La IA no supervisada permite optimizar la lucha contra una de las amenazas más dañinas para las instituciones financieras: el fraude interno. 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.
Entre enero de 2024 y septiembre de 2025 se documentaron 108 casos en la región, 37 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 indica que el 54% de estos fraudes fueron descubiertos gracias a denuncias o reportes realizados por los propios empleados, mientras que el 15% se detectó 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 bastan para enfrentar una estafa cada vez más sofisticada.
A diferencia de los sistemas convencionales, la IA no supervisada no requiere de ejemplos previos de fraude para identificar comportamientos sospechosos, pues aprende automáticamente cuál es el comportamiento habitual de cada usuario y genera alertas cuando detecta desviaciones relevantes, aun 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.
Casos regionales crecientes en la banca 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 operan según 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, a estos sistemas se les dificulta escalar y abordar la creciente complejidad de las amenazas presentes en las múltiples aplicaciones y plataformas que las instituciones financieras emplean.
A ello hay que añadir otro desafío: las grandes entidades bancarias reciben miles de alertas mensuales provenientes 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”, sostiene Álvarez.
Es por ello que la IA 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 reconoce 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.
Para la banca, el impacto de este tipo de tecnología es significativo. 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.
También puede acelerar la investigación de casos hasta en un 70%, entregando a los 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”, concluye Álvarez.
