KYC adaptativo y agentivo: verificación de identidad basada en la inteligencia artificial para la próxima generación de amenazas

El «KYC agencial» hace referencia a los sistemas de verificación de identidad diseñados para detectar y mitigar las amenazas que plantean los agentes de IA autónomos —como los bots o las identidades sintéticas— que pueden imitar el comportamiento humano y automatizar los intentos fraudulentos de alta de clientes. A diferencia del KYC tradicional, que se basa en comprobaciones estáticas de documentos y datos biométricos, el KYC «agente» utiliza IA adaptativa, análisis de comportamiento y detección adversarial para identificar patrones no humanos y tácticas de fraude en constante evolución que los sistemas heredados suelen pasar por alto.

Las organizaciones deberían dar prioridad a soluciones que cuenten con motores de riesgo dinámicos y con capacidad de autoaprendizaje, que evolucionen continuamente en función de nuevas señales de fraude y comportamientos maliciosos. Las plataformas que ofrecen inteligencia sobre amenazas en tiempo real, componentes modulares de inteligencia artificial y una rápida implementación de nuevas lógicas de detección a través de API o SDK permiten que los flujos de trabajo de incorporación se adapten sin necesidad de realizar cambios arquitectónicos importantes.

Entre sus capacidades clave se incluyen la detección avanzada de la presencia real y de deepfakes, la biometría conductual —como la cadencia al teclear y el análisis del movimiento del ratón—, la detección de anomalías en la manipulación de documentos e imágenes, la identificación de dispositivos y redes, y la correlación multicanal de señales de riesgo. La IA explicable también es fundamental para garantizar que los equipos puedan auditar y comprender las decisiones relacionadas con el riesgo.

Las soluciones más eficaces utilizan la «fricción adaptativa», que introduce pasos de verificación adicionales solo cuando se detecta un riesgo elevado. Las comprobaciones pasivas, como la inteligencia de dispositivos y el análisis de comportamiento, deben aplicarse desde el principio, mientras que las comprobaciones activas, como las pruebas de autenticidad o la verificación secundaria de la identidad, deben reservarse para los casos de alto riesgo. La supervisión continua de las tasas de conversión, el abandono y los falsos positivos ayuda a ajustar el equilibrio entre seguridad y facilidad de uso.

Los proveedores deben adaptarse a los marcos normativos en constante evolución, como el RGPD, la Directiva sobre blanqueo de capitales (AMLD6) y las directrices del GAFI, y demostrar un alto nivel de privacidad de los datos, auditabilidad y explicabilidad en las decisiones basadas en la inteligencia artificial. Funciones como la elaboración automática de informes de cumplimiento, la puntuación de riesgos configurable y el análisis prospectivo de la normativa ayudan a las organizaciones a mantenerse al día con las nuevas regulaciones sobre inteligencia artificial y fraude sintético.

La eficacia debe evaluarse utilizando parámetros de referencia específicos para las amenazas de origen humano, incluyendo las tasas de detección de identidades sintéticas, deepfakes e intentos automatizados de registro, junto con las tasas de falsos positivos y falsos negativos y las métricas de tiempo de detección. Las demostraciones basadas en escenarios o los programas piloto que utilicen muestras reales de fraude intencionado ofrecen comparaciones significativas con respecto a las soluciones existentes o a los valores de referencia del sector.