Detección de fraude con Inteligencia Artificial: cómo cerrar la fuga de ingresos sin generar fricción para el usuario honesto
265.000 millones de pesos. Esa es, según reportes recientes, la magnitud de las pérdidas que generó en un solo año la evasión del pasaje en TransMilenio, el sistema troncal de transporte de Bogotá, con una tasa de evasión cercana al 13,14%, equivalente a 89 millones de pasajes no validados. No es un caso aislado: es el reflejo de un problema estructural que enfrenta prácticamente cualquier sistema de transporte público en América Latina, público o privado, urbano o intermunicipal. La pregunta que deberían hacerse hoy todos los operadores de transporte no es si tienen evasión, sino cuánta, dónde y qué tan rápido pueden detectarla.
La evasión no es un problema menor: es un problema estructural
Los patrones de evasión suelen ser más previsibles de lo que parece a simple vista. En Bogotá, por ejemplo, los domingos y festivos concentran cerca del 24% de los casos registrados, seguidos por los sábados con un 19%, y hay estaciones específicas donde la tasa de evasión supera el 30% del total de usuarios. Las formas más comunes —ingreso por puertas laterales, paso sin validar en el torniquete, reventa de pasajes a menor precio o el paso múltiple con un solo pago— tienen algo en común: son difíciles de controlar únicamente con vigilancia humana o barreras físicas, sobre todo en sistemas con cientos de estaciones o miles de vehículos en operación simultánea.
Las medidas tradicionales de control —más personal de vigilancia, más torniquetes, más sanciones— tienen un límite claro: son reactivas, costosas de escalar y, en la mayoría de los casos, solo actúan sobre el síntoma una vez que el evasor ya está frente al validador. Lo que ha faltado, hasta ahora, es una capa de inteligencia capaz de anticipar dónde y cuándo es más probable que esté ocurriendo evasión, antes de que se convierta en una pérdida acumulada de meses.
¿Puede la Inteligencia Artificial hacer lo que la vigilancia humana no logra?
La respuesta que está dando la industria del transporte es sí, y el mecanismo es más sencillo de lo que parece: si un sistema conoce, con precisión, el histórico de movilización de pasajeros de cada ruta —segmento por segmento y hora por hora—, puede construir una proyección confiable de cuánto debería recaudar cada viaje despachado. Cuando el recaudo real se aleja de forma significativa y sostenida de esa proyección, el sistema genera una alerta.
El verdadero desafío técnico no está en detectar la diferencia, sino en no confundir una caída legítima de demanda con un caso de evasión. Un modelo de detección de fraude bien construido tiene que aprender a distinguir la estacionalidad (la caída natural de pasajeros en temporada de vacaciones), los cambios demográficos de la ciudad (como el creciente uso de motocicletas particulares en toda la región, que reduce de forma genuina la demanda de transporte público en ciertas zonas) y las variaciones propias de cada ruta a lo largo del tiempo. Sin ese ajuste, cualquier sistema terminaría generando falsas alarmas, erosionando la confianza de la propia empresa en la herramienta.
La segunda capa: el comportamiento individual del usuario
Cuando el recaudo se realiza mediante medios de pago electrónico, la Inteligencia Artificial añade una segunda capa de protección: la tipificación del comportamiento individual de cada usuario. Las personas tienden a usar el sistema de transporte de forma consistente —las mismas rutas, una frecuencia similar de recargas y pagos mensuales— y esos patrones se pueden aprender de forma individualizada. Cuando el comportamiento de una cuenta se desvía de manera extraña de su patrón habitual, el sistema genera una alerta temprana para revisión, exactamente como lo hace hoy cualquier sistema moderno de prevención de fraude financiero, donde el análisis de comportamiento del usuario ya es el estándar para bloquear transacciones sospechosas antes de que se completen.
Este punto es crucial para cualquier empresa que esté evaluando migrar hacia el pago electrónico: uno de los mayores temores de los transportadores frente a esta transición es, precisamente, abrir la puerta a nuevas formas de fraude digital. Contar con un sistema de tipificación de comportamiento no elimina ese riesgo por completo, pero sí ofrece una herramienta concreta de vigilancia temprana que hace mucho más viable el salto hacia el recaudo digital.
De alerta a acción: lo que gana la empresa
El objetivo de estos modelos no es reemplazar la revisión humana, sino enfocarla donde realmente importa. En lugar de auditar toda la operación de forma indiscriminada, la empresa puede dirigir sus recursos de inspección hacia las rutas, franjas horarias, vehículos o cuentas de usuario que el sistema ha señalado como atípicos. El resultado es una recuperación más rápida de ingresos, una operación más ordenada y, no menos importante, información objetiva para sustentar decisiones de política pública frente a las autoridades de transporte. Casos como el uso de plataformas de visión por computador e Inteligencia Artificial en sistemas de metro de distintas ciudades para identificar patrones de evasión en tiempo real, o los más de 690 millones de dólares que la autoridad de tránsito de Nueva York reportó en pérdidas por evasión en un solo año, muestran que este no es un problema exclusivo de América Latina, sino un desafío global que la IA ya está ayudando a enfrentar.
POLIS: alertas tempranas, no vigilancia invasiva
En POLIS, la detección de fraude parte del mismo histórico de movilización que alimenta la predicción de demanda de su empresa. Nuestros modelos de Inteligencia Artificial aprenden el comportamiento normal de cada ruta y de cada usuario para generar alertas tempranas y accionables, ajustadas a la estacionalidad y a los cambios reales de su ciudad, en lugar de generar ruido que termine ignorándose.
Proteja el recaudo de su empresa sin sacrificar la experiencia del usuario que paga correctamente. Visite www.polis.net.co y conozca cómo funciona la detección de fraude de POLIS.
La evasión no se combate solo con más vigilancia: se combate con más y mejor información, entregada a tiempo a quien puede actuar sobre ella.