• La sofisticación del fraude financiero, impulsada por inteligencia artificial generativa, está llevando a la banca a adoptar modelos basados en IA agéntica, capaces de actuar de forma autónoma para investigar alertas de extremo a extremo, correlacionar señales en múltiples sistemas en tiempo real y escalar únicamente los casos de mayor riesgo a los analistas, explican especialistas de SAS.
20 de mayo de 2026. La transformación digital del sistema financiero ha traído consigo una paradoja. Y es que mientras los servicios son cada vez más rápidos, accesibles y centrados en el usuario, también se han vuelto más vulnerables a nuevas formas de fraude. En este contexto, la inteligencia artificial (IA), en particular la IA agéntica, emerge como una herramienta clave para lograr un equilibrio entre seguridad y experiencia del cliente.
Durante el Webinar “IA agéntica contra fraude transaccional: pago, seguros e infracción”, realizado por SAS, líder global el analítica y datos, especialistas explicaron que el reto para bancos, aseguradoras y otras entidades financieras ya no es únicamente identificar transacciones sospechosas, sino hacerlo en tiempo real, con precisión y sin generar fricciones en la experiencia del usuario. Precisamente, este nuevo escenario está redefiniendo la forma en que las organizaciones abordan la prevención del fraude.
“Las estafas están ocurriendo a ritmos sin precedentes. Ya no hablamos solo del fraude tradicional con tarjetas o robo de identidad, sino de esquemas mucho más sofisticados que están dirigidos directamente a los clientes”, explicó Yuri Rueda, Domain Expert en Fraude para SAS Latinoamérica.
De acuerdo con el especialista, el problema se ha complejizado debido a la evolución de los canales digitales y la creciente demanda de inmediatez por parte de los usuarios. Hoy, añadió, los clientes esperan transferencias y apertura de cuentas inmediatas, y operaciones sin fricción, esto reduce las ventanas de tiempo para validar riesgos.
A esto se suma una limitación estructural en muchas instituciones debido a la fragmentación de la información. “Las entidades financieras siguen teniendo hilos de datos separados que no les permiten tener una visión integral del cliente. Eso les dificulta detectar patrones de comportamiento y tomar decisiones oportunas”, advirtió Rueda.
Para Rueda, esa falta de integración se convierte en un punto crítico en un entorno donde el fraude ya no es un evento aislado, sino un fenómeno sistemático y altamente organizado.
Del fraude artesanal a la industrialización digital
Uno de los cambios más relevantes en el panorama actual es la llamada “industrialización del fraude”, un concepto que describe cómo los delincuentes han comenzado a utilizar tecnologías avanzadas para escalar sus operaciones. Manuel Valadez, Customer Advisor de SAS Latinoamérica, explicó que la inteligencia artificial generativa ha reducido significativamente las barreras de entrada para los defraudadores. “Hoy, un equipo pequeño con conocimientos técnicos y una inversión relativamente baja puede ejecutar ataques a gran escala. Antes el fraude era más artesanal; ahora es industrial, automatizado y altamente coordinado”, señaló.
Entre los casos más representativos se encuentran los ataques con deepfakes, donde se utilizan modelos de IA para suplantar identidades en tiempo real. Estos esquemas permiten simular videollamadas, voces y comportamientos con un alto nivel de realismo, facilitando fraudes complejos. “Estamos viendo escenarios donde se recrean reuniones ejecutivas completas con identidades falsas para autorizar transferencias millonarias. Este tipo de fraude era impensable hace pocos años”, agregó Valadez.
El especialista también destacó el uso de técnicas como el spear phishing y el pig butchering, donde los atacantes construyen relaciones de confianza con las víctimas a lo largo del tiempo antes de ejecutar el fraude. Estos procesos, que antes requerían intervención humana intensiva, ahora pueden ser automatizados mediante agentes de IA.
Además, los delincuentes están aprovechando el acceso a información pública para entrenar modelos. A través de técnicas de open source intelligence (OSINT), recopilan datos de redes sociales, videos y contenido en línea para generar perfiles detallados de sus objetivos. “El entrenamiento de estos modelos puede hacerse en cuestión de días, utilizando datos abiertos. No es necesario vulnerar sistemas internos para construir ataques altamente efectivos”, explicó Valadez.
Este cambio ha generado un entorno donde el fraude no solo es más frecuente, sino también más difícil de detectar con métodos tradicionales.
IA para combatir a la IA
Frente a este panorama, la industria financiera está recurriendo a la misma tecnología que impulsa el fraude; es decir, la IA. Sin embargo, el enfoque ha evolucionado hacia modelos más integrados que combinan capacidades tradicionales con nuevas herramientas generativas. Robson Ohosaku, Security Intelligence Manager de SAS Américas, explicó que la clave no está en sustituir las tecnologías existentes, sino en complementarlas.
“La IA tradicional sigue siendo fundamental para identificar anomalías y patrones en las transacciones. Lo que aporta la IA generativa es una mejora en la eficiencia operacional y en la capacidad de análisis en tiempo real”, indicó Ohosaku. Añadió que este enfoque híbrido permite avanzar hacia sistemas más inteligentes, capaces de procesar grandes volúmenes de información, generar insights y automatizar decisiones en cuestión de milisegundos.
“El objetivo es mejorar la detección del fraude, reducir los falsos positivos y hacerlo sin afectar la experiencia del cliente. Es decir, lograr pagos seguros sin fricción”, afirmó Ohosaku.
Para el especialista, entre las aplicaciones más relevantes de la IA agéntica en este ámbito destacan:
- Sugerencia y optimización de reglas: la IA puede proponer nuevas reglas basadas en tendencias emergentes de fraude, ajustando parámetros en tiempo real.
- Priorización de alertas: los sistemas pueden identificar qué casos requieren atención inmediata, optimizando el trabajo de los equipos de investigación.
- Análisis automatizado de información: desde documentos hasta noticias y datos no estructurados, facilitando investigaciones más rápidas.
- Generación de datos sintéticos: una herramienta clave para entrenar modelos sin comprometer la privacidad de los datos reales.
Estas capacidades permiten a las instituciones pasar de un enfoque reactivo a uno proactivo, anticipando riesgos antes de que se materialicen.
Un cambio cultural, no solo tecnológico
A pesar de los avances, la implementación de estas soluciones no está exenta de desafíos. Según los especialistas, el principal obstáculo no es tecnológico, sino organizacional. “El mayor reto es incorporar la analítica como parte de la cultura de la empresa. El fraude evoluciona constantemente, por lo que los modelos y las estrategias deben adaptarse de forma continua”, señaló Ohosaku.
Esto implica no solo invertir en tecnología, sino también en talento, procesos y gobernanza de datos. La capacidad de interpretar resultados, ajustar modelos y tomar decisiones informadas sigue dependiendo del factor humano.
En paralelo, surgen preocupaciones relacionadas con la privacidad, la seguridad de los datos y la explicabilidad de los modelos. La IA generativa, aunque poderosa, puede presentar riesgos si no se implementa con controles adecuados.
Además, añadieron los especialistas de SAS, la convergencia entre IA tradicional, IA generativa y agentes inteligentes está marcando el inicio de una nueva etapa en la prevención del fraude. En este nuevo paradigma, la velocidad, la precisión y la integración de datos serán factores determinantes.
Para las instituciones financieras, concluyeron los expertos de SAS, el desafío será adoptar estas tecnologías de manera estratégica, asegurando que la innovación no comprometa la confianza del cliente.
