Protección real a escala nacional, en la infraestructura que las agencias ya utilizan.
El fraude y los pagos indebidos cuestan a los programas de beneficios federales cientos de miles de millones de dólares cada año, lo que afecta a Medicare, Medicaid, la ayuda en casos de desastre, la ayuda estudiantil, la asistencia alimentaria, el seguro de desempleo y muchos otros programas públicos. La Government Accountability Office estima las pérdidas por fraude federal entre 233 000 y 521 000 millones de dólares al año, con aproximadamente 186 000 millones de dólares en pagos indebidos reportados solo en el año fiscal 2025.
Esto no se debe a una falta de supervisión, sino que es el resultado de un dilema real. Estos programas están diseñados para entregar ayuda rápidamente y a una escala enorme. Con semejante volumen, verificar minuciosamente cada transacción antes de enviar el dinero es casi imposible sin retrasar la ayuda a quienes realmente la necesitan. Por eso, tradicionalmente la detección se ha realizado a posteriori, bajo un modelo de "pagar y perseguir". Sin embargo, una vez que se emite un pago fraudulento, recuperar el dinero es un proceso lento, costoso y rara vez exitoso. Es por esto que detener el fraude en tiempo real es tan crucial. Los estafadores aprovechan precisamente esa brecha mediante empresas fantasma, identidades robadas y reclamaciones falsas, y cambian de táctica en cuanto se desmantela un esquema.
La buena noticia es que las agencias ya no tienen que elegir entre la rapidez y una mejor toma de decisiones. Los avances en AI, analítica en tiempo real y el acceso a datos más completos permiten evaluar las transacciones a medida que ocurren, sin retrasar la entrega de los beneficios. En lugar de depender principalmente de investigaciones a posteriori, las agencias pueden utilizar la puntuación de riesgo inteligente, la resolución de entidades, el análisis de comportamiento y el machine learning para identificar actividades sospechosas antes de que se desembolsen los fondos. Databricks ofrece la plataforma de datos y AI para crear y operar estos sistemas, lo que permite a las agencias tomar decisiones más rápidas y de mayor calidad en tiempo real, al tiempo que entregan ayuda fundamental a los beneficiarios legítimos sin demoras innecesarias.
En Databricks, conocemos muy bien la detección de fraudes en tiempo real. Hemos creado sistemas de detección de fraudes para bancos, aseguradoras y tiendas en línea, calificando transacciones y bloqueando las sospechosas, mientras permitimos que la actividad legítima fluya rápidamente. Estos sistemas evalúan habitualmente miles de millones de transacciones cada año, tomando decisiones a menudo en cuestión de milisegundos. Si alguna vez ha recibido un mensaje de texto sobre el bloqueo de una compra sospechosa antes de que fuera aprobada, es muy probable que haya visto esta tecnología en acción.
Esta misma capacidad puede proteger la ayuda federal: una solicitud puede ser evaluada en el instante en que se presenta y retenerse antes de que se mueva un solo dólar.
Los sistemas más eficaces son los que funcionan por capas, escalando de lo simple a lo sofisticado:
Al ejecutarse en una sola plataforma, las capas se refuerzan mutuamente en lugar de depender de herramientas desconectadas.
Visualización de los resultados del motor de reglas, la resolución de entidades y el análisis de grafos: un único proveedor mapeado en seis conjuntos de datos de agencias independientes, lo que revela las conexiones interorganizacionales que activan las alertas de fraude. Al integrar los datos de las distintas agencias, exponemos esquemas ocultos que una sola agencia no podría detectar. Todos los nombres, agencias y cifras mostrados son datos de demostración sintéticos.
Más del 80 % de los departamentos ejecutivos federales ya utilizan Databricks hoy en día, por lo que el arduo trabajo de ingeniería de datos a menudo ya está hecho.
Pero la razón de fondo por la que la elección de la plataforma es tan importante es que el fraude, por su naturaleza, no respeta los límites de las agencias. Un mismo actor malicioso puede acudir a una agencia diferente, o incluso a un programa distinto dentro de la misma agencia, y parecer un solicitante primerizo de bajo riesgo. Los estafadores ya operan de esta manera, moviéndose con fluidez entre programas mientras las agencias que los persiguen siguen atrapadas en silos de información.
Un mejor modelo en una sola agencia es solo una solución parcial. Cada capa del sistema de detección, desde la regla más simple hasta la red neuronal más avanzada, es tan precisa como los datos de los que aprende. Cuando cada agencia ve solo su propia parte de la actividad, cada capa trabaja con una imagen incompleta.
El intercambio de información entre agencias cierra esa brecha. Cada agencia aporta señales de fraude en tiempo real, lo que permite perfeccionar las reglas, refinar los modelos y aumentar la tasa de detección. Cuantas más agencias se conecten, más inteligente se volverá todo el sistema, detectando esquemas que ninguna agencia podría haber descubierto por sí sola.
Databricks está diseñado exactamente para ese tipo de intercambio sin comprometer la privacidad ni la propiedad de los datos. OpenSharing intercambia datos en tiempo real sin copiarlos, el enmascaramiento de datos oculta los detalles personales preservando el valor analítico, y las Clean Rooms permiten a las agencias colaborar en registros protegidos sin exponer los datos brutos entre sí, todo bajo un control total de gobernanza y acceso.
Una vista en tiempo real de los datos que se mueven entre agencias sin llegar a copiarse. OpenSharing y Clean Rooms permiten que cada agencia aporte registros a una investigación de fraude compartida, manteniendo sus datos brutos protegidos y bajo una gobernanza total.
La detección solo es útil si se puede actuar en consecuencia. En una plataforma unificada, el mismo sistema que marca a un actor malicioso puede gestionar la respuesta: retener un pago sospechoso, añadir a un estafador confirmado a la lista Do Not Pay y armar un expediente de pruebas listo para el enjuiciamiento con cada infracción vinculada a su estatuto, un resumen de AI y un registro de auditoría firmado digitalmente. Todas las decisiones permanecen bajo la supervisión humana, confirmando los casos marcados antes de que se tome cualquier medida.
Generación instantánea de un expediente de pruebas listo para el juicio, donde cada infracción está vinculada a leyes específicas y verificada con un historial firmado criptográficamente. Al automatizar el paquete de remisión, los investigadores pueden centrarse en la aplicación de la ley en lugar de en la documentación manual.
Todas las decisiones permanecen bajo la supervisión humana. Las remisiones solo se agrupan y transmiten una vez que el personal designado proporciona la autorización formal, quedando cada fase documentada en un historial de auditoría permanente.
Con Databricks, lo que antes era imposible ahora está demostrado a escala. La misma tecnología que analiza 160 000 millones de pagos con tarjeta al año, evaluando el riesgo de fraude de cada uno en milisegundos, puede utilizarse para los beneficios federales, aprovechando la plataforma de datos y AI que las agencias ya poseen. El fraude se detecta en el instante en que aparece, la ayuda legítima sigue fluyendo y la protección en tiempo real finalmente opera a escala nacional. Esta no es una capacidad del futuro; está lista para implementarse hoy mismo.
Descubra cómo Databricks ayuda a las agencias gubernamentales a detectar y detener el fraude en tiempo real. Explore nuestras soluciones para el sector público y el Solution Accelerator de detección de fraudes en tiempo real, o póngase en contacto con nuestro equipo para definir el alcance de un proyecto piloto.
(Esta entrada del blog ha sido traducida utilizando herramientas basadas en inteligencia artificial) Publicación original
Suscríbete a nuestro blog y recibe las últimas publicaciones directamente en tu bandeja de entrada.