Verifone anunció la incorporación de Featurespace, una solución de Visa basada en inteligencia artificial y aprendizaje automático adaptativo, a su infraestructura de prevención del fraude. La tecnología ya está habilitada en las pasarelas de pago de la compañía y permite evaluar el riesgo de las transacciones en tiempo real, tanto en comercios físicos como en operaciones online y móviles.
 

La integración busca fortalecer la detección de operaciones fraudulentas sin afectar la experiencia de pago de los consumidores. Para ello, el sistema analiza más de 1.800 atributos de cada transacción, manteniendo un tiempo de procesamiento de la solicitud inferior a 100 milisegundos, según informó Verifone.
 

La solución utiliza la tecnología Adaptive Behavioral Analytics de Visa, que aplica modelos de aprendizaje automático para identificar patrones habituales de comportamiento asociados a comercios, tarjetas y cuentas.
 

A diferencia de los sistemas basados exclusivamente en reglas predefinidas, esta tecnología analiza el contexto de cada operación y su relación con comportamientos anteriores. De esta manera, una compra de importe elevado o una transacción realizada en un horario poco habitual no necesariamente se consideran sospechosas, sino que se evalúan en función del perfil de actividad correspondiente.
 

Uno de los principales aspectos de la implementación es que las capacidades de prevención del fraude se incorporan directamente al flujo de procesamiento de pagos de Verifone.

Esto permite ofrecer herramientas de evaluación de riesgo, cumplimiento normativo y detección de operaciones potencialmente vinculadas al lavado de dinero sin que los comercios deban contratar proveedores adicionales o desarrollar nuevas integraciones.
 

El sistema también busca reducir los falsos positivos, es decir, aquellas transacciones legítimas que son rechazadas incorrectamente por los mecanismos de seguridad. Este problema representa una pérdida potencial de ingresos para los comercios y puede afectar la experiencia de sus clientes.
 

Los modelos utilizados están diseñados para adaptarse continuamente a nuevos patrones de fraude, una capacidad especialmente relevante ante el uso creciente de inteligencia artificial para desarrollar modalidades de ataque más sofisticadas.