La evolución de la disciplina de gestión de riesgos, está permitiendo que las organizaciones fortalezcan tanto la cultura que tienen sobre esta materia, como la aplicación de diversas técnicas y metodologías para mitigar los riesgos. La técnica de las redes neuronales ha demostrado tener una gran versatilidad y aplicación en la solución de problemas complejos de diversa índole, tanto en el sector público como privado. Desde la primera implementación del Módulo de Gestión de Riesgos (MGR) hace diez años, se ha mantenido siempre un compromiso por dotar a las organizaciones de una herramienta informática que apoye el logro de sus objetivos estratégicos. En ese sentido, el uso de las redes neuronales como una técnica complementaria para la detección de los riesgos, permitirá a las organizaciones fortalecer su capacidad de análisis y evaluación de las incertidumbres relativas al fraude, la falsedad u otros ilícitos y, consecuentemente, mejorar la detección de los hallazgos negativos y reducir los costos asociados.

1. Redes Neuronales
Módulo de Gestión de Riesgos (MGR)
Página 1 de 7
La Gestión de Riesgos y las Redes Neuronales
Ing. Oscar Felipe Camacho Carrillo (*)
as redes neuronales es una técnica muy utilizada en diversos ámbitos de la ciencia e ingeniería porque permiten resolver problemas complejos, que muchas veces no son fáciles de realizarlo utilizando los métodos estadísticos tradicionales.
INTRODUCCIÓN
El proceso de gestión de riesgos se está estableciendo de manera firme en las organizaciones, tanto en el sector público y privado y, sin importar que sean grandes o pequeñas. La evolución de esta disciplina ha sido vertiginosa, las crisis que se han registrado en los últimos 30 años, así como el irreversible proceso de globalización e integración que están experimentados todas áreas de negocio, han dado lugar a tener una conciencia clara de la inevitabilidad de los riesgos en cualquier organización.
Como parte de esta realidad se está fortaleciendo cada vez más la cultura del riesgo en las organizaciones, y es así que en los diversos foros nacionales, regionales e internacionales, se promueve constantemente nuevos conceptos, regulaciones y/o metodologías que permitan mitigar los riesgos existentes.
Dentro de las metodologías que se han venido fortaleciendo con mucho éxito, podemos citar a la Inteligencia Artificial (IA), la cual es un área del conocimiento que se basa en imitar computacionalmente las distintas habilidades relacionadas a la inteligencia del ser humano. Los Sistemas Expertos y las Redes Neuronales (RN) son algunas de las técnicas de la IA, y sobre esta última tratamos en el presente artículo.
Las RN han alcanzado una gran aceptación en los últimos años, al ser una herramienta que tiene una gran variedad de usos, ya sea para fines de predicción, reconocimiento de patrones, optimización de recursos, entre otros. Las RN es una técnica complementaria a los métodos estadísticos tradicionales.
“Existen dos procedimientos matemáticos para el análisis de relaciones complejas: el análisis estadístico multivariante y las redes neuronales”

2. Redes Neuronales
Módulo de Gestión de Riesgos (MGR)
Página 2 de 7
CONCEPTO DE LAS REDES NEURONALES
Las RN son sistemas computacionales que intentan imitar el cerebro humano hasta en su capacidad de ‘aprendizaje’. En otras palabras, uno puede entrenar a una red neuronal mostrándole tanto las variables que influyen en un problema como sus respectivos resultados, de esa manera, la red neuronal generará distintas alternativas de solución (modelos estadísticos), hasta encontrar aquel que resuelva mejor el problema planteado.
Las RN emulan ciertas características propias del ser humano, como la capacidad de memorizar y de asociar hechos, por eso se afirma que las RN analizan la información de manera distinta que los métodos estadísticos tradicionales.
Podemos conceptualizar a las RN como: ‘Un sistema para el tratamiento de la información, cuya unidad básica de procesamiento está inspirada en la célula fundamental del sistema nervioso: la neurona’.
Figura No 01: Concepto de las Redes Neuronales.
CARACTERÍSTICAS DE LAS REDES NEURONALES
(a) Aprendizaje Adaptativo
Esta es una de las características más atractivas de las RN, la cual se basa en el aprendizaje a través de ejemplos. Como las RN pueden aprender a diferenciar los casos mediante el entrenamiento a través de ejemplos, no es necesario que se elaboren modelos estadísticos a priori.
(b) Tolerancia a Fallos
Las RN pueden aprender a reconocer patrones que se encuentren distorsionados o incompletos, esta es una tolerancia a fallos en los datos. Ante la presencia de fallos, las RN siguen operando, aunque se destruya parte de la red.
La razón por la que las RN son tolerantes a fallos, es porque la información está distribuida en las diversas conexiones de las neuronas, existiendo de este modo, un cierto grado de redundancia de la información.
(c) Auto-Organización
Las RN usan la capacidad de aprendizaje adaptativo para auto-organizar la información que reciben durante su construcción. Mientras que el aprendizaje es la modificación de cada elemento participante, la auto-organización consiste en la modificación completa de la red neuronal a efectos de alcanzar un objetivo específico.
(d) Fácil uso con la tecnología existente
Las RN pueden ser implementadas para resolver problemas específicos dentro de la organización, utilizando la tecnología que comúnmente se dispone. La única restricción se centra en disponer de casos que permitan su entrenamiento.

3. Redes Neuronales
Módulo de Gestión de Riesgos (MGR)
Página 3 de 7
ÁMBITOS DE APLICACIÓN DE LAS REDES NEURONALES
Las características de las RN hacen que sus aplicaciones sean muy amplias para diversos sectores como la administración pública, finanzas, medicina y salud, militar, transportes y comunicaciones, industria manufacturera, energía, alimentación, entre otros.
ÁMBITOS DE APLICACIÓN Administración Pública  Análisis y predicción de riesgos.  Detección del fraude fiscal.  Predicciones económicas.  Proyección de prestaciones de los sistemas de salud.  Proyección de prestaciones sociales.
Finanzas
 Previsión de la evolución de los precios.
 Valoración del riesgo de los créditos.
 Identificación de falsificaciones o fraudes.
 Interpretación de firmas.
 Predicción de la rentabilidad de acciones. Medicina y Salud  Diagnóstico y tratamiento a partir de síntomas y/o de datos analíticos (electrocardiograma, encefalogramas o análisis sanguíneo).  Análisis e interpretación de imágenes.  Predicción de reacciones adversas en los medicamentos.
Militar
 Clasificación de las señales de radar.
 Creación de armas inteligentes.
 Reconocimiento y seguimiento en el tiro al blanco. Transportes y Comunicaciones  Optimización de rutas.  Optimización en la distribución de recursos.  Sistema Inteligente de gestión de stocks.
Industria Manufacturera
 Predicción de la demanda de un producto.
 Planificación de la producción.
 Planificar las alarmas en máquinas y reactores químicos.
 Control de procesos. Energía  Predicción del consumo de servicios (electricidad, agua o gas).  Distribución de recursos hidráulicos para la producción eléctrica.
Alimentación
 Análisis de olor y aroma.
 Perfiles de clientes en función de su compra.
 Control de calidad. Tratamiento de textos  Reconocimiento de caracteres impresos mecánicamente.  Reconocimiento de gráficos.  Reconocimiento de caracteres escritos a mano.  Reconocimiento de escritura manual cursiva.

4. Redes Neuronales
Módulo de Gestión de Riesgos (MGR)
Página 4 de 7
NEURONA BIOLÓGICA
En la búsqueda de mecanismos naturales para intentar desarrollar máquinas que realicen tareas complejas, el cerebro humano constituye una fuente principal de inspiración por lo que es importante observar ciertas características que han resultado cruciales para el desarrollo de las RN.
Las neuronas son células nerviosas que constituyen los elementos primordiales del sistema nervioso central. Son capaces de recibir señales provenientes de otras neuronas, procesar éstas señales, generar pulsos nerviosos, conducir éstos pulsos y, transmitirlos a otras neuronas.
Las neuronas están conformadas por tres compontes principales: dendritas, cuerpo celular y axón. Las dendritas son como un árbol de redes receptivas (fibras nerviosas), que envían señales eléctricas al cuerpo de la célula, la cual contiene al núcleo que es de forma esférica y es donde se ejecutan todas las transformaciones para la vida de la neurona.
Figura No 02: Estructura básica de la neurona biológica
El axón transmite la señal de salida a las otras neuronas. El intercambio químico de información entre una neurona y otra se hace a través de la sinapsis. Este es el punto de interconexión entre las neuronas.
La neurona artificial es una versión muy simple la neurona biológica, pero puede establecerse fácilmente una equivalencia entre ambas basadas en el siguiente concepto: “La operación de la neurona es un proceso en donde la célula ejecuta una suma de señales que llegan por sus dendritas (entradas). Cuando esta suma es mayor que cierto umbral, la neurona responde transmitiendo un pulso a través de su axón (salida)”.
NEURONA BIOLÓGICA NEURONA ARTIFICIAL

5. Redes Neuronales
Módulo de Gestión de Riesgos (MGR)
Página 5 de 7
ESTRUCTURA DE LAS REDES NEURONALES
Una red neuronal puede verse como una maquina diseñada originalmente para modelar la forma en que el sistema nervioso realiza una determinada tarea. Para lograr este objetivo, una red neuronal está formada por un conjunto de unidades de procesamiento interconectadas llamadas neuronas.
Una neurona no tiene la capacidad para realizar un proceso lógico, sin embargo un conjunto de ellas sí. Por tanto, las neuronas se agrupan para realizar trabajos de cálculo lógico en redes, las cuales a su vez, están compuestas de capas.
La red neuronal debe aprender como procesar la información de entrada antes de que ésta pueda ser utilizada en una aplicación. El proceso de entrenamiento de la red neuronal involucra el ajuste de los pesos de entrada en cada neurona, hasta que la salida de la red se aproxima a la salida deseada. Este procedimiento involucra la disposición de una muestra de entrenamiento, que está formado por los datos de cada neurona de entrada y la respuesta de la neurona de salida de la red. Una vez que la red está entrenada, sólo los datos de entrada son provistos a la red, la cual recuerda la respuesta que aprendió durante el entrenamiento.
“El 70% de las redes neuronales supervisadas a nivel mundial, se basan en la arquitectura del perceptrón multicapa”
Generalmente una red típica tendrá tres capas: una de entrada de datos, otra capa oculta y una tercera, de salida de los resultados. Cada una de las capas contendrá un número determinado de neuronas en función del diseño que se haya elegido y el tipo de problema a resolver. Todas las neuronas que contiene una capa, se conectan con todas las neuronas de la siguiente capa. De esa manera cuando una neurona obtiene un resultado, lo envía a todas las neuronas de la capa siguiente.
PROCESO DE ENTRAMIENTO DE LA RED NEURONAL

6. Redes Neuronales
Módulo de Gestión de Riesgos (MGR)
Página 6 de 7
MÓDULO DE GESTIÓN DE RIESGOS (MGR)
El Módulo de Gestión de Riesgos (MGR), es una aplicación web desarrollada para soportar las funcionalidades inherentes al proceso de gestión de riesgos (identificación, análisis, evaluación, tratamiento y monitoreo del riesgo), es de fácil entendimiento para los usuarios (amigable) y se puede integrar a cualquier sistema empresarial que disponga la Institución.
Figura 03: Modelo Conceptual del MGR
En el MGR se dispone de la técnica de las redes neuronales, así como también, de los criterios expertos y los modelos probabilísticos. Las redes neuronales programadas y entrenadas adecuadamente, son capaces de aprender por sí mismas y recomendar qué actuaciones son las más adecuadas en cada situación, con el objeto de maximizar la selección de los casos que constituyen riesgos y consecuentemente, reducir los costos asociados.
“Las redes neuronales no son sustitutivas de los métodos estadísticos tradicionales, son complementarias”.
Figura 04: Técnicas y metodologías de detección de riesgos utilizadas en el MGR.
Es preciso señalar que ninguna de las técnicas antes señaladas es superior a las demás, la superioridad de una sobre las otras, estará condicionada al problema o caso planteado y, a las características de la información que se dispone.

7. Redes Neuronales
Módulo de Gestión de Riesgos (MGR)
Página 7 de 7
“Las redes neuronales están siendo utilizadas en las Administraciones Aduaneras de Perú, Chile, Honduras y Nicaragua. Actualmente el MGR opera en varios países de Latinoamérica y, es considerado como un modelo para el desarrollo de los sistemas informáticos de gestión de riesgos”.
CONCLUSIÓN
La evolución de la disciplina de gestión de riesgos, está permitiendo que las organizaciones fortalezcan tanto la cultura que tienen sobre esta materia, como la aplicación de diversas técnicas y metodologías para mitigar los riesgos. La técnica de las redes neuronales ha demostrado tener una gran versatilidad y aplicación en la solución de problemas complejos de diversa índole, tanto en el sector público como privado.
Desde la primera implementación del Módulo de Gestión de Riesgos (MGR) hace diez años, se ha mantenido siempre un compromiso por dotar a las organizaciones de una herramienta informática que apoye el logro de sus objetivos estratégicos. En ese sentido, el uso de las redes neuronales como una técnica complementaria para la detección de los riesgos, permitirá a las organizaciones fortalecer su capacidad de análisis y evaluación de las incertidumbres relativas al fraude, la falsedad u otros ilícitos y, consecuentemente, mejorar la detección de los hallazgos negativos y reducir los costos asociados.
(*) Profesional con más de 15 años de experiencia en la conceptualización e implementación de sistemas de información para diversas entidades y organismos regionales de Latinoamérica. Egresado de la Universidad Nacional de Ingeniería (UNI) en Lima – Perú, es reconocido por su alto grado de análisis de la problemática y su capacidad innovadora en el planteamiento de soluciones empleando las tecnologías de información. Es autor intelectual del Módulo de Gestión de Riesgos (MGR), el cual opera en varias Administraciones ofcamacho@yahoo.es. Aduaneras y Tributarias. E-mail: