Entrada Operativa 3 — Fraude de identidad y fraude sintético del Ciclo Operativo de Prevención e Investigación del Fraude en el Sector Financiero

 

Entrada Operativa 3 — Fraude de identidad y fraude sintético

Ciclo Operativo de Prevención e Investigación del Fraude en el Sector Financiero

1. Resumen ejecutivo del riesgo

El fraude de identidad y el fraude sintético representan uno de los riesgos operativos más críticos en financiación al consumo. Su peligrosidad radica en que comprometen el onboarding, engañan al scoring, contaminan la cartera desde el origen y pueden pasar meses sin ser detectados. La sofisticación actual —deepfakes, documentos manipulados digitalmente, identidades híbridas y sintéticas generadas con IA— exige controles robustos, trazabilidad y una gobernanza tecnológica madura. Si no se controla, el impacto incluye pérdidas directas, deterioro de modelos, sanciones regulatorias y riesgo reputacional.

2. Mapa del proceso afectado

El riesgo aparece en varias fases del ciclo de vida del cliente:

• Onboarding digital: verificación de identidad, biometría, OCR, análisis de metadatos y dispositivos.
• Originación: validación documental, coherencia de datos, scoring antifraude.
• Formalización: autenticación reforzada, firma digital, validación contractual.
• Uso inicial del producto: cash-out inmediato, patrones anómalos.
• Recobro: detección tardía de fraude sintético o de comportamiento.
• Puntos de venta: validaciones presenciales o digitales, incentivos comerciales, externalización.

Actores implicados: negocio, operaciones, comercios, agentes externos, riesgos, fraude, tecnología, auditoría interna y Compliance.

Sistemas relevantes: onboarding digital, biometría, OCR, motores de reglas, scoring, machine learning, análisis de dispositivos, CRM, core bancario.

3. Escenarios operativos típicos

• Identidad sintética madura: una identidad creada meses antes, con redes sociales y correo activo, supera el onboarding y obtiene crédito. Señales: dispositivo sin historial, metadatos incoherentes, dirección usada por múltiples identidades.
• Documento manipulado digitalmente: nómina o DNI alterado con herramientas avanzadas. Señales: artefactos en la imagen, metadatos borrados, incoherencias entre campos.
• Deepfake en verificación biométrica: vídeo convincente que supera controles básicos. Señales: parpadeo artificial, iluminación inconsistente, patrones repetidos.
• Colusión en punto de venta: comercio que facilita identidades falsas para cerrar operaciones. Señales: concentración de solicitudes aprobadas en un mismo comercio, patrones repetidos de datos.
• Bots automatizados: cientos de solicitudes desde dispositivos o IP similares. Señales: velocidad mecánica, patrones idénticos de navegación.
• Fraude híbrido: combinación de datos reales robados con elementos falsos. Señales: incoherencias entre fuentes externas y datos declarados.

La clave no es una señal aislada, sino la combinación de patrones que revelan inconsistencias.

4. Controles esperados

Primera línea

• Verificación documental avanzada: OCR, análisis de metadatos, validación cruzada con fuentes externas.
• Biometría robusta: detección de vida, análisis de microexpresiones, detección de deepfakes.
• Controles de coherencia: dirección, teléfono, empleo, ingresos, dispositivo.
• Validación en punto de venta: formación, supervisión, trazabilidad.
• Límites iniciales prudentes: escalado según comportamiento.
• Reglas antifraude actualizadas: detección de patrones básicos y emergentes.

Segunda línea

• Revisión de modelos antifraude: documentación, validación, explicabilidad.
• Supervisión de reglas: actualización periódica, análisis de falsos positivos.
• Evaluación de incentivos: evitar presión comercial que relaje controles.
• Trazabilidad documental: evidencias de cada control aplicado.
• Revisión de externalización: controles sobre comercios y agentes.
• Integración del riesgo de fraude en el mapa global de riesgos.

Supervisión continua de la eficacia de los controles frente a nuevas técnicas de suplantación.

5. Fallos estructurales más frecuentes

• Onboarding digital sin análisis de metadatos.
• Biometría sin detección de vida o sin protección contra deepfakes.
• Reglas obsoletas que no detectan patrones emergentes.
• Modelos sin gobernanza ni validación periódica.
• Incentivos comerciales que premian volumen sobre calidad.
• Externalización sin supervisión real.
• Falta de trazabilidad en puntos de venta.
• Controles manuales sin evidencia documental.

6. Indicadores clave (KPIs y KRIs)

• Ratio de solicitudes rechazadas por incoherencias documentales.
• Porcentaje de identidades detectadas como sintéticas tras impago.
• Tiempo medio entre solicitud y alerta antifraude.
• Número de dispositivos asociados a múltiples identidades.
• Concentración de fraude por comercio o agente.
• Degradación del modelo antifraude (AUC, precisión, recall).
• Ratio de falsos positivos en onboarding.
• Incidencias de trazabilidad documental.

7. Checklist de revisión operativa

• ¿Se analizan metadatos de documentos y fotografías?
• ¿La biometría incluye detección de vida y protección contra deepfakes?
• ¿Existen reglas específicas para fraude sintético?
• ¿Se supervisa la actividad de comercios y agentes?
• ¿Los modelos antifraude están documentados y validados?
• ¿Hay trazabilidad completa del onboarding?
• ¿Se revisan incentivos comerciales y su impacto en fraude?
• ¿Se monitoriza la concentración de solicitudes por dispositivo?
• ¿Se detectan patrones de automatización (bots, scripts)?

8. Recomendaciones de mejora

• Incorporar análisis de metadatos y detección de deepfakes.
• Reforzar controles en puntos de venta con formación y supervisión.
• Revisar incentivos comerciales para evitar presión indebida.
• Implementar modelos híbridos (reglas + ML + señales conductuales).
• Establecer un comité de gobernanza de modelos antifraude.
• Mejorar trazabilidad documental en onboarding y originación.
• Realizar pruebas de estrés con identidades sintéticas simuladas.
• Integrar señales de dispositivos y comportamiento en el scoring antifraude.

9. Riesgos emergentes asociados

• Deepfakes más sofisticados y accesibles.
• Automatización del fraude mediante bots y scripts.
• Identidades sintéticas generadas con IA.
• Ataques dirigidos a modelos de scoring.
• Nuevas vulnerabilidades en puntos de venta digitales.
• Regulación más estricta sobre decisiones automatizadas.

Estos riesgos anticipan la necesidad de una arquitectura antifraude más dinámica y basada en señales múltiples.

10. Documentación y evidencias necesarias

• Políticas de onboarding y verificación de identidad.
• Procedimientos de análisis documental y biométrico.
• Registros de controles aplicados en cada solicitud.
• Informes de validación de modelos antifraude.
• Actas de comités de riesgos y Compliance.
• Evidencias de formación en puntos de venta.
• Contratos y acuerdos con agentes externos.
• Trazabilidad de decisiones automatizadas.