pueden ajustar dentro de la plataforma. También creemos que la mejor manera de prevenir el fraude es ser transparente al respecto. Nuestro motor de decisión brinda explicaciones a los analistas para que comprendan por qué se aprobó, desafió o denegó una transacción. También ofrecemos informes para que puedas medir el rendimiento de un modelo y comprender si necesita ser ajustado.

¿Puedes explicar qué es el “Puntaje de Sift” y cómo permite una mejora continua en el aprendizaje automático que se utiliza?

Los clientes de Sift utilizan nuestros algoritmos de aprendizaje automático para detectar patrones fraudulentos y prevenir ataques en un sitio web o aplicación. El Puntaje de Sift es un número del 0 al 100 que el algoritmo asigna a cada evento (o actividad) para indicar la probabilidad de que el comportamiento sea fraudulento.

Aunque cada uno de nuestros productos está respaldado por su propio conjunto de modelos de aprendizaje automático, también ofrecemos algoritmos personalizados adaptados a los clientes de Sift. Las señales de fraude para cada industria pueden ser diferentes si vendes seguros, alimentos perecederos o ropa, por ejemplo. Sift ejecuta miles de señales, aprovechando nuestra vasta red global, a través de cada modelo personalizado, analizando detalles como la hora del día, las características de las direcciones de correo electrónico y el número de intentos de inicio de sesión. Estas señales combinadas conforman un puntaje para eventos específicos como un inicio de sesión o una transacción. Los Puntajes de Sift nunca se comparten entre los clientes porque cada modelo de aprendizaje automático del cliente es diferente.

Un producto interesante desarrollado en Sift para combatir estafas y spam se llama Text Clustering, ¿en qué consiste específicamente?

El spam de texto plaga las plataformas en línea, y los spammers a menudo publican el mismo contenido o contenido muy similar repetidamente. Creamos nuestra función de Agrupación de Texto como parte de la Integridad de Contenido para facilitar la identificación de este tipo de texto y agruparlo para que un analista pueda decidir si tomar acciones masivas o no. El desafío radica en que no todo el texto repetitivo es spam. Por ejemplo, un vendedor de comercio electrónico puede listar el mismo producto y descripción en varios sitios web.

Para resolver eficazmente este desafío, necesitábamos una forma de etiquetar los nuevos tipos de fraudes de contenido que queríamos detectar, al tiempo que le dábamos a los analistas el control final para tomar acciones. A través de una combinación de redes neuronales y aprendizaje automático, la Agrupación de Texto ahora puede agrupar texto similar, incluso si hay pequeñas variaciones. Este contenido marcado se etiqueta junto, y si es spam, un analista puede tomar acciones masivas para eliminarlo.

¿Cómo pueden las empresas defenderse mejor contra ataques adversarios u otros tipos de ataques maliciosos perpetrados por la IA generativa?

Más de la mitad de los consumidores (54%) creen que no deberían ser responsables en caso de que proporcionen involuntariamente su información de pago a un estafador que luego la utiliza para realizar una compra fraudulenta. Casi una cuarta parte (24%) cree que el negocio donde se realizó la compra debería ser responsable. Eso significa que la responsabilidad de detener el fraude recae en las plataformas y servicios en los que los consumidores confían todos los días.

Todavía estamos en los primeros días de la inteligencia artificial generativa y las amenazas de hoy no serán las mismas amenazas que veremos dentro de seis meses. Dicho esto, las empresas necesitan combatir el fuego con fuego utilizando tecnologías de IA como el aprendizaje automático para combatir y detener el fraude antes de que ocurra. El aprendizaje automático en tiempo real es crucial para mantenerse al día con la escala, velocidad y sofisticación del fraude. Los comerciantes que no abandonen los procesos obsoletos o manuales quedarán rezagados frente a los estafadores que ya están automatizando. Las empresas que adoptan este enfoque integral en tiempo real mejoran la precisión en la detección de fraudes en un 40%. Esto significa identificar mejor a los estafadores y detenerlos en el acto antes de que puedan dañar su negocio o a sus clientes.

¿Hay algo más que le gustaría compartir sobre Sift?

Una iniciativa que recientemente implementamos para avanzar en esta misión es nuestra comunidad de clientes, Sifters. Está abierta a todos los usuarios de Sift y actúa como un puente entre nuestros clientes, expertos internos y la red digital de comerciantes y datos. Ha sido un centro valioso para recopilar información de la industria y abordar desafíos transversales en la prevención de fraudes. Y está teniendo una gran adopción. Crear una comunidad para combatir el fraude es absolutamente esencial porque los estafadores tienen sus propias comunidades donde colaboran para perjudicar a las empresas y los consumidores. Como nos gusta decir, se necesita una red para combatir una red.

We will continue to update Zepes; if you have any questions or suggestions, please contact us!

Share:

Was this article helpful?

93 out of 132 found this helpful

Discover more

Inteligencia Artificial

La evolución automatizada aborda tareas difíciles

El aprendizaje por refuerzo agrupa datos no etiquetados en conjuntos de similitudes, con el objetivo de maximizar las...

Inteligencia Artificial

Sobrevivencia del más apto Modelos generativos compactos de IA son el futuro para una IA a gran escala rentable

Después de una década de rápido crecimiento en la complejidad y capacidad de cálculo de los modelos de inteligencia a...

Inteligencia Artificial

IA Generativa en la Salud

Introducción La inteligencia artificial generativa ha ganado repentinamente tracción en los últimos años. No es sorpr...

Ciencia de Datos

Implementar una solución de seguimiento de múltiples objetos en un conjunto de datos personalizado con Amazon SageMaker.

La demanda de seguimiento de múltiples objetos (MOT) en el análisis de video ha aumentado significativamente en mucha...

Inteligencia Artificial

Aprende cómo evaluar el riesgo de los sistemas de IA

La inteligencia artificial (IA) es un campo en rápido desarrollo con el potencial de mejorar y transformar muchos asp...