Carlos Santa Cruz, fundador y CTO de Lynx. Foto: Lynx. Portal ERP LATAM.
La constante evolución de los delitos financieros está redefiniendo las estrategias de seguridad digital. Desde el robo y la clonación de tarjetas hasta los ataques basados en ingeniería social e inteligencia artificial, el panorama actual del fraude exige nuevos enfoques de defensa. En este contexto, Lynx explica cómo la identidad se ha convertido en un factor clave para garantizar la protección de las instituciones financieras y de los usuarios.
Ya no es posible reconocer a un cliente únicamente mediante una contraseña o tarjeta; es necesario integrar múltiples capas de identificación. La identidad biológica, que involucra características únicas como huellas dactilares, iris o reconocimiento facial, convive hoy con la identidad digital, definida por el uso de dispositivos, la biometría comportamental y los patrones de navegación, así como con la identidad financiera, basada en el historial y las características de las transacciones.
“Hoy en día todo gira en torno a las personas y su relación con la tecnología. Por lo tanto, las estafas que involucran identidades requieren respuestas más rápidas, dinámicas e inteligentes”, afirma Carlos Santa Cruz, fundador y CTO de Lynx.
Actualmente, la mayoría de los sistemas de detección de fraude se estructuran a partir de modelos de reglas, que analizan comportamientos y aplican criterios definidos manualmente; modelos de consorcio, construidos a partir de grandes bases de datos compartidas entre instituciones financieras; y modelos estáticos, basados en reglas fijas y datos históricos de fraude.
Te puede interesar: El 20 % de los sistemas industriales en LATAM sufrió intentos de ciberataque
Si bien son importantes, estos enfoques presentan limitaciones innegables, como la dependencia de actualizaciones manuales y poco frecuentes, los altos costos operativos y la dificultad para mantenerse al día con la rapidez con la que los estafadores cambian sus tácticas. A ello se suman riesgos de inestabilidad durante los procesos de actualización, lo que genera vulnerabilidades y fricciones para los clientes legítimos.
“El comportamiento del cliente cambia de acuerdo con las tendencias tecnológicas, creando nuevos estándares de manera continua. Además, los estafadores aprenden de las transacciones rechazadas y modifican sus tácticas en respuesta a las barreras de los sistemas de detección, lo que incrementa la complejidad de los ataques. Por lo tanto, el gran desafío para las instituciones financieras es construir capas de defensa que combinen reglas, inteligencia artificial y gobernanza capaces de mantenerse al día con estas transformaciones”, resalta Santa Cruz.
Los modelos dinámicos representan un cambio de paradigma en la lucha contra el fraude financiero. A diferencia del enfoque tradicional, estos modelos basados en IA y machine learning se actualizan de forma automática y continua, adaptándose en tiempo real a nuevos patrones de comportamiento y reduciendo la necesidad de intervención humana. Esto elimina gran parte del riesgo operativo asociado al reentrenamiento manual y aumenta la eficacia en el bloqueo de transacciones sospechosas.
La transición hacia modelos dinámicos también demanda nuevos mecanismos de gobernanza. Las actualizaciones diarias y automáticas requieren un monitoreo constante, estabilidad en los procesos de aprendizaje y un control estricto de la distribución de riesgos, sin comprometer la efectividad del sistema.
“Al implementar estos nuevos modelos, levantamos barreras altamente adaptativas que restringen drásticamente el alcance de los estafadores, protegiendo las identidades de los usuarios y restableciendo la confianza en el ecosistema financiero”, concluye el ejecutivo de Lynx.
