Una llamada que parece provenir del banco, un mensaje que solicita confirmar una transferencia o una voz que imita a alguien de confianza pueden ser suficientes para poner en marcha una estafa. El fraude financiero está evolucionando: ya no depende únicamente de vulnerar sistemas tecnológicos, sino también de manipular decisiones humanas, en muchos casos una transferencia no es el inicio del ataque, sino su último paso visible. El fraude empieza antes: cuando alguien consigue manipular la confianza, imitar una identidad, alterar el contexto o inducir una decisión. Y en un entorno donde el dinero puede transferirse en segundos, anticipar esas situaciones se ha convertido en uno de los principales desafíos para la banca.
Colombia tiene razones para prestar especial atención a esta transformación. Bre-B, el sistema de pagos inmediatos del Banco de la República, acaba de cumplir su primer año con más de 36 millones de usuarios registrados y más de 1.700 millones de transacciones realizadas. Este avance representa una oportunidad para profundizar la inclusión financiera, facilitar las operaciones cotidianas y conectar a millones de personas y comercios. Al mismo tiempo, plantea nuevas exigencias para proteger cada interacción.
De hecho, las modalidades de engaño ya están aprovechando la familiaridad de los ciudadanos con los pagos digitales. Durante 2026, las autoridades colombianas alertaron sobre mensajes de texto que suplantaban a Bre-B y solicitaban ingresar a enlaces fraudulentos para confirmar supuestas transferencias. El objetivo era obtener información sensible de los usuarios. Este ejemplo demuestra que el riesgo puede comenzar mucho antes de que una operación llegue a los sistemas de validación de una entidad financiera.
A ello se suma una transformación más amplia. Según el Anti-Fraud Technology Benchmarking Report 2026, desarrollado por SAS y la Association of Certified Fraud Examiners (ACFE), el 77% de los profesionales antifraude encuestados reportó un aumento de las modalidades de ingeniería social mediante deepfakes durante los últimos dos años. Sin embargo, apenas el 7% consideró que su organización estaba más que moderadamente preparada para detectar o prevenir fraudes impulsados por inteligencia artificial. El desafío, además, va más allá de hacer más convincente el engaño: la IA también puede utilizarse para suplantar identidades, falsificar documentos o intentar vulnerar mecanismos de autenticación.
Aunque estos resultados corresponden a una investigación global que abarca diferentes industrias, ofrecen una señal relevante para el sistema financiero: las herramientas que están transformando la productividad también pueden utilizarse para hacer más convincentes, personalizadas y difíciles de identificar las estrategias de engaño.
Ante esta realidad, la seguridad bancaria debe evolucionar en cuatro direcciones:
La primera consiste en entender el comportamiento, no solamente verificar la transacción. Históricamente, buena parte de la detección del fraude se ha apoyado en reglas asociadas a montos, ubicaciones, horarios o frecuencia de las operaciones. Estos controles siguen siendo necesarios, pero la analítica avanzada permite incorporar señales adicionales: cambios inusuales en los hábitos de un cliente, dispositivos desconocidos, nuevos destinatarios o relaciones sospechosas entre cuentas. El Anti-Fraud Technology Benchmarking Report 2026 señala que el 54% de los encuestados ya combina datos internos y externos, pero solo el 34% utiliza datos internos no estructurados, Esto muestra que todavía existe espacio para ampliar las señales incorporadas al análisis y trasladar progresivamente la pregunta desde “¿esta transferencia parece fraudulenta?” hacia “¿el comportamiento que conduce a esta transferencia es consistente con este cliente?”.
La diferencia está en analizar las señales en conjunto. Una transferencia de alto valor no necesariamente es fraudulenta, así como una operación pequeña puede formar parte de un patrón de engaño. Los modelos de inteligencia artificial y aprendizaje automático permiten identificar anomalías, analizar relaciones y asignar niveles de riesgo con mayor precisión, para que las entidades concentren sus controles donde realmente se necesitan.
La segunda dirección es llevar la prevención a la misma velocidad de los pagos. En sistemas inmediatos, detectar una operación sospechosa cuando el dinero ya salió puede limitar considerablemente las posibilidades de intervención. Por eso, la analítica en tiempo real adquiere un valor estratégico: permite evaluar señales de riesgo durante la operación y determinar cuándo es necesario solicitar una validación adicional, activar una alerta o remitir el caso a revisión.
Sin embargo, proteger no debería significar dificultar innecesariamente la experiencia del usuario. Una estrategia que bloquee indiscriminadamente las transacciones puede generar fricciones, afectar la confianza y limitar los beneficios de la digitalización. El desafío está en combinar modelos predictivos, reglas de negocio y conocimiento del comportamiento del cliente para fortalecer la seguridad sin convertir cada pago en un proceso complejo.
La tercera dirección es construir una visión compartida del riesgo. Las personas utilizan bancos, billeteras digitales, comercios electrónicos y diferentes canales para relacionarse con el sistema financiero. Los delincuentes, por su parte, pueden aprovechar esa diversidad para distribuir sus actividades entre plataformas y entidades.
En ese escenario, la prevención exige integrar mejor la información disponible, fortalecer los mecanismos de colaboración entre actores del ecosistema y desarrollar modelos capaces de reconocer patrones que no siempre son evidentes al analizar una transacción de manera aislada. Esta colaboración puede ampliar significativamente el campo de observación. El mismo estudio de SAS y ACFE muestra que el 28% de las organizaciones encuestadas participa actualmente en consorcios de intercambio de datos para combatir el fraude y otro 23% estaría dispuesto a hacerlo. Entre quienes participan, el 77% señala haber obtenido beneficios moderados o significativos. El reto consiste en aprovechar esa inteligencia colectiva sin comprometer la privacidad ni el cumplimiento regulatorio.
La cuarta dirección es gobernar la inteligencia artificial con la misma rigurosidad con la que se gobierna el riesgo. A medida que la inteligencia artificial adquiere un papel más relevante en la prevención del fraude, el desafío no consiste únicamente en utilizar modelos más sofisticados, sino en garantizar que sus decisiones sean confiables, explicables y auditables. El Anti-Fraud Technology Benchmarking Report 2026 muestra la magnitud de esta brecha: el 82% de los encuestados considera importante la explicabilidad o auditabilidad al adoptar inteligencia artificial generativa, pero apenas el 6% afirma sentirse completamente seguro de poder explicar cómo los modelos de IA y aprendizaje automático toman decisiones antifraude. De manera similar, aunque el 75% considera relevante el riesgo de sesgo o falta de equidad, solo el 18% de las organizaciones evalúa sus modelos específicamente frente a este tipo de riesgos.
Esta necesidad será aún mayor a medida que los sistemas evolucionen desde modelos que generan alertas hacia soluciones capaces de priorizar casos, coordinar investigaciones o ejecutar acciones dentro de límites previamente establecidos. En ese escenario, la gobernanza no puede limitarse a una revisión posterior al despliegue: debe incluir validación continua, monitoreo de cambios en el comportamiento de los modelos, trazabilidad de datos y decisiones, límites claros de actuación y puntos definidos de intervención humana (human in the loop).
En definitiva, utilizar inteligencia artificial para combatir el fraude implica una doble responsabilidad: aprovechar su capacidad para detectar riesgos con mayor rapidez y precisión, pero al mismo tiempo garantizar que la propia tecnología pueda ser comprendida, supervisada y cuestionada. En servicios financieros, donde una decisión automatizada puede afectar directamente a un cliente, la confianza no depende únicamente de que un modelo acierte, sino también de que la entidad pueda explicar por qué tomó una decisión y demostrar que esa decisión estuvo sometida a controles adecuados.
El avance de la banca digital representa una de las oportunidades más importantes para ampliar el acceso y mejorar la experiencia financiera de millones de colombianos. Proteger ese progreso exige evolucionar desde una seguridad predominantemente reactiva hacia una prevención cada vez más predictiva y contextual: capaz de reconocer señales antes de la transacción, actuar durante ella y aprender de patrones que trascienden una operación o una entidad.
En una banca cada vez más inmediata, la próxima ventaja competitiva no estará únicamente en mover el dinero más rápido. Estará en detectar antes, decidir mejor y explicar por qué; en proteger al usuario sin añadir barreras innecesarias y en hacer que la confianza avance al mismo ritmo que la innovación financiera. Porque si el fraude puede empezar antes de que el dinero se mueva, la prevención también debe hacerlo.