Uno de los ámbitos más evidentes de aplicación de la inteligencia artificial es en la detección de fraudes en todo tipo de contextos. Gracias al creciente volumen de datos con el que cuentan las empresas, esta tecnología está permitiendo desarrollar modelos predictivos cada vez más evolucionados que, además, se van mejorando de forma sistemática.
Durante el periodo 2018-2020 ha llevado a cabo más de 600.000 inspecciones para la detección del fraude eléctrico
El resultado, en el caso de Endesa, ha sido la generación de un modelo muy eficiente en la detección de fraudes en suministros con o sin contrato en vigor. Además, con un nivel de precisión que hubiera sido difícil de imaginar hace tan solo unos años: ha sido capaz de hallar prácticas que van desde las estafas más tradicionales (puentes, dobles acometidas, enganches directos, etc.), hasta las más sofisticados, con la utilización de placas con circuitos impresos insertadas en los propios contadores.
Durante el periodo 2018-2020, su filial e-distribución, a través del uso de técnicas de machine learning y deep learning, ha llevado a cabo más de 600.000 inspecciones para la detección del fraude eléctrico. En este último año ha conseguido destapar el robo de energía en una de cada dos inspecciones, un porcentaje que duplica el registrado en 2017 cuando la compañía empezó a aplicar este tipo de técnicas.
Los datos son la base
Para conseguir estos resultados, la filial de Endesa trabaja con un volumen importante de datos fruto de procesos que se han ido llevando a cabo durante estos años, como la digitalización de la red, el despliegue de sensores y la implantación de los contadores inteligentes. Esto permite que cada vez se cuente con más información acerca del funcionamiento de los equipos de medida y de la red de media y baja tensión.
La digitalización de la red, el despliegue de sensores y la implantación de contadores inteligentes permite que cada vez se cuente con más información
Toda esta información se vuelca en un data lake sobre el que se utilizan lenguajes de programación avanzados para crear modelos que permiten detectar desviaciones y comportamientos anómalos, orientando las inspecciones y aumentando el porcentaje de fraude detectado.
La unidad de Machine Learning de Endesa está compuesta por expertos en data science y big data, que trabajan junto con los inspectores de campo para desarrollar y mejorar los modelos predictivos. Esta línea de trabajo refleja la apuesta clara de Endesa y de todo el Grupo Enel por ser una data driven company y aprovechar el gran volumen de datos que gestiona para mejorar la operativa y la toma de decisiones.
