El fraude interno se consolidó como una de las amenazas más dañinas para las instituciones financieras en América Latina. 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 la región alcanzaron, en promedio, los USD 200.000 por caso.
Del total de 108 casos documentados entre enero de 2024 y septiembre de 2025, 37 se registraron 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 estudio revela además que el 54% de estos fraudes fueron detectados gracias a denuncias o reportes realizados por los propios empleados, mientras que el 15% se descubrió 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 son suficientes para enfrentar un fraude cada vez más sofisticado.
El límite de los sistemas basados en reglas
Los sistemas tradicionales de detección funcionan a partir de reglas predefinidas. Si ocurre X, se genera una alerta. Si el monto supera Y, se genera otra.
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.
“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”, explicó Eduardo Álvarez, business development manager de Nubatech, empresa especializada en tecnologías de nueva generación para la seguridad digital.
Los casos recientes en la banca de la región muestran funcionarios que abren cuentas para blanquear dinero, filtran información confidencial de clientes, explotan vulnerabilidades de sistemas internos o eluden protocolos de autorización.
Además, estos sistemas tienen dificultades para escalar y abordar la creciente complejidad de las amenazas presentes en las múltiples aplicaciones y plataformas que utilizan las instituciones financieras.
Las grandes entidades bancarias reciben miles de alertas cada mes 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”, señaló Álvarez.
Cómo funciona la IA no supervisada
A diferencia de los sistemas convencionales, la inteligencia artificial no supervisada —tecnología que aprende patrones de comportamiento sin necesidad de ejemplos previos de fraude— no requiere reglas predefinidas para identificar comportamientos sospechosos.
Aprende automáticamente 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 identifica 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”, explicó el especialista de Nubatech.
El impacto: detección semanas antes y aceleración de investigaciones
El impacto de este tipo de tecnología es significativo para la banca. 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.
Además, 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”, destacó Álvarez.
