El nuevo modelo de IA mejora significativamente la detección de redes de fraude y fraudes por transferencia autorizada (APPF). Lynx presenta sus modelos de IA adaptativa diaria de última generación, que pasan del análisis de transacciones individuales a la detección de redes completas de fraude. Según pruebas internas, la nueva tecnología ha logrado un aumento del 460% en la detección de valor asociado a mulas de dinero y permite identificar hasta un 35% más de fraudes por pagos autorizados (APPF), al mismo tiempo que reduce los falsos positivos.
Lynx Tech, empresa líder en tecnologías basadas en Inteligencia Artificial (IA) y aprendizaje automático (ML), anuncia el lanzamiento de la nueva generación de sus Modelos Adaptativos Diarios (DAMs), una solución avanzada para la una solución avanzada para la prevención y detección de fraude. Esta actualización representa un hito clave en el objetivo de la compañía por proteger a las instituciones financieras y a sus clientes frente a actividades fraudulentas que son cada vez más frecuentes y sofisticadas.
Teniendo en cuenta que, según el Informe del Fraude Omnicanal 2025 de TransUnion, el 29% de los consumidores globales afirmó haber perdido dinero debido a fraudes por correo electrónico, internet, llamadas telefónicas o mensajes de texto en el último año, y siendo las cuentas mula (23%) el principal esquema de fraude, es fundamental que los bancos cuenten con una tecnología capaz de prevenir el fraude en tiempo real. A diferencia de los modelos tradicionales de Machine Learning (ML), los DAMs de Lynx se entrenan a diario y permiten ampliar los datos utilizados, lo que se traduce en mayores ahorros por prevención de fraude y una mayor fluidez operativa para las entidades financieras.
Estos nuevos modelos suponen una transición clave: pasan de detectar únicamente transacciones individuales sospechosas a identificar redes enteras de fraude, analizando patrones complejos de comportamiento delictivo con gran precisión.
De cara a los próximos años, y según predicciones de ACI Worldwide, las pérdidas globales por fraude APPF superarán los 6.800 millones de dólares en 2027. Los modelos de nueva generación de Lynx permiten detectar hasta un 35% más de fraudes APPF que los modelos anteriores, mejorando de forma notable la detección de mulas de dinero, lo que ha llevado a un aumento considerable en las tasas de identificación notificadas por las entidades financieras.
Los nuevos modelos de Lynx se están implementando actualmente en mercados de todo el mundo, y se espera que las instituciones financieras de América sean las primeras en beneficiarse de esta tecnología, seguidas por las de Europa. Gracias a la naturaleza no-code de estos modelos, la integración puede realizarse en tan solo dos semanas, lo que permite que la tecnología alcance su tasa óptima de detección de valor en un plazo de entre tres y seis meses, a medida que aprende de nuevos datos.
A diferencia de los modelos estáticos, que se degradan con el tiempo por el fenómeno de deriva de datos, la tecnología de Lynx mantiene su rendimiento óptimo gracias a sus DAMs, que se adaptan continuamente a nuevos patrones de fraude sin perder eficacia, estableciendo un nuevo estándar en la prevención de fraude a largo plazo.
En palabras de Carlos Santa Cruz, CEO y Founder de Lynx: «Este avance es el resultado de dos años de rigurosa investigación. Hemos desarrollado bases de datos en memoria de última generación, algoritmos y código de bajo nivel que hacen que nuestra solución sea increíblemente rápida de integrar, manteniendo los costes bajos y eliminando por completo los tiempos de inactividad. En pruebas internas, nuestra tecnología ha demostrado ser capaz de analizar hasta 40.000 puntos de datos en tiempo real para identificar actividades fraudulentas con una precisión extraordinaria, lo que representa un salto cualitativo en la detección”.
Los modelos mejorados han demostrado avances significativos en su rendimiento:
- Mejor comprensión de los comportamientos financieros a través de todas las cuentas vinculadas a una entidad financiera, lo que conlleva una reducción significativa de los falsos positivos y un aumento en la tasa de detección de valor.
- Mayor capacidad de adaptación gracias a los modelos DAM, que garantizan un rendimiento sostenido en el tiempo y una respuesta rápida ante nuevas tácticas de fraude.
- Mejor rendimiento en comparación con los modelos estáticos de consorcio, especialmente en la detección de fraudes por pagos autorizados engañosos (APPF).
Dan Mcloughlin, experto en delitos financieros y miembro del equipo de Lynx, añade: «Los modelos de nueva generación marcarán una gran diferencia en la prevención del fraude APPF. Ahora podemos detectar patrones complejos de fraude mucho antes de que causen daño. Esto permitirá a los bancos proteger mejor el dinero de sus clientes, avanzándose a los estafadores más sofisticados. Con el avance de regulaciones europeas como la PSD2 y la futura PSD3, es fundamental que los bancos adopten tecnologías emergentes como la IA para reforzar sus sistemas de detección de fraude».
