De lo reactivo a lo proactivo: cómo las plataformas de prevención de fraude con IA están transformando la seguridad financiera

Las pérdidas por fraude alcanzaron los 47 mil millones de dólares en las instituciones financieras de EE. UU. en 2024. Los sistemas tradicionales de detección de fraude basados en reglas no pueden seguir el ritmo de las tácticas de fraude habilitadas por IA, incluidos el audio deepfake, la creación de identidad sintética y las estafas personalizadas automatizadas.

Frente a estas amenazas, las instituciones financieras necesitan plataformas adaptativas de prevención de fraude con IA que igualen la sofisticación de los ataques de fraude modernos. En un webinar reciente, expertos de la industria de Galileo Financial Technologies y DataVisor explicaron cómo construir estrategias proactivas de defensa contra el fraude.

Puntos clave:

• El fraude mejorado con IA ha proliferado en los últimos años, lo que demuestra que los sistemas de autenticación tradicionales fallan contra los ataques impulsados por IA.

• Las plataformas efectivas de fraude con IA deben proporcionar decisiones explicables con códigos de razón legibles por humanos, procesar señales de fraude en tiempo real e integrar nuevas fuentes de datos como la autenticación de voz y la biometría conductual.

• Después de incidentes de fraude importantes, las instituciones necesitan una respuesta de doble vía de 90 días que estabilice las operaciones inmediatas y, al mismo tiempo, mejore la protección para el futuro.

¿Qué tan prevalente es el fraude habilitado por IA? ¿Y cuál es el impacto financiero?

Javelin Strategy & Research informa que las pérdidas por fraude de identidad y estafas ascendieron a un total de 47 mil millones de dólares en 2024. Esto representa un aumento significativo impulsado por las técnicas de fraude habilitadas por IA.

Las pérdidas por fraude de identidad tradicional alcanzaron los 27 mil millones de dólares en 2024, un aumento del 19% con respecto a los 23 mil millones de dólares en 2023. Todas las categorías de fraude rastreadas por Javelin aumentaron año tras año, incluido el fraude de adquisición de cuentas (account takeover), el fraude de tarjetas existentes, el fraude no relacionado con tarjetas y el fraude de nuevas cuentas.

Prevención Estratégica del Fraude: Maximizando Presupuestos Ajustados para Garantizar la Protección

El fraude de adquisición de cuentas creció de 12,7 mil millones de dólares en 2023 a casi 16 mil millones de dólares en 2024. Hace cinco años, las pérdidas por adquisición de cuentas eran de aproximadamente 6 mil millones de dólares. El tipo de fraude casi se ha triplicado, lo que indica que los delincuentes están explotando las vulnerabilidades del sistema de autenticación.

¿En qué se diferencia el fraude habilitado por IA del fraude tradicional?

Max Spivakovsky, Director Senior de Gestión de Riesgos de Pagos Globales de Galileo, identificó un error crítico entre los líderes de prevención de fraude. Muchos creen que el fraude con IA es simplemente un problema tecnológico que se resuelve comprando mejores herramientas de detección. Este enfoque pasa por alto la naturaleza fundamental de los ataques de fraude habilitados por IA.

El fraude habilitado por IA utiliza modelos generativos y algoritmos automatizados para crear engaños personalizados hiperrealistas. Las tácticas de fraude incluyen la suplantación de identidad mediante audio deepfake, documentos de identidad sintéticos y sofisticadas campañas de phishing. Estos ataques se lanzan a una escala y velocidad que las operaciones de fraude operadas por humanos no pueden igualar.

Equilibrando la Prevención del Fraude y la Experiencia del Cliente

Los casos de fraude recientes demuestran la sofisticación de los ataques habilitados por IA. En 2024, los delincuentes utilizaron IA para suplantar con éxito a un director financiero de una empresa, lo que resultó en una transferencia fraudulenta de 25 millones de dólares.

Fang Yu, director de producto de DataVisor, señaló que los estafadores que utilizan IA demuestran más paciencia que las operaciones de fraude tradicionales. Las estafas románticas y los esquemas de fraude sanitario ahora se extienden durante varios meses, generando confianza en la víctima antes de solicitar dinero. La detección de fraude tradicional basada en la velocidad falla contra estos ataques de cronograma extendido.

¿Por qué fallan los sistemas estáticos de detección de fraude basados en reglas?

Los panelistas señalaron que los controles estáticos de fraude basados en reglas crean varias vulnerabilidades que ayudan a las operaciones de fraude criminal. Estos incluyen:

• Las reglas estáticas de monitoreo de transacciones utilizan umbrales de velocidad y límites de cantidad fijos. Estas reglas no pueden adaptarse a los diferentes perfiles de riesgo de los clientes y contextos de las transacciones. Una transacción de 500 dólares puede ser un comportamiento normal para un cliente y sospechoso para otro, dependiendo del historial de compras, la ubicación y el momento.

• Las políticas inconsistentes de autenticación por pasos (step-up authentication) crean confusión en el cliente y lagunas de seguridad. Cuando las instituciones financieras aplican desafíos de autenticación de manera inconsistente, los clientes no pueden distinguir las solicitudes de seguridad legítimas de los intentos de fraude. La fricción excesiva en la autenticación frustra a los clientes legítimos, mientras que los estafadores sofisticados desarrollan soluciones alternativas.

• Las reglas de fraude estáticas crean patrones predecibles que los delincuentes someten a ingeniería inversa y explotan. Los estafadores se adaptan rápidamente a los avances tecnológicos y a los cambios en las reglas. Las instituciones financieras necesitan sistemas ágiles de prevención de fraude que evolucionen junto con las tácticas de fraude emergentes.

¿Cuáles son las claves para la prevención del fraude con IA?

Los líderes de prevención de fraude que evalúan las plataformas de detección de fraude con IA deben priorizar estas capacidades, recomendaron los panelistas:

• IA explicable y toma de decisiones transparente: Las plataformas de prevención de fraude deben proporcionar códigos de razón legibles por humanos que expliquen las decisiones de detección de fraude de IA. Los sistemas de IA de "caja negra" crean riesgos de cumplimiento normativo y puntos ciegos operativos. Las regulaciones bancarias SR 11-7 requieren la explicabilidad del modelo para los sistemas de detección de fraude.

• Procesamiento de señales en tiempo real en todas las instituciones: Los sistemas de fraude heredados que dependen únicamente de datos históricos omiten las tácticas de fraude de día cero, como la clonación de voz con IA y los ataques deepfake. Las plataformas efectivas de fraude con IA procesan señales en tiempo real en miles de instituciones financieras para identificar patrones de fraude emergentes antes de una explotación generalizada.

• Integración de datos flexible e incorporación de señales: Las plataformas de fraude rígidas que requieren meses de trabajo de ingeniería para nuevas fuentes de datos se convierten en pasivos. Los sistemas modernos de prevención de fraude deben incorporar fácilmente datos de autenticación de voz, patrones de SMS, biometría conductual y señales de riesgo de terceros sin plazos de integración prolongados.

• Despliegue equilibrado de modelos de lenguaje grande (LLM): Los modelos de lenguaje grande ofrecen capacidades valiosas para la generación de narrativas de casos de fraude y resúmenes de investigación. Sin embargo, los LLM pueden generar evaluaciones de fraude demasiado agresivas cuando no se gobiernan adecuadamente. Las plataformas de fraude con IA necesitan marcos de moderación que eviten la inflación de falsos positivos.

• Implementación rápida y mínima carga de ingeniería: Las plataformas de prevención de fraude que requieren plazos de implementación de seis meses crean lagunas de seguridad en entornos de fraude en rápida evolución. Busque soluciones que minimicen los gastos generales de ingeniería mientras mantienen la seguridad y el cumplimiento normativo.

Plan de respuesta al fraude de 90 días después de incidentes de seguridad importantes

Las instituciones financieras que experimentan eventos de fraude importantes necesitan estrategias de respuesta de doble vía que equilibren la contención inmediata con la transformación de la prevención de fraude a largo plazo. Los panelistas recomendaron los siguientes pasos:

• Días 1-30: Concéntrese en la estabilización y el triaje. Detenga las pérdidas inmediatas por fraude y restablezca la confianza de las partes interesadas. Esta base permite mejoras posteriores en la prevención del fraude.

• Días 30-60: Pase a la prueba proactiva de prueba de concepto. Pilote enfoques de detección de fraude impulsados por IA mientras mantiene las operaciones actuales. Pruebe nuevas tecnologías de prevención de fraude en entornos controlados antes de la implementación total.

• Días 60-90: Formalice la cultura de prevención de fraude impulsada por IA. Refine las reglas de lucha contra incendios de emergencia en estrategias sostenibles de detección de fraude basadas en el comportamiento. Escale los programas piloto exitosos en toda la organización.

Yu de DataVisor enfatizó el monitoreo y refinamiento continuo de la estrategia de fraude. Las reglas de fraude de emergencia que bloquean direcciones IP o regiones geográficas específicas pueden lograr una precisión del 99% durante los ataques activos. Sin embargo, estas mismas reglas pueden generar un 99% de falsos positivos después de que cambian los patrones de ataque. La detección de fraude basada en el comportamiento proporciona una eficacia sostenible a largo plazo.

Cómo implementar la prevención proactiva del fraude con IA

El fraude habilitado por IA requiere una defensa habilitada por IA implementada con gobierno estratégico, refinamiento continuo y compromiso de ir más allá de las reglas estáticas.

Las instituciones financieras se enfrentan a amenazas de fraude cada vez más sofisticadas. La elección es clara: adaptarse a plataformas proactivas de prevención de fraude impulsadas por IA o seguir luchando contra las batallas de fraude del mañana con las herramientas basadas en reglas de ayer.

La evolución del fraude se acelera diariamente. Las instituciones financieras no pueden permitirse una respuesta tardía.

Haga clic para ver el webinar completo y póngase en contacto con Galileo para analizar soluciones adaptativas de detección de fraude.

© 2026 Galileo Financial Technologies, LLC. Todos los derechos reservados. Galileo Financial Technologies, LLC es una empresa de tecnología, no un banco. Galileo se asocia con muchos bancos emisores para proporcionar servicios bancarios en América del Norte y del Sur.

Preguntas Frecuentes

¿Qué es el fraude habilitado por IA?

El fraude habilitado por IA utiliza modelos generativos y algoritmos automatizados para crear engaños personalizados hiperrealistas, incluidos audio deepfake, documentos de identidad sintéticos y sofisticadas campañas de phishing. Estos ataques se lanzan a una escala y velocidad imposible de igualar para las operaciones de fraude operadas por humanos.

¿Cuánto pierden anualmente las instituciones financieras por fraude?

Las instituciones financieras de EE. UU. se enfrentan a 47 mil millones de dólares en pérdidas combinadas por fraude y estafas anualmente. El fraude de identidad tradicional representa 27 mil millones de dólares, y el fraude de adquisición de cuentas alcanza casi 16 mil millones de dólares en 2024.

¿Por qué las reglas estáticas de detección de fraude fallan contra los ataques habilitados por IA?

Las reglas estáticas crean patrones predecibles que los delincuentes someten a ingeniería inversa y explotan. Los umbrales de velocidad y los límites de cantidad fijos no pueden adaptarse a los diferentes perfiles de riesgo de los clientes. Los estafadores habilitados por IA lanzan ataques pacientes y a largo plazo, como las estafas románticas que se extienden durante meses, lo que anula la detección tradicional basada en la velocidad.

¿Qué características deberían priorizar las instituciones financieras en las plataformas de fraude con IA?

Priorice la IA explicable que proporcione códigos de razón legibles por humanos, el procesamiento de señales en tiempo real en miles de instituciones, la integración flexible de datos para nuevas señales de fraude, el despliegue equilibrado de LLM con gobierno adecuado y la implementación rápida que minimice la carga de ingeniería mientras mantiene el cumplimiento normativo.

¿Cuál es el plan de respuesta al fraude de 90 días después de un incidente de seguridad importante?

Los Días 1-30 se centran en la estabilización y el triaje para detener las pérdidas inmediatas y restablecer la confianza de las partes interesadas. Los Días 30-60 pasan a la prueba proactiva de prueba de concepto, piloteando enfoques de detección impulsados por IA. Los Días 60-90 formalizan la cultura de prevención de fraude impulsada por IA, refinando las reglas de emergencia en estrategias sostenibles basadas en el comportamiento.

¿Las plataformas de prevención de fraude requieren el cumplimiento de SR 11-7?

Sí. Las regulaciones bancarias SR 11-7 requieren la explicabilidad del modelo para los sistemas de detección de fraude. Las instituciones financieras deben implementar plataformas de fraude con IA que proporcionen códigos de razón legibles por humanos que expliquen las decisiones de detección. Los sistemas de IA de "caja negra" crean riesgos de cumplimiento normativo y puntos ciegos operativos.