← Volver a NERDflix

Prevención de fraude, machine learning, y patrones de diseño: mantén a tus analistas en el loop

Protagonista: José P. Barrantes
Año: 2026
País: Chile
Género: Nerdearla Chile 2026
Track: Data Science / Ai
Idioma: Español

¡La prevención de fraude es difícil! La “automatización total” suele aumentar los falsos positivos, la fricción y los puntos ciegos ante tácticas nuevas, mientras que los expertos humanos no pueden procesar los casos a la misma velocidad que una máquina. En esta charla hablaremos de diseño de software que utiliza componentes de machine learning (ML) y que también cuenta con analistas expertos como parte de su arquitectura. Para ello, presentamos un patrón de diseño human-in-the-loop (HIL) para software antifraude que combina ingeniería de software, componentes de ML, y analistas expertos. Mostramos cómo usar el scoring para reducir la fricción en condiciones de bajo riesgo, aplicar las medidas adecuadas en condiciones de alto riesgo y rutear los casos ambiguos para su revisión humana; la idea es obtener lo mejor de ambos mundos: expertos potenciados por ML. El sistema también incorpora retroalimentación continua de las analistas para la mejora de decisiones, reglas, y modelos predictivos. Cerraremos con trade-offs prácticos, como la calidad de los datos, la latencia, la gobernanza y el cumplimiento. Las personas asistentes saldrán con un blueprint aplicable a organizaciones reales.

data-science-ai prevencion-de-fraude machine-learning-engineering arquitectura ml-enabled-software gestion-de-riesgo human-in-the-loop-(hil) machine-learning risk-management

Prevención de fraude, machine learning, y patrones de diseño: mantén a tus analistas en el loop

Sobre José P. Barrantes

José P. Barrantes

Machine Learning Engineer @ IBM

José P. es un ingeniero de machine learning (ML) y científico de datos que integra métodos estadísticos y computacionales para convertir los datos en decisiones. Actualmente trabaja en el equipo de Ingeniería de Prevención de Fraude de IBM Cloud, centrándose en ingeniería de ML y MLOps, incluyendo el diseño de pipelines, arquitecturas y herramientas para poner en producción modelos predictivos. José ha trabajado en los sectores de fintech y banca, en startups centradas en la prevención del fraude, y en empresas tecnológicas más amplias, lo que le ha proporcionado una visión práctica de los sistemas de ML en el mundo real. Sus habilidades técnicas e interpersonales ayudan a conectar a ingenieros, estadísticos y líderes empresariales, asegurando una comprensión compartida y resultados prácticos. Además del trabajo, disfruta de la lectura, senderismo, del té, y pasar tiempo con sus perros, Pequeña Mai y El Milanesso.