Modelo predictivo para la detección de comportamientos anómalos en el centro de atención telefónica de Entel

Abstract

Página 33 Página 35 Página 40 Resumen En el contexto actual de la industria de telecomunicaciones, donde la confianza y la seguridad de los datos de los clientes son factores críticos, el fraude interno representa un riesgo significativo para la operación y la reputación de las empresas. El Call Center de Entel, como canal fundamental para la atención de usuarios, enfrenta desafíos asociados al acceso privilegiado de sus ejecutivos a sistemas y datos sensibles. Estas vulnerabilidades han dado lugar a fraudes como accesos no autorizados, facturación indebida y suplantación de identidad, afectando directamente a los clientes y generando pérdidas económicas y de confianza. Con el fin de detectar y prevenir proactivamente estos comportamientos anómalos, este proyecto desarrolló un modelo predictivo basado en técnicas avanzadas de machine learning. Utilizando algoritmos de XGBoost y Redes Neuronales, se construyó una solución capaz de analizar grandes volúmenes de datos operativos y detectar patrones de fraude con alta precisión. Los resultados obtenidos fueron prometedores. El modelo de Redes Neuronales logró una precisión del 85%, minimizando falsos positivos y optimizando los recursos operativos al evitar investigaciones innecesarias. Por otro lado, el modelo XGBoost alcanzó un recall del 82%, identificando una mayor proporción de fraudes reales al reducir los falsos negativos. Estas métricas reflejan un equilibrio complementario entre precisión y cobertura, permitiendo ajustar la implementación según las necesidades estratégicas de Entel. El proyecto ofrece insights accionables sobre las variables más influyentes en la detección de fraudes, como las operaciones únicas, los intervalos temporales entre actividades y los inicios de sesión inusuales. Esta información permite implementar controles preventivos más efectivos y enfocados en áreas críticas, fortaleciendo las políticas de seguridad de la empresa. Desde una mirada más amplia, este trabajo aporta al negocio al mejorar la confianza de los clientes en la integridad de los servicios ofrecidos por Entel, diferenciándola en un mercado altamente competitivo. Además, la solución desarrollada presenta un alto potencial de escalabilidad, siendo adaptable a otros procesos críticos dentro de la organización, como la gestión de cuentas y la detección de fraudes externos. En conclusión, el proyecto no solo cumple con los objetivos planteados, como la identificación de patrones de fraude y la optimización de procesos de monitoreo, sino que también posiciona a Entel como un referente en innovación tecnológica y ciberseguridad. La implementación del modelo representa un paso significativo hacia la transformación digital de la empresa, alineando sus procesos con prácticas modernas basadas en datos y asegurando un enfoque preventivo y eficiente ante los riesgos internos.