El fraude con inteligencia artificial está aumentando su velocidad, escala y capacidad de adaptación, al punto de que puede ser 4,5 veces más rentable que los métodos tradicionales, según una advertencia citada por expertos del sector. La evolución representa un desafío para bancos, fintechs, medios de pago, comercios electrónicos y otras organizaciones digitales.
Carlos Ayalde, CEO de GatekeeperX, explicó que los atacantes pueden automatizar tareas que antes requerían intervención humana, administrar múltiples identidades, probar estrategias y cambiar rápidamente su comportamiento. Por esa razón, sostuvo que la prevención enfrenta una disputa entre sistemas de inteligencia artificial utilizados para atacar y herramientas capaces de responder en tiempo real.
Más ataques y operaciones distribuidas
La transformación no depende únicamente de la IA. También intervienen granjas de dispositivos, emuladores y herramientas de automatización que distribuyen grandes volúmenes de actividad entre distintas cuentas y equipos, lo que dificulta identificar cuándo varias operaciones hacen parte de una misma estructura.
Los agentes de IA pueden integrarse con otros sistemas, ejecutar secuencias de tareas, analizar el resultado de cada paso y utilizar esa información para orientar las acciones siguientes. De esta manera, los ataques pueden ajustarse mientras están en marcha.
Para las organizaciones, esto cambia la forma de evaluar el riesgo. Una cuenta puede contener datos válidos, un dispositivo puede no mostrar una señal crítica y una transacción puede parecer normal de manera aislada. Sin embargo, la relación entre cuentas, dispositivos, comportamientos y transacciones puede revelar una operación coordinada.
La prevención debe analizar el contexto
Entre los principales cambios se encuentran la ejecución simultánea de ataques masivos, la capacidad de los agentes para modificar sus acciones y el uso de múltiples identidades y dispositivos. En este escenario, analizar únicamente una cuenta o una transacción puede ofrecer una visión incompleta del riesgo.
La detección debe combinar información sobre identidad, comportamiento, dispositivos, cuentas y transacciones. También requiere herramientas de aprendizaje automático, identificación de anomalías, inteligencia de dispositivos y análisis de conexiones para respaldar decisiones en tiempo real.
GatekeeperX señaló que esta evolución no implica reemplazar a los equipos especializados en fraude. La tecnología puede ampliar su capacidad para procesar grandes volúmenes de información, encontrar relaciones difíciles de detectar manualmente y priorizar los casos que requieren investigación o intervención humana.
El objetivo es pasar de modelos centrados en eventos individuales a esquemas que integren distintas señales y fuentes de información. Así, las organizaciones pueden identificar anomalías de manera temprana y convertirlas en decisiones oportunas de prevención.