La banca se enfrenta al reto de gobernar la IA agéntica para combatir un fraude cada vez más automatizado

La inteligencia artificial agéntica se perfila como una herramienta clave para reforzar la lucha contra el fraude financiero, pero su despliegue efectivo dependerá de la calidad del dato, la gobernanza y la supervisión de los sistemas. Así lo concluye el primer informe elaborado por Babel y Digit Institute, que advierte de que el desafío ya no es acceder a la tecnología, sino operarla de forma segura y trazable en entornos críticos.

Marga García, managing director del sector Banca en Babel.

La banca se encuentra en una nueva fase de adopción de la inteligencia artificial. Tras los primeros años centrados en la experimentación y las pruebas de concepto, el sector afronta ahora el reto de llevar la IA agéntica a producción en entornos regulados, donde la trazabilidad, la supervisión humana y la calidad del dato son elementos imprescindibles. Así lo refleja el informe elaborado por Babel y Digit Institute, presentado en rueda de prensa en Madrid, que analiza el grado de preparación de las entidades financieras ante una nueva generación de amenazas impulsadas por la automatización y la inteligencia artificial.

Durante la presentación, Marga García, managing director del sector Banca en Babel, alertó sobre la rápida evolución del crimen financiero. Según explicó, los ciberdelincuentes ya operan a escala industrial mediante herramientas de automatización avanzada, identidades sintéticas y técnicas basadas en IA. Como ejemplo, recordó que en Estados Unidos el crimen financiero se ha triplicado en el último año y que los ataques apoyados en tecnologías de 'deepfake' se han multiplicado por veinte, evidenciando un cambio de paradigma en la forma en que se ejecutan los fraudes.

La directiva señaló además que el fraude ha dejado de ser un fenómeno de ataques individuales para convertirse en una actividad altamente organizada y automatizada. Para ilustrar esta tendencia, García recordó el caso de una transferencia fraudulenta de 25 millones de dólares realizada tras una videollamada falsa generada mediante tecnología 'deepfake'. El episodio, ampliamente difundido en el sector, refleja cómo la inteligencia artificial está permitiendo a los delincuentes diseñar engaños cada vez más creíbles y difíciles de detectar.

Frente a esta evolución de las amenazas, la banca está comenzando a responder con las mismas herramientas tecnológicas. Según explicó Marga García, la IA agéntica ya se está utilizando para detectar patrones de fraude, analizar grandes volúmenes de información contextual y asistir a los analistas en la toma de decisiones. Además, permite reducir parte de la carga operativa derivada de la revisión manual de alertas y operaciones sospechosas.

La necesidad de avanzar en esta dirección resulta especialmente relevante si se tiene en cuenta que, según los datos expuestos durante la presentación, actualmente se detecta menos del 1% del dinero potencialmente vinculado a fraude o blanqueo de capitales. A ello se suma que entre el 90% y el 95% de las alertas revisadas por los analistas resultan ser falsos positivos, lo que obliga a dedicar una enorme cantidad de recursos a descartar operaciones legítimas.

En este contexto, el informe destaca que la IA agéntica puede ayudar a priorizar casos, aportar contexto adicional y reducir significativamente el volumen de alertas irrelevantes. El objetivo no es sustituir a los analistas humanos, sino permitir que concentren su trabajo en aquellas operaciones que realmente presentan indicios de fraude.

Isabel Fernández, directora de Tecnologías Exponenciales en Babel.

Sin embargo, Babel y Digit Institute advierten de que el principal obstáculo para desplegar agentes inteligentes fiables no reside en la propia tecnología. El informe identifica la fragmentación del dato, los silos heredados y la falta de gobernanza como algunas de las principales barreras para avanzar hacia modelos operativos basados en IA.

La investigación señala que muchas organizaciones disponen ya de capacidades tecnológicas suficientes, pero carecen de información homogénea y contextualizada sobre la que los modelos puedan operar con garantías. “Muchas organizaciones están descubriendo que el principal límite para desplegar IA fiable no está en el modelo, sino en la fragmentación del dato y en la dificultad para integrar información coherente entre sistemas críticos”, afirmó Isabel Fernández, managing director de Tecnologías Exponenciales en Babel. “Un agente puede automatizar decisiones muy complejas, pero también amplificar errores si la información sobre la que opera no está correctamente gobernada”.

Durante la presentación, Fernández destacó que una de las mayores fortalezas de la banca frente a los delincuentes es precisamente su capacidad para contextualizar la información. La combinación de datos procedentes de distintas relaciones financieras permite construir una visión más completa de clientes y transacciones, facilitando la identificación de comportamientos anómalos y mejorando la capacidad de anticipación frente al fraude.

El estudio también pone el foco en la gobernanza de la inteligencia artificial. Según los análisis recopilados por Babel y Digit Institute, el 63% de las entidades financieras opera todavía con modelos limitados o inexistentes de gobernanza para IA generativa, mientras que únicamente el 11% ha desplegado este tipo de sistemas en producción. Además, el 95% de las organizaciones reconoce dudas sobre su capacidad para detectar o contener un agente comprometido y solo el 17% monitoriza de forma continua las interacciones entre agentes de IA.

Las portavoces destacaron asimismo el papel que pueden desempeñar los modelos colaborativos para mejorar la prevención del fraude. En este sentido, citaron iniciativas como FrauDfense, impulsada por Santander, BBVA y CaixaBank, que busca compartir información de forma federada para enriquecer el contexto disponible y mejorar la detección temprana de operaciones sospechosas.

“El problema ya no es si la banca adoptará IA agéntica, sino cómo desplegarla con garantías reales de control, supervisión y cumplimiento normativo. El sector financiero necesita avanzar hacia modelos capaces de combinar automatización, capacidad analítica y gobierno operativo sin perder trazabilidad sobre las decisiones críticas”, afirmó Marga García.

El informe concluye que la próxima fase de adopción de la inteligencia artificial en banca dependerá menos de la experimentación y más de la capacidad de integrar, supervisar y gobernar estos sistemas en entornos reales. En un contexto de fraude cada vez más automatizado, las entidades que construyan modelos sólidos de gobernanza y calidad del dato estarán mejor posicionadas para afrontar el próximo ciclo tecnológico del sector financiero.