FRAUDE EN TARJETAS DE CRÉDITO Y COSTOS DE TRANSACCIÓN: EL PAPEL DEL MACHINE LEARNING EN LA EFICIENCIA ECONÓMICA

Resumen

El fraude con tarjetas de crédito constituye uno de los principales desafíos económicos del sistema financiero contemporáneo, afectando la eficiencia, la confianza y la gobernanza institucional. Este estudio analiza el impacto económico de los fraudes desde la perspectiva de la Teoría de los Costos de Transacción, examinando cómo el machine learning puede actuar como instrumento de eficiencia e innovación institucional. A partir de datos públicos sobre transacciones financieras y de una revisión teórica, el trabajo interpreta la aplicación de algoritmos de aprendizaje automático como un mecanismo de racionalización de los costos de monitoreo y verificación, reduciendo pérdidas y aumentando la productividad. Los resultados muestran que modelos como Regresión Logística, Support Vector Machine y Árboles de Decisión presentan un alto potencial para detectar patrones anómalos, disminuyendo los costos de auditoría y fortaleciendo la confianza en el sistema. Se concluye que el machine learning representa una innovación schumpeteriana capaz de reducir los costos de transacción y ampliar la eficiencia económica, consolidándose como un elemento estratégico para la modernización y la seguridad de las instituciones financieras en Brasil.