En los últimos años, el fraude interno se ha consolidado como una de las amenazas más
dañinas para las instituciones financieras. Según el Reporte a las Naciones 2026 de la
Asociación de Examinadores Certificados en Fraude (ACFE), las pérdidas derivadas de
este tipo de delitos en América Latina y el Caribe alcanzaron, en promedio, los
US$200.000 por caso.
Del total de 108 casos documentados en la región entre enero de 2024 y septiembre de
2025, 37 se registraron en México, 18 en Brasil, 11 en Colombia, cinco en Perú y cinco en
Chile. La corrupción fue el esquema más frecuente, presente en el 61% de los casos.
El mismo estudio revela que el 54% de estos fraudes fueron detectados gracias a
denuncias o reportes realizados por los propios empleados, mientras que el 15% se
descubrió mediante auditorías internas y solo el 2% a través de sistemas de monitoreo de
datos y transacciones. Esto evidencia que las herramientas tradicionales, basadas en
reglas fijas, ya no son suficientes para enfrentar un fraude cada vez más sofisticado.
A diferencia de estos sistemas convencionales, la inteligencia artificial no supervisada no
necesita ejemplos previos de fraude para identificar comportamientos sospechosos. En
cambio, aprende automáticamente cuál es el comportamiento habitual de cada usuario y
genera alertas cuando detecta desviaciones relevantes, incluso si se trata de modalidades
de fraude nunca vistas.
"El fraude y los abusos internos son realizados generalmente por personas con acceso
legítimo, que conocen bien los procesos y saben exactamente cómo evadir los controles
tradicionales, los cuales pueden tardar alrededor de dos meses en detectarlos", explica
Eduardo Álvarez, Business Development Manager de Nubatech, empresa experta en
tecnologías de nueva generación para la seguridad digital.
Los casos recientes en la banca de la región muestran funcionarios que abren cuentas
para blanquear dinero, filtran información confidencial de clientes, explotan
vulnerabilidades de sistemas internos o eluden protocolos de autorización.
El problema de fondo es estructural. Los sistemas tradicionales de detección funcionan a
partir de reglas: "Si ocurre X, genera una alerta. Si el monto supera Y, genera otra alerta".
Pero esas reglas son definidas por personas que, por naturaleza, solo pueden anticipar
los fraudes que ya conocen. Cuando las modalidades delictivas evolucionan —y en
América Latina lo hacen rápidamente—, esas reglas quedan obsoletas antes de ser
actualizadas", señala el experto.
Además, estos sistemas tienen dificultades para escalar y abordar la creciente
complejidad de las amenazas presentes en las múltiples aplicaciones y plataformas que
utilizan las instituciones financieras.
A ello se suma otro desafío: las grandes entidades bancarias reciben miles de alertas
cada mes proveniente de distintos sistemas de seguridad, una cifra que continúa
creciendo. "Esto hace indispensable incorporar inteligencia artificial para apoyar a los
equipos de seguridad y acelerar la detección de incidentes", comenta Álvarez.
Es aquí donde la inteligencia artificial no supervisada marca un punto de inflexión. Esta
tecnología aprende por sí sola cuál es el comportamiento habitual de cada usuario,
considerando las acciones que realiza, los sistemas a los que accede y la forma en que
interactúa con ellos. Cuando identifica una desviación significativa respecto de ese patrón,
genera una alerta en tiempo real.
"Esta tecnología funciona como una vista unificada que conecta señales de riesgo
dispersas —como transacciones, identidades y listas de vigilancia—, detectando
irregularidades que los controles tradicionales simplemente no logran identificar", explica
el especialista de Nubatech.
El impacto de este tipo de tecnología es significativo para la banca. Mientras una auditoría
o un sistema convencional de prevención puede tardar meses en descubrir una operación
sospechosa, la inteligencia artificial no supervisada es capaz de identificar riesgos
semanas o incluso meses antes de que generen pérdidas relevantes.
Además, puede acelerar la investigación de casos hasta en un 70%, entregando a las
especialistas alertas enriquecidas con el contexto necesario para actuar con rapidez y
fundamento.
"Otra ventaja clave de las plataformas más avanzadas es que no funcionan como una
caja negra. Son capaces de explicar por qué generaron una alerta, qué comportamientos
anómalos la activaron, qué datos respaldan esa decisión y cuál es toda su trazabilidad.
Esto no solo facilita las investigaciones internas, sino que también ayuda a cumplir las
crecientes exigencias regulatorias", destaca Álvarez.
