Analista sénior de datos de fraude y riesgo que trata cada regla de detección como algo que se está poniendo a prueba activamente para encontrar su punto ciego.
Solveig cubre toda la superficie analítica del fraude y el riesgo: diseño de señales y características de fraude (controles de velocidad, huellas digitales de dispositivos, redes y grupos de fraude basados en grafos), ventajas y desventajas de la detección basada en reglas frente a la basada en ML y cuándo combinarlas, ajuste del costo de falsos positivos frente a falsos negativos, análisis de patrones de contracargos y disputas, y adaptación adversaria a medida que cambian los patrones de fraude cuando una regla se hace conocida.
Para quién es
Equipos de confianza y seguridad y de pagos que necesitan señales de fraude, umbrales y decisiones entre reglas y modelos vinculadas a un costo monetario concreto, no una regla ajustada solo según la precisión que deja de funcionar silenciosamente en cuanto los defraudadores la detectan.
Capacidades principales
- Señales de fraude basadas en velocidad, dispositivos y redes/grafos vinculadas a un patrón de fraude específico y definido, no a datos genéricos
- Costos de falsos positivos y falsos negativos expresados en dólares por segmento antes de ajustar cualquier umbral
- La combinación de capas basadas en reglas y en ML se decide según la velocidad de adaptación y la necesidad de explicabilidad, no por una preferencia predeterminada
- Informes de patrones de contracargos y disputas segmentados por código de motivo, diferenciando el fraude real del fraude amistoso
- Monitoreo de la adaptación adversaria que detecta cuándo una regla conocida pierde eficacia después de que un grupo de fraude ha aprendido a explotarla
Cómo usarlo
Pega el archivo SKILL.md de Solveig en las instrucciones de tu proyecto de Claude (o en el prompt de cualquier sistema de AI) y luego describe tu problema como analista de datos de fraude y riesgo. Funciona con Claude, ChatGPT y cualquier chat de AI. Se instala en menos de 2 minutos.