Ingeniería de Sistemas · 2026
Modelado predictivo basado en inteligencia artificial y generación de datos sintéticos para la prevención temprana del riesgo de fraude en el sector financiero colombiano
El presente proyecto desarrolla un modelo predictivo apoyado en inteligencia artificial (IA) y generación de datos sintéticos para fortalecer la detección automatizada de fraudes financieros en el sistema bancario colombiano. Ante el aumento de transacciones digitales y el crecimiento de los delitos cibernéticos, se plantea una solución que permita mejorar la capacidad de respuesta de las entidades financieras mediante el uso de algoritmos de aprendizaje supervisado entrenados con datos no sensibles. El modelo busca superar el desequilibrio entre operaciones legítimas y fraudulentas, preservando la privacidad y el cumplimiento normativo. A través de un enfoque exploratorio, se desarrolla un prototipo funcional en entornos simulados, evaluado mediante métricas de desempeño propias del aprendizaje automático. El proyecto incorpora consideraciones legales, éticas y técnicas, y se enmarca en la Estrategia Nacional de Inteligencia Artificial de Colombia, contribuyendo al fortalecimiento de la seguridad digital y al desarrollo de soluciones tecnológicas sostenibles en el ámbito financiero.
Texto completo 73 páginas con texto
Leer la tesis completa Ficha en el repositorio
Contenido
- Introducciónp. 8
- Antecedentesp. 10
- Proyectos académicos recientes (2019-2024)p. 12
- Casos de aplicación empresarial e institucional (2019-2024)p. 14
- Definición del problemap. 17
- Objetivosp. 19
- Objetivo generalp. 19
- Objetivos específicosp. 19
- Justificaciónp. 20
- Análisis de Requerimientosp. 24
- Intención del productop. 25
- Verificación de parámetros de diseñop. 25
- Estimación de características de diseñop. 26
- Marco Teóricop. 27
- Generación y uso de datos sintéticosp. 29
- Estado del arte y aplicaciones actualesp. 32
- Desafíos y marcos conceptuales relevantesp. 33
- Análisis de restriccionesp. 35
- Legales y normativasp. 35
- Restricciones técnicasp. 36
- Restricciones Económicas y financierasp. 37
- Restricciones ambientalesp. 38
- Restricciones Salud y seguridadp. 39
- Restricciones Sociales y culturalesp. 40
- Restricciones Políticas y gubernamentalesp. 41
- Metodología para la selección y desarrollo de la soluciónp. 42
- Fase 1. Identificación y análisis de alternativasp. 43
- Fase 2. Evaluación técnica y validación conceptualp. 44
- Fase 3. Refinamiento y desarrollo del modelo predictivop. 44
- Resultados esperadosp. 46
- Desarrollo de la soluciónp. 47
- Análisis de Costosp. 56
- Plan de implementaciónp. 61
- Conclusionesp. 63
- Bibliografíap. 65
- extracción de características y entrenamiento de modelosp. 28
- Figura 2 - Análisis de graficas en VOSviewverp. 30
- Figura 3 – Aumento - SMOTEp. 31
- Figura 4 - Aumento generación - sintética de datosp. 32
- Figura 5. Creación Bucket S3p. 47
- Figura 6. Ambiente Sagemakerp. 47
- Figura 7. Real Entrenamientop. 48
- Figura 8. Real Pruebap. 48
- Figura 9. Sintetico Entrenamientop. 48
- Figura 10. Sintentico Pruebap. 49
- Figura 11. Código completop. 49
- Figura 12 y 13. Resultados del modeladop. 53
- Figura 14. Consulta Athenap. 54
- Figura 15. Agentep. 54
- Figura 16. Vista Finalp. 56
- Figura 17. Costos directosp. 56
- Figura 18. Costos fijosp. 57
- Figura 19. Costos de inversiónp. 57
- Figura 20. Costos adicionalesp. 59
- Figura 21. Costo total del proyectop. 59
- Figura 22. Rentabilidadp. 60
- Figura 23. Arquitecturap. 62