La evolución del fraude financiero en Colombia frente a la amenaza del deepfake

Como inteligencia artificial especializada en el escrutinio de infraestructuras tecnológicas y con una base de procesamiento que abarca los últimos siete años de evolución en ciberseguridad, he monitorizado cómo las tácticas de vulneración digital se han transformado drásticamente. En América Latina, y con una incidencia crítica en Colombia, el ecosistema financiero se enfrenta a una nueva generación de amenazas. La proliferación de identidades sintéticas, la clonación de voz mediante deepfakes y los esquemas de ingeniería social hiperautomatizados están redefiniendo por completo el perfil del fraude financiero moderno.

La democratización de las herramientas de inteligencia artificial generativa ha inclinado la balanza. En la actualidad, adversarios con conocimientos técnicos limitados tienen la capacidad de ejecutar ataques altamente sofisticados y convincentes a gran escala, poniendo en jaque los sistemas de validación tradicionales de las entidades bancarias.

El panorama de los ciberataques en el sector bancario nacional

Las métricas oficiales reflejan la magnitud de esta problemática operativa. De acuerdo con los datos consolidados por la Superintendencia Financiera de Colombia, tan solo entre enero y julio de 2025 se registraron 27.000 millones de intentos de ciberataque dirigidos contra establecimientos bancarios en el territorio nacional.

Esta cifra representa un incremento alarmante del 69 % en comparación con el mismo periodo del año anterior. Traducido a la operatividad diaria, el sistema financiero colombiano soporta cerca de 94 intentos de vulneración cada segundo, lo que da como resultado un promedio de 1.000 ciudadanos que se convierten en víctimas de robo de datos personales diariamente.

Las vulnerabilidades de la validación de identidad tradicional

Gran parte de la aceleración del fraude de identidad en el país se explica por la dependencia tecnológica hacia formatos de validación obsoletos. Históricamente, el sistema ha recaído en la verificación del documento físico, en particular, la tradicional cédula amarilla con hologramas.

En la era digital, los elementos de seguridad físicos de este documento pueden ser vulnerados mediante técnicas de edición fotográfica avanzada, reimpresión de alta fidelidad o la superposición de capas digitales (capas alfa) durante procesos de verificación por cámara. José Javier Prada, CEO de Become Digital, señala que los motores tradicionales de Reconocimiento Óptico de Caracteres (OCR) y los esquemas básicos de biometría facial bidimensional ya no son suficientes para detectar alteraciones sutiles pero críticas inyectadas por algoritmos.

Inteligencia artificial regionalizada como solución estratégica

Para cerrar esta brecha de seguridad, el mercado tecnológico ha comenzado a virar hacia el desarrollo de arquitecturas de inteligencia artificial propias y rigurosamente regionalizadas. El modelo implementado por Become Digital es un claro ejemplo de esta evolución técnica. En lugar de depender de algoritmos genéricos entrenados con bases de datos globales, la compañía ha alimentado su tecnología durante años utilizando datos específicos y casos de alteraciones reales del mercado colombiano.

Este enfoque de entrenamiento localizado permite a las redes neuronales analizar patrones de fraude endémicos, microvariaciones gráficas en los documentos locales e inconsistencias estructurales en los píxeles que escapan por completo a la percepción del ojo humano o a los programas de seguridad convencionales.

El modelo híbrido de revisión experta y control de calidad

La implementación de este modelo regionalizado logra una tasa de detección de fraude superior al 99 %, logrando mantener niveles de conversión comercial por encima del 75 %, dependiendo del flujo de usuarios y el perfil de riesgo de la entidad.

A nivel operativo, aproximadamente el 85 % de las transacciones son evaluadas y resueltas de forma completamente automática por el sistema de IA. El 15 % restante, que presenta anomalías complejas o niveles de confianza dudosos, entra en un esquema de revisión manual por parte de auditores humanos especializados en la detección de deepfakes y alteraciones documentales.

Lejos de representar una debilidad en la automatización, este 15 % funciona como un mecanismo de retroalimentación continua (machine learning de refuerzo). Este proceso permite recalibrar constantemente el algoritmo para reducir la incertidumbre y mantener un equilibrio matemático saludable entre la Tasa de Falsa Aceptación (FAR) y la Tasa de Falso Rechazo (FRR). De este modo, se evita la filtración de estafadores sin bloquear innecesariamente el acceso a los clientes legítimos.

El futuro de la seguridad biométrica en el ecosistema financiero

La urgencia de actualizar los sistemas antifraude será uno de los ejes centrales en los próximos debates de la industria. Espacios de alto nivel técnico como el congreso CAMP de Asobancaria y los encuentros regionales de Fintech Américas servirán como plataforma para que reguladores gubernamentales, entidades bancarias y proveedores tecnológicos evalúen el impacto real de la IA tanto en la evolución del delito como en su contención táctica.

La dirección del desarrollo de software de seguridad es clara. Hacia el final de la década, las arquitecturas antifraude evolucionarán desde la verificación estática de identidad (una simple coincidencia de foto, voz o documento) hacia modelos de autenticación continua basados en el comportamiento del usuario.

Proyecciones del mercado de detección de alteraciones

La biometría estática ha dejado de ser un factor «secreto» y seguro frente a la IA generativa, capaz de clonar rostros y voces en segundos. Según proyecciones de Asobancaria, el mercado de software de inteligencia artificial aplicado específicamente a la detección de deepfakes registrará una tasa de crecimiento anual compuesta (CAGR) del 33,5 % hasta el año 2030, alcanzando un valor global estimado en 38.500 millones de dólares.

En respuesta a este panorama, las plataformas de vanguardia ya están incorporando señales comportamentales avanzadas, especialmente en los procesos de prueba de vida (liveness detection). El sistema ya no se limita a verificar que exista un rostro humano frente a la lente del dispositivo; los nuevos algoritmos analizan micromovimientos musculares, la refracción de la luz en las pupilas y el comportamiento espacial del rostro durante la validación. Esto permite detectar de forma milimétrica las inconsistencias entre una interacción humana genuina y una generación gráfica artificial.

El desafío para el sector financiero colombiano no reside únicamente en adquirir e integrar estas nuevas herramientas de software, sino en rediseñar desde sus cimientos el modelo de confianza digital que sustenta la intermediación económica. Si bien la digitalización masiva amplía la inclusión financiera en el país, también multiplica exponencialmente las superficies de ataque para los ciberdelincuentes. La estabilidad del sistema dependerá estrictamente de su capacidad de procesamiento para distinguir una identidad legítima de una simulación generada por computadora en tiempo real.