¿Es real o es inteligencia artificial? A esta pregunta se enfrentan muchas instituciones y empresas al interactuar con identidades en el mundo digital. Los sistemas tradicionales de verificación de identidad se ven rebasados ante las capacidades de la inteligencia artificial generativa.
Durante años, los sistemas de verificación digital se desarrollaron bajo una premisa relativamente simple: que la identidad presentada pertenecía a una persona real. Sin embargo, la inteligencia artificial ha modificado esa condición.
Hoy no solo es factible falsificar documentos o fotografías, sino también simular comportamientos humanos completos en entornos digitales, desde videollamadas hasta procesos automatizados de registro. Hasta hace pocos años, los mecanismos de verificación no enfrentaban este nivel de sofisticación y velocidad.
Este desafío es especialmente relevante para instituciones financieras y plataformas digitales que avanzan rápidamente en sus procesos de digitalización. Un ejemplo reciente ayuda a dimensionar el panorama: a principios de marzo se publicaron los resultados de “FinFacts 2026”, un análisis de Google Cloud que evaluó procesos de apertura de cuentas en servicios financieros de Hispanoamérica.
Entre los 20 bancos tradicionales y Fintech considerados, 15 superaron la prueba de reconocimiento facial, pero uno abrió una cuenta sin que el sistema reportara inconsistencias ni posibles señales de fraude. En otras cuatro instituciones, el proceso no incluyó reconocimiento facial directamente.
Para quienes trabajamos en tecnologías de verificación de identidad, estos hallazgos nos confirman fallas puntuales, pero también una realidad que requiere atención inmediata: la verificación necesita formar parte de esquemas de inteligencia continua, donde cada intento de validación se analice dentro de una infraestructura que integre señales acumuladas a lo largo del tiempo.
Especialmente en un contexto donde los ciberataques en América Latina superan en 40% el promedio global, de acuerdo con el estudio “Ciberseguridad, habilitador de confianza y competitividad”, elaborado por Incode y Endeavor.
El cambio más relevante es conceptual: pasar de validar identidades a construir sistemas de confianza que evolucionan con cada interacción. Esto implica no solo confirmar quién es una persona en un momento determinado, sino entender la consistencia de su comportamiento, identificar reincidencias y detectar señales que, de forma aislada, pasarían desapercibidas.
Y es que cada interacción genera información. Cuando estos datos se ven por separado, su valor es limitado, pero cuando se integran en sistemas que permiten correlacionar señales a lo largo del tiempo, como la reutilización de identidades, patrones anómalos o intentos repetidos, se convierten en inteligencia antifraude.
Este enfoque resulta de gran relevancia para organizaciones que operan en gran volumen –como bancos y plataformas digitales– y procesan millones de interacciones diarias. Cada una se convierte en una señal valiosa dentro de ecosistemas inteligentes capaces de detectar comportamientos fraudulentos de manera anticipada.
El desafío, por supuesto, consiste en hacerlo sin generar fricciones innecesarias al usuario ni comprometer la privacidad de sus datos personales. Afortunadamente, ya existen soluciones que integran seguridad, análisis de datos y experiencia de usuario en una misma infraestructura, apoyadas además por esquemas criptográficos avanzados que protegen información sensible.
En sectores altamente competitivos, como el financiero o el de plataformas digitales, el reto es encontrar el equilibrio adecuado: evitar procesos de verificación lentos, altas tasas de error y rechazos que alejen a los clientes, sin abrir la puerta a una nueva generación de fraudes impulsados por la inteligencia artificial.
Otro de los mayores desafíos actuales es la reincidencia: identidades que han sido empleadas previamente en intentos de fraude y que vuelven a aparecer en distintos procesos sin ser detectadas.
Por eso, el futuro no solo dependerá de confirmar que una persona es quien dice ser en un momento específico, sino de contar con infraestructuras capaces de aprender continuamente, correlacionar señales entre interacciones y anticipar el fraude antes de que ocurra. Y aunque esta nueva realidad se antoje compleja, en Incode estamos trabajando para sortearla con éxito.
