Cuando un usuario paga un café con el móvil o realiza una compra por internet, la autorización tarda apenas una fracción de segundo. En ese instante imperceptible, decenas de sistemas de Inteligencia Artificial han intercambiado información, evaluado patrones de comportamiento y analizado redes de transacciones simultáneas. Sin embargo, en el ecosistema bancario, responder rápido ya no es el verdadero desafío técnico: el gran reto de la ingeniería de datos es responder bien.
Así lo explica Arturo Peralta Martín-Palomino, profesor del Máster Universitario en Big Data y Data Science de la Universidad Internacional de Valencia (VIU), perteneciente a la red de educación superior Planeta Formación y Universidades. Peralta advierte que el margen para congelar una operación sospechosa ocurre en milésimas de segundo mientras la transacción se procesa, pero un sistema excesivamente rígido puede ser tan destructivo para un banco como el propio fraude.
“Si un algoritmo bloquea cualquier operación mínimamente inusual para reducir el fraude a cero, acabará bloqueando las compras legítimas de clientes que simplemente están viajando, comprando un billete de avión o haciendo un pago poco habitual. Y eso tiene un coste económico y reputacional enorme”, señala el experto de VIU.
Identificar lo invisible: la detección de ‘señales débiles’
Los ciberdelincuentes financieros han abandonado los métodos rudimentarios y emplean sofisticadas estrategias de dispersión y fragmentación de capitales. Ante este escenario, la Inteligencia Artificial no aprende a identificar «delincuentes» en abstracto, sino a construir modelos del comportamiento habitual de un cliente, cuenta o red de transacciones para detectar anomalías.
“Una operación individual, analizada de forma aislada, puede parecer completamente legítima. El problema aparece al observar el conjunto: pequeñas cantidades moviéndose entre múltiples cuentas que terminan concentrándose en un destino”, explica Arturo Peralta. “La IA es capaz de reconstruir esas secuencias y detectar ‘señales débiles’ o relaciones simultáneas que un auditor humano, por muy experto que sea, no podría mantener en su cabeza en tiempo real”.
No obstante, el experto desmonta el mito de la sustitución del factor humano. En un sector hiperregulado y crítico como la banca comercial, la IA actúa como un filtro que prioriza los casos de alto riesgo, pero la supervisión humana sigue siendo imprescindible para interpretar el contexto y evitar decisiones automatizadas arbitrarias.
Respuestas graduadas frente a decisiones binarias
Para no arruinar la experiencia del usuario, la ingeniería de datos ha dejado de aplicar un enfoque binario de “bloqueo sí o no”. Desde su labor docente en la asignatura Aplicación de la Ciencia de Datos a los Negocios en VIU, Peralta recalca la necesidad de calibrar los modelos para asignar niveles de riesgo proporcionales.
“Si el riesgo es medio, el sistema no bloquea la tarjeta; solicita una autenticación adicional, envía una notificación o exige una segunda comprobación. Un buen modelo no se evalúa solo por sus métricas técnicas de precisión, sino por su impacto económico real: cuánto cuesta el fraude no detectado frente a cuánto cuesta interrumpir la actividad de un cliente legítimo”, afirma.
El perfil híbrido y la gobernanza del algoritmo
En el paso del laboratorio al ecosistema hiperregulado de la banca, Peralta sostiene que el “último 10% del desarrollo suele consumir el 90% del esfuerzo”. Pasar de una demostración controlada a una solución mantenible, auditable y trazable requiere que los ingenieros entiendan la estrategia de negocio y los financieros comprendan las limitaciones de la IA.
Asimismo, el experto alerta sobre la carrera armamentística digital acelerada por la IA generativa, que permite a los ciberdelincuentes automatizar ataques de phishing o clonación de identidades con mayor credibilidad. “Estamos ante una tregua tecnológica constante. Sin embargo, la diferencia no la marcará solo el algoritmo más sofisticado, sino la calidad de los datos, la rapidez de respuesta y, sobre todo, la formación y cultura de seguridad del equipo humano”, concluye Peralta.
