Banco Interamericano de Desarrollo
facebook
twitter
youtube
linkedin
instagram
Abierto al públicoBeyond BordersCaribbean Development TrendsCiudades SosteniblesEnergía para el FuturoEnfoque EducaciónFactor TrabajoGente SaludableGestión fiscalGobernarteIdeas MatterIdeas que CuentanIdeaçãoImpactoIndustrias CreativasLa Maleta AbiertaMoviliblogMás Allá de las FronterasNegocios SosteniblesPrimeros PasosPuntos sobre la iSeguridad CiudadanaSostenibilidadVolvamos a la fuente¿Y si hablamos de igualdad?Inicio
Administración pública Agua y saneamiento Ciencia, tecnología e innovación Comercio e integración regional Conocimeinto Abierto Desarrollo infantil temprano Desarrollo urbano y vivienda Educación Energía Género y diversidad Impacto Industrias Creativas Medio ambiente, cambio climático y Salvaguardias Política y gestión fiscal Salud Sin Miedos Trabajo y pensiones
  • Skip to main content
  • Skip to secondary menu
  • Skip to primary sidebar
  • Skip to footer

Volvamos a la fuente

Agua, saneamiento y residuos solidos

  • INICIO
  • CATEGORIAS
    • Agua no facturada
    • Agua y saneamiento
    • Aguas residuales
    • AquaFund
    • Conocimiento
    • DESTACADOS
    • Fuente de Innovación
    • Género
    • Hydro-BID
    • Innovación y Datos
    • Recurso hídrico
    • Residuos Sólidos
    • Saneamiento óptimo
    • WASH
  • autores
  • Español

Inteligencia Artificial (IA): Retornando el fraude a su caja de Pandora*

April 22, 2024 Por Marcello Basani Dejar un comentario


Escrito por Eduardo Xamena, Alejandro Minatta y Marcello Basani

En Ecuador cada día miles de metros cúbicos de agua se pierden por fraude, como consecuencia de instalaciones irregulares. Ello provoca un gran deterioro económico por la imposibilidad de que los prestadores de servicios de agua y saneamiento (AyS) cobren dicho caudal y, por ende, repercute en un peor servicio en la gestión hídrica. Por ello, es de vital importancia la detección y corrección temprana de la mayor cantidad de fraudes, como los casos de conexiones clandestinas, desconexiones o medidores alterados.

Según el índice Latinoamericano de inteligencia artificial (IA), Ecuador se ubica en el puesto número 10 en la región, por sus factores habilitantes (infraestructura, disponibilidad de datos, desarrollo de talento humano), la investigación y desarrollo, así como también su gobernanza (visión e institucionalidad, internacionalización y regulación). Por ejemplo, cuenta con desarrollos utilizando inteligencia artificial (IA) en educación (Talov Studio).

El sector de AyS en América Latina y el Caribe (ALC) está incluido dentro de los avances en IA, tal como mencionamos en el blog previo: ¿Tienes sed de soluciones innovadoras? La inteligencia artificial transforma el sector de agua y saneamiento. El procesamiento de grandes volúmenes de datos del comportamiento de usuarios en el tiempo puede ser de enorme utilidad para detectar fraudes.

En general, el aprendizaje automatizado (Machine Learning) permite detectar patrones de comportamiento en series de consumo, usando también datos del perfil general de cada usuario. Se busca caracterizar e identificar los casos de fraude, muy difíciles de detectar por simple observación de los datos.

Una buena práctica: El caso de la EPMAPS

La Empresa Pública Metropolitana de Agua Potable y Saneamiento de Quito (EPMAPS) en Ecuador hace uso de dichas tecnologías en sus procesos para la detección precisa de casos de fraude (pérdidas no técnicas), basándose en los perfiles de consumo de agua de sus clientes.

Las fases principales en el proceso de implementación son:

  1. Entendimiento de los datos: dado que hay diversos estándares y formatos para el almacenamiento de los datos de consumo de clientes, se identifican aquellos disponibles, se los analiza estadísticamente y se los transforma para su posterior utilización.

El prestador de servicios de AyS puede, por ejemplo, disponer de datos tomados mensualmente de forma manual y/o disponer de medidores automáticos (Smart Meters) conectados a una nube vía Internet de las Cosas, lo que permite el acceso a datos con una frecuencia mayor a la mensual.

  1. Desarrollo y evaluación: con los datos disponibles en el formato correcto, se lleva a cabo entrenamientos y evaluaciones de distintos modelos de aprendizaje automatizado (Machine Learning).

Es posible probar, por ejemplo, modelos simples como la identificación de valores constantes consecutivos o bajas abruptas en los valores de la serie de consumos por período o también otros más complejos como Support Vector Machines (SVM) hasta Redes Neuronales Recurrentes (RNN-LSTM). Entre ellos, se opta por aquel que brinda mejores valores de performance a partir de comparar con gráficas y/o métricas sensibles al desbalance (aproximadamente entre 1% y 5% del total de perfiles resultan fraudulentos).

  1. Puesta en producción: la prueba final está dada por las salidas a campo.

Los equipos de inspección llevarán a cabo su tarea habitual, pero ahora munidos de un reporte de instalaciones con alto índice de riesgo.

El resultado final es la diferencia de rendimiento de las inspecciones respecto a períodos anteriores.

Luego de las fases de exploración y desarrollo, EPMAPS incorporó un modelo de detección de pérdidas no técnicas con el apoyo del BID. Al mes siguiente a la emisión del primer reporte de índices de riesgo, se logró un 20% de aumento en la proporción de multas aplicadas respecto a las inspecciones realizadas.

Con ello, se espera un ingreso adicional y se estima que se han recuperado cientos de metros cúbicos mensuales de agua potable, al restablecer las situaciones irregulares detectadas. Además, dicha gestión contribuye a inhibir prácticas deshonestas por parte de los usuarios.

En el futuro cercano se espera continuar con distintas campañas de capacitación al personal en el uso de la herramienta de Machine Learning desarrollada. También, para facilitar una evolución correcta del circuito, se espera incluir más fuentes de datos que permitan tener un mayor cubrimiento de los casos existentes de fraude. Otro de los objetivos que se espera cumplir es el desarrollo de una interfaz de usuario que permita un mejor manejo de los modelos por parte de la compañía.

* Se dice que, en la mitología griega, Ápate era una divinidad que personificaba al fraude y fue uno de los espíritus que salió de la Caja de Pandora. Por lo que podríamos decir entonces que hoy, con el apoyo del aprendizaje automatizado (Machine Learning) y la inteligencia artificial (IA) hacemos que el fraude en el sector de AyS en ALC regrese a su caja de Pandora, de donde no debió haber salido jamás.

Sobre Fuente de Innovación

Fuente de Innovación  es financiado  por el Gobierno de Suiza a través de su Secretaría de Estado de Asuntos Económicos (SECO), por la Fundación FEMSA, por la República de Corea a través de su Ministerio de Medio Ambiente, el Gobierno de España a través del Ministerio de Economía, Comercio y Empresa (MINECO), por el Gobierno de Israel, y por Fundación Coca Cola. La alianza también se complementa con contribuciones directas de BID Lab y la División de Agua y Saneamiento del BID, y se coordina directamente con Aquafund, el fondo creado con capital del BID y al que contribuyen una amplia gama de socios del sector público y privado. 

Autores externos

Eduardo Xamena (PhD) Argentino. Científico de Datos y Machine Learning Engineer. Actualmente trabaja en proyectos relacionados a Detección de Fraude y a Estimación del Impacto de características de productos en la apreciación de los usuarios (Net Promoter Score, NPS). Previamente Investigador Científico del Instituto de Investigación en Cs. Sociales y Humanidades – Consejo Nacional de Ciencia y Técnica (ICSOH – CONICET) y Docente de la Universidad Nacional de Salta, Salta, Argentina.

Alejandro Minatta (MBA) es uruguayo. Es consultor en diseño, ejecución y evaluación de mecanismos de promoción del desarrollo. Desde hace 25 años se especializa en Innovación. Entre otras oportunidades, se destacan la Estrategia Nacional de Emprendimiento e Innovación de Ecuador, la Política de Ciencia Tecnología e Innovación de Paraguay, la gestación del Ecosistema Emprendedor de Uruguay, el apoyo a múltiples empresas de la región y diversas publicaciones en gestión de innovación. Es director de la consultora Catalizinn®, creadora de la metodología de Gestión de Innovación Corporativa EMOSI®.


Archivado bajo:Agua y saneamiento, Fuente de Innovación, Innovación y Datos Etiquetado con:Agua, calidad de vida, Conocimiento, fraude, Fuente de Innnovación, fuga de agua, inteligencia artificial, Saneamiento, Sostenibilidad

Marcello Basani

Marcello Basani es Especialista Líder en la Oficina del Banco Interamericano de Desarrollo (BID) en México. Desde la Ciudad de México, Marcello lidera la preparación e implementación de proyectos y actividades en los sectores de agua, saneamiento y gestión de desechos sólidos, además de liderar e impulsar las iniciativas regionales de innovación e integridad en el sector. Con una trayectoria en el BID que incluye roles en Washington D.C., Guyana, Ecuador y Uruguay, Marcello ha acumulado una vasta experiencia internacional. Antes de unirse al BID, trabajó como consultor individual para el Grupo de Evaluación Independiente del Banco Mundial, el Instituto Internacional de Investigación sobre Políticas Alimentarias y en el ámbito académico, enfocándose en temas de agua y desarrollo. Marcello posee un Doctorado (PhD) en Economía Ambiental y una Maestría en Economía del Desarrollo. Es autor de numerosas publicaciones en su campo.

Reader Interactions

Leave a Reply Cancel reply

Your email address will not be published. Required fields are marked *

Primary Sidebar

Siguenos

Suscribete

Buscar

Entradas Recientes

  • Convocatoria a propuestas de innovación tecnológica en agua, agricultura y energía en la región
  • El futuro del reciclaje en América Latina y el Caribe: innovación digital y economía circular
  • 5 respuestas a innovaciones tecnológicas para fortalecer a los prestadores de servicios de agua y saneamiento
  • Too Good to Waste: 14 Proyectos en marcha para  impulsar la economía circular y reducir las emisiones de metano en la región
  • Building Information Modeling (BIM) en Acción: Casos de Éxito en Agua y Saneamiento

Footer

Banco Interamericano de Desarrollo
facebook
twitter
youtube
youtube
youtube

    Blogs escritos por empleados del BID:

    Copyright © Banco Interamericano de Desarrollo ("BID"). Este trabajo está disponible bajo los términos de una licencia Creative Commons IGO 3.0 Reconocimiento-No comercial-Sin Obras Derivadas. (CC-IGO 3.0 BY-NC-ND) y pueden reproducirse con la debida atribución al BID y para cualquier uso no comercial. No se permite ningún trabajo derivado. Cualquier disputa relacionada con el uso de las obras del BID que no se pueda resolver de manera amistosa se someterá a arbitraje de conformidad con el reglamento de la CNUDMI. El uso del nombre del BID para cualquier otro propósito que no sea la atribución, y el uso del logotipo del BID estarán sujetos a un acuerdo de licencia escrito por separado entre el BID y el usuario y no está autorizado como parte de esta licencia CC-IGO. Tenga en cuenta que el enlace proporcionado anteriormente incluye términos y condiciones adicionales de la licencia.


    Blogs escritos por autores externos:

    Para preguntas relacionadas con los derechos de autor para autores que no son empleados del BID, por favor complete el formulario de contacto de este blog.

    Las opiniones expresadas en este blog son las de los autores y no necesariamente reflejan las opiniones del BID, su Directorio Ejecutivo o los países que representan.

    Atribución: además de otorgar la atribución al respectivo autor y propietario de los derechos de autor, según proceda, le agradeceríamos que incluyera un enlace que remita al sitio web de los blogs del BID.



    Política de privacidad

    Derechos de autor © 2025 · Magazine Pro en Genesis Framework · WordPress · Log in

    Banco Interamericano de Desarrollo

    Aviso Legal

    Las opiniones expresadas en estos blogs son las de los autores y no necesariamente reflejan las opiniones del Banco Interamericano de Desarrollo, sus directivas, la Asamblea de Gobernadores o sus países miembros.

    facebook
    twitter
    youtube
    En este sitio web se utilizan cookies para optimizar la funcionalidad y brindar la mejor experiencia posible. Si continúa visitando otras páginas, se instalarán cookies en su navegador.
    Para obtener más información al respecto, haga clic aquí.
    x
    Manage consent

    Privacy Overview

    This website uses cookies to improve your experience while you navigate through the website. Out of these, the cookies that are categorized as necessary are stored on your browser as they are essential for the working of basic functionalities of the website. We also use third-party cookies that help us analyze and understand how you use this website. These cookies will be stored in your browser only with your consent. You also have the option to opt-out of these cookies. But opting out of some of these cookies may affect your browsing experience.
    Necessary
    Always Enabled
    Necessary cookies are absolutely essential for the website to function properly. This category only includes cookies that ensures basic functionalities and security features of the website. These cookies do not store any personal information.
    Non-necessary
    Any cookies that may not be particularly necessary for the website to function and is used specifically to collect user personal data via analytics, ads, other embedded contents are termed as non-necessary cookies. It is mandatory to procure user consent prior to running these cookies on your website.
    SAVE & ACCEPT