Los estafadores están utilizando cada vez más la inteligencia artificial para cometer delitos, con un fraude impulsado por IA proyectado a alcanzar los $10.5 billones para 2025. Pero la buena noticia es que la IA también está armando a bancos y fintechs con nuevas herramientas poderosas para combatir el fraude, reduciendo el riesgo y minimizando pérdidas, mientras se mantienen experiencias ágiles y amigables para los clientes.
En un reciente seminario web del Payments Journal, Max Spivakovsky, Director Senior de Gestión de Riesgos de Pagos Globales de Galileo, comparó la dinámica con una "carrera armamentística digital, [con] los criminales y los profesionales de ciberseguridad y fraude tratando de mantenerse un paso por delante el uno del otro todo el tiempo".
Por qué una estrategia antifraude proactiva es clave
Los avances recientes en el poder de la IA están acelerando considerablemente la velocidad de esa carrera armamentística, dijo Spivakovsky durante el seminario web.
En la competencia de alta velocidad entre los estafadores y los buenos, es imperativo adoptar una estrategia antifraude que enfatice el análisis de riesgo proactivo, detectando y previniendo el fraude antes de que pueda ocurrir, según el jefe de riesgos de pagos de Galileo.
Cómo los bancos están aprovechando la tecnología antifraude para combatir el fraude
"El análisis de enlaces y la precisión de los modelos hacen que el enfoque proactivo sea mucho más preciso", dijo Spivakovsky. Continuó citando ejemplos de medidas antifraude proactivas, incluyendo herramientas que notifican automáticamente a las instituciones financieras o a los clientes que podrían ser el objetivo de una actividad fraudulenta potencial y cancelan o restringen el gasto en la tarjeta cuando hay una indicación de que pudo haber sido accedida por estafadores.
Detección impulsada por IA, servicio al cliente
La evolución de la IA y el aprendizaje automático también han abierto las puertas para el reconocimiento avanzado de patrones, análisis de comportamiento y aprendizaje adaptativo sobre la actividad del cliente, todo lo cual bancos y fintechs pueden usar para ayudar a detectar instancias de posible fraude de manera más efectiva y eficiente de lo que los humanos podrían, señaló Spivakovsky.
"La creación de modelos es automatizada y aprendida recursivamente de experiencias previas, de tal manera que las excepciones que requieren revisión manual se vuelven cada vez menos comunes con el tiempo", dijo Spivakovsky. "Eso es una gran victoria para las empresas comerciales y para las instituciones financieras, ya que libera capital humano que de otra manera estaría atado con esas revisiones manuales. Eso, a su vez, les permite utilizar su fuerza laboral más eficientemente y estirar un poco más los recursos departamentales de lo que de otra manera podrían".
Cómo la IA está ayudando a los bancos a mejorar el servicio al cliente, la seguridad
Mientras tanto, los proveedores también están aprovechando cada vez más los chatbots impulsados por IA con asistentes digitales inteligentes que interactúan con los clientes en tiempo real para abordar riesgos emergentes de fraude, reduciendo aún más la necesidad de capital humano, agregó Spivakovsky.
Rompiendo los silos de datos
Los silos de datos en los que diferentes sistemas tienen diferentes conjuntos de datos y no "hablan" entre sí tradicionalmente han sido uno de los mayores desafíos para proteger los sistemas multicanal del fraude, especialmente a medida que la cantidad de datos de clientes que los bancos tienen en mano ha crecido significativamente con el auge de la banca digital.
Aplicar la IA ha ayudado a bancos y fintechs a obtener una vista más holística de los datos a través de varios canales, una visibilidad e interoperabilidad que mejora las capacidades de detección de fraude, dijo Spivakovsky.
El aumento del gasto con débito en primavera: cómo gastaron los estadounidenses en el primer trimestre de 2026 y lo que indica para el próximo año
Explora el Índice de Gasto con Débito del primer trimestre de 2026. Tras un inicio lento, el gasto con débito en Estados Unidos se disparó en marzo, impulsado por los reembolsos de impuestos y el clima primaveral. Descubre insights clave sobre tendencias en gastronomía, viajes y mejoras del hogar, además de la evolución de los comportamientos de pagos digitales, basados en datos de transacciones anonimizadas de la plataforma de Galileo Financial Technologies.
Banca Adaptativa: La guía de Galileo para construir sistemas financieros escalables bajo presión
Descubra cómo las empresas latinoamericanas están pasando de priorizar únicamente la velocidad de los pagos a adoptar la Banca Adaptativa para superar los cuellos de botella del fraude, acortar los ciclos de vida de los productos y captar cuota de mercado en tiempo real.
Midiendo lo que importa con tarjetas de débito co-branded: marcos para medir viajes, noches y participación en el gasto
Ve más allá de las activaciones de tarjetas. Un marco práctico para que las marcas de viajes y hospitalidad puedan medir noches, participación en el gasto y velocidad de canje—y demostrar que un programa de débito co-branded está funcionando.
Procesamiento de Débito + Depósitos: Qué medir, qué corregir y qué cambiar
Aprende qué KPIs deben usar los bancos para identificar problemas en su stack de depósitos y débito, entender las causas raíz y cómo resolverlos y modernizarse con el socio fintech adecuado sin reemplazar el core.
De los pagos a la “experiencia de ingresos”: el nuevo campo de batalla para los trabajadores de la economía gig
Los pagos en tiempo real para trabajadores gig son ahora una palanca competitiva. Aprende cómo los pagos instantáneos reducen la rotación y los costos, y aumentan los ingresos; además de las capacidades clave del stack que debes considerar.
