La IA está ayudando a los bancos a ahorrar millones al transformar la prevención del fraude en los pagos

• En promedio, las organizaciones perdieron $60 millones a nivel mundial debido al fraude en pagos en un año, según una investigación de 2025 de Mastercard. 
• Las estafas por suplantación de identidad están aumentando rápidamente, impulsadas por la IA generativa (IA gen) y resultando en fraude.
• Las herramientas de IA que utilizan datos y tendencias en tiempo real pueden ayudar a detener el fraude antes de que ocurra — y reducir las pérdidas.
• El 83 % de los líderes de la industria afirma que la IA ha reducido los falsos positivos y la rotación, marcando una nueva era en la prevención del fraude.

La expansión de las redes de pago en tiempo real ha creado nuevas oportunidades para el fraude. De hecho, el impacto financiero global estimado del fraude creció a más de $485 mil millones en 2024, una cifra asombrosa que se espera que aumente en los próximos años. 

Las transacciones se procesan en segundos, lo que reduce la ventana para la detección y la desviación. Mientras tanto, los delincuentes diseñan ataques que mueven dinero rápidamente a través de múltiples cuentas antes de ser atrapados.

Esos estafadores utilizan IA generativa para ejecutar estafas de ingeniería social y organizar transacciones rápidas con mayor precisión. Según un informe de Deloitte, la IA generativa podría impulsar 40 000 millones de dólares en pérdidas por fraude en EE. UU. para 2027, más del triple de los 12 300 millones de dólares observados en 2023. Al automatizar el flujo de fondos entre cuentas en diferentes instituciones, los estafadores pueden ocultar el rastro y complicar la recuperación.

Pero los bancos también están intensificando sus esfuerzos: utilizando la IA para contraatacar más rápido. En el pasado, los equipos de prevención de fraude establecían reglas manuales para decidir qué transacciones aprobar o bloquear. Ahora, la IA puede analizar datos para detectar patrones inusuales y tomar decisiones de autorización más inteligentes en tiempo real. 

Este cambio ya está dando sus frutos. El informe de prevención de fraude en pagos de 2025 de Mastercard, elaborado en asociación con Financial Times Longitude, reveló que el 42 % de los emisores y el 26 % de los adquirentes han ahorrado más de $5 millones en intentos de fraude durante los últimos dos años gracias a la IA. Pero para aprovechar al máximo la IA en la prevención del fraude, las organizaciones necesitan datos de alta calidad que alimenten los modelos para tomar mejores decisiones de riesgo.

La investigación de Mastercard reveló que las organizaciones perdieron un promedio de $60 millones debido al fraude en los pagos durante el último año. Y a medida que la IA ayuda a los estafadores a crear estafas más convincentes, se espera que esas pérdidas sigan aumentando:

• Los delincuentes aprovechan la IA para analizar grandes volúmenes de datos disponibles públicamente y crear estafas altamente dirigidas.
  
• Con herramientas de IA generativa asequibles, los estafadores pueden crear mensajes de phishing convincentes, clones de voz sintéticos y videos deepfake a gran escala, lo que facilita manipular a las víctimas para que aprueben transacciones fraudulentas.

Al mismo tiempo, a medida que los pagos en tiempo real ganan popularidad, las instituciones financieras tienen solo una ventana corta para identificar y bloquear intentos de fraude impulsados por IA. Es por eso que los líderes de la industria de pagos vigilan de cerca una variedad de riesgos de fraude:

• Los líderes consideran que el fraude de identidad sintética (61 %), las estafas por suplantación de identidad (60 %) y el fraude transfronterizo (54 %) son las amenazas de más rápido crecimiento durante el próximo año. El fraude de identidad sintética, que implica combinar información personal robada con detalles fabricados para crear una identidad falsa, está aumentando a medida que los estafadores utilizan la IA para examinar conjuntos de datos masivos y crear perfiles más convincentes.
• Otros riesgos crecientes incluyen el fraude en el comercio electrónico (47 %), el abuso de «Compra ahora, paga después» (BNPL, por sus siglas en inglés) (42 %) y los deepfakes (21 %). Las preocupaciones sobre el fraude en el comercio electrónico y el abuso de BNPL, cuando los actores malintencionados crean cuentas o realizan transacciones de BNPL no autorizadas, subrayan la necesidad de protecciones al cliente más sólidas en todo el panorama de los pagos digitales.

El 90 % de los líderes en pagos espera mayores pérdidas financieras en los próximos tres años si no aumentan su uso de IA en la prevención del fraude. 

Afortunadamente, existen varias formas de aplicar la IA para la prevención del fraude, desde el análisis de patrones de transacciones hasta la reducción de revisiones manuales. Muchas instituciones ya están generando un alto retorno de inversión (ROI) como resultado:

• El 85 % de los encuestados informa haber visto retornos por el uso de IA para la clasificación e investigación de casos de fraude, el reconocimiento de patrones de transacciones y la detección en tiempo real de transacciones sospechosas.
• El 83 % afirma que la IA ha acelerado significativamente su proceso de investigación de fraude y resolución de casos.

​​​Aun así, es importante recordar que la inversión sostenida conduce a las mayores ganancias. Las organizaciones que han utilizado IA durante más de cinco años informan un ahorro de $4,3 millones en ingresos perdidos, casi el doble del ahorro promedio de $2,2 millones. 

Simultáneamente, los líderes saben que mantener la IA actualizada a medida que evolucionan las tácticas de fraude es un obstáculo importante. Para defenderse contra amenazas nuevas y emergentes, las herramientas de IA necesitan aprender y adaptarse en tiempo real. 

Con herramientas de IA que incorporan datos casi en tiempo real y perspectivas contextuales, las organizaciones pueden tomar decisiones de autorización más eficientes para aumentar las tasas de aprobación y mantener a los clientes satisfechos.

El problema: históricamente, los bancos han utilizado sistemas basados en reglas para aprobar o bloquear transacciones. Por ejemplo, un banco puede establecer una regla para marcar compras por encima de cierto monto en dólares o denegar transacciones que se originen en ubicaciones inusuales. Pero aquí está el problema: los procesos rígidos y manuales pueden ralentizar la detección de fraudes, especialmente a medida que las estafas se vuelven más rápidas y complejas.

La solución: las soluciones de IA pueden superar fácilmente esa limitación, analizando millones de puntos de datos para evaluar rápidamente el riesgo de las transacciones y ofrecer información en tiempo real. Esto significa que los bancos pueden detectar las amenazas emergentes a medida que se desarrollan y tomar decisiones informadas rápidamente, minimizando el retraso en la detección.

No es de extrañar que el 80 % de las organizaciones informaran que la IA ayudó a eliminar las revisiones manuales innecesarias. La solución Decision Intelligence Pro (DI Pro) de Mastercard ayuda exactamente con eso: proporciona puntuación de riesgo e información casi en tiempo real durante la autorización. Los bancos no necesitan esperar ni investigar más tarde: pueden decidir al instante si aprueban o rechazan. 

El problema: Debido a que las reglas de autorización estáticas carecen de matices, a menudo resultan en falsos positivos, es decir, cuando las transacciones legítimas se identifican incorrectamente como fraudulentas y se rechazan o se marcan para su revisión. Más allá de crear trabajo adicional para los equipos internos, esto también perjudica la experiencia del cliente. 

La solución: los modelos avanzados de IA pueden analizar diversos puntos de datos para evaluar el riesgo de fraude con precisión. Por ejemplo, si un cliente que compra regularmente ropa de gama media compra repentinamente varios artículos de moda de lujo durante una venta de temporada, los modelos avanzados de IA pueden analizar factores como el comportamiento histórico de compra, la credibilidad del Comercio y el momento para determinar si este aumento en el gasto es un comportamiento legítimo.

Esta información contextual impulsa decisiones de autorización más precisas que previenen el fraude sin aumentar la fricción para los clientes. De hecho, el 83 % de los encuestados informa que la IA ha reducido significativamente los falsos positivos y las tasas de abandono de clientes en el último año. 

El problema: aunque la IA puede apoyar la detección de fraude en tiempo real, requiere datos de alta calidad para seguir siendo efectiva. Los líderes entienden esta demanda, con el 64 % de los encuestados afirmando que necesitan acelerar el acceso a fuentes de datos nuevas y creíbles para seguir el ritmo de las amenazas en evolución.

La solución: Los modelos eficaces de detección de fraude mediante IA integran aportaciones de todo el ecosistema de pagos, incluida la inteligencia de la red de tarjetas, los datos de los comercios y la información de la identidad digital de los consumidores. 

Por ejemplo, una herramienta de IA podría evaluar el riesgo de un comercio basándose en las tasas históricas de fraude, al tiempo que analiza el recuento de velocidad de un cliente, que rastrea la frecuencia con la que ocurren acciones como compras o cambios de cuenta dentro de un período corto.

Utilizando IA avanzada y el algoritmo de Inteligencia Conectada de Usuario y Comercio (MUCI) de Mastercard, DI Pro conecta patrones entre usuarios, comercios y transacciones para proporcionar contexto, no solo una puntuación.

En el futuro, el éxito de las organizaciones con la detección de fraudes mediante IA dependerá de dos factores: la capacidad de un modelo para analizar grandes volúmenes de datos y su habilidad para combinar patrones históricos e información reciente para ayudar en la toma de decisiones.

La IA generativa está cambiando el panorama del fraude. Los estafadores son más rápidos y adaptables con la IA, y las instituciones financieras también deben serlo.

La solución Decision Intelligence de Mastercard utiliza IA y conocimientos basados en la red para analizar y calificar las transacciones según el nivel de riesgo. Con conocimientos enriquecidos sobre transacciones en tiempo casi real, puedes tomar decisiones de autorización con confianza, aprobar más transacciones genuinas y proteger los ingresos a medida que las tácticas de fraude continúan evolucionando. 

¿Estás listo para transformar tus defensas contra el fraude con IA? Descubre cómo puede ayudarte Mastercard o lee nuestro informe para conocer todas las conclusiones de la encuesta.