El fraude en pagos costó a las organizaciones una media de 60 millones de dólares el año pasado. La respuesta de Mastercard: un modelo de IA que califica el riesgo de fraude de una transacción en menos de 50 milisegundos, antes de que la compra siquiera se apruebe.
Las pérdidas globales por fraude superaron los 485.000 millones de dólares en 2023, y la IA generativa está empeorando el problema, no solucionándolo. Los estafadores ya usan deepfakes, voces sintéticas y documentos falsificados para ejecutar ataques de ingeniería social a escala — Deloitte proyecta que el fraude impulsado por IA generativa podría alcanzar los 40.000 millones de dólares en EE. UU. para 2027, más del triple de los 12.300 millones de 2023. Los sistemas de fraude basados en reglas — bloquear cualquier importe superior a 500 €, denegar países poco habituales — nunca se diseñaron para esto. La respuesta de Mastercard es Decision Intelligence (DI), un motor de puntuación de IA en tiempo real para cada transacción, ahora reforzado por un modelo de IA generativa llamado Decision Intelligence Pro.
En una encuesta a 300 directivos del sector pagos realizada por Mastercard y Financial Times Longitude, el 42% de los bancos emisores y el 26% de los adquirentes afirmaron haber ahorrado más de 5 millones de dólares en pérdidas por fraude en los últimos dos años gracias a incorporar IA en sus decisiones de autorización. La diferencia crece con la experiencia: las organizaciones que llevan más de cinco años usando defensas antifraude con IA reportan un ahorro medio de 4,3 millones de dólares, casi el doble que los 2,2 millones de quienes la adoptaron más recientemente.
Qué evalúa realmente Decision Intelligence (y por qué los bancos emisores apuestan tan fuerte por ello)
DI actúa en el momento de la autorización — la fracción de segundo entre que se acerca la tarjeta y la transacción se aprueba o se rechaza. Analiza cientos de señales por transacción: historial del comercio, huella del dispositivo, ubicación, patrón de gasto e inteligencia de fraude a escala de red que Mastercard recopila en toda su red de pagos, no solo los datos de un banco concreto. [VISUAL: Diagrama mostrando una transacción pasando por el pipeline de puntuación de DI en menos de 50ms, desde el contacto con la tarjeta hasta la decisión de aprobar o denegar]
Esa visión a escala de red es la ventaja estructural frente al modelo interno de un banco individual: Mastercard detecta patrones de fraude emergentes entre miles de bancos emisores antes de que cualquier institución aislada pudiera identificarlos por su cuenta. Si trabajas en operaciones de riesgo o fraude en un banco emisor, esta es la capa que decide, en tiempo real, si tu cola de revisión manual crece o se reduce.
Así funciona el modelo de IA generativa que escanea 1 billón de puntos de datos
Decision Intelligence Pro, lanzado en febrero de 2024, es el primer modelo de IA generativa de Mastercard diseñado específicamente para el fraude. Combina una red neuronal recurrente con una arquitectura transformer — entrenada con unos 125.000 millones de transacciones anuales — para mapear las relaciones entre las entidades de una transacción (titular, comercio, dispositivo, red) en lugar de puntuar cada una por separado. [VISUAL: Grafo de red mostrando relaciones entre entidades — titular, comercio, dispositivo — alimentando una única puntuación de riesgo]
El modelo escanea hasta 1 billón de puntos de datos y refina la puntuación de DI en menos de 50 milisegundos. Las pruebas iniciales de Mastercard mostraron una mejora media del 20% en las tasas de detección de fraude, con picos de hasta el 300% en tipologías de fraude específicas. Ese rango importa: significa que el modelo rinde de forma desigual según el tipo de fraude, más fuerte en ciertos patrones de ataque que en otros — conviene confirmarlo directamente con Mastercard para evaluar el ajuste frente a la mezcla de fraude propia de cada banco emisor. [REQUIERE VERIFICACIÓN: desglose de rendimiento por tipología no publicado]
Los resultados: menos falsos positivos, detección más rápida, más confianza
Mastercard reporta que DI Pro reduce los falsos positivos — transacciones legítimas marcadas erróneamente como fraude — en más de un 85%, y acelera la detección de tarjetas comprometidas en un factor de 2x, permitiendo a los emisores avisar a sus clientes de forma proactiva antes de que el fraude ocurra, no después. En la misma encuesta de Mastercard y FT Longitude, el 83% de los directivos de pagos afirmó que la IA ha reducido de forma significativa los falsos positivos y la pérdida de clientes, y el 85% reportó un retorno de inversión medible de la IA en triaje de fraude, reconocimiento de patrones y detección en tiempo real.
El beneficio operativo se acumula: el 80% de las organizaciones encuestadas dijo que la IA eliminó revisiones manuales innecesarias, liberando a los equipos de fraude para centrarse en los casos complejos que realmente necesitan intervención humana. El 83% afirmó que la IA aceleró la resolución de casos en general.
La brecha se amplía para quienes esperan. El 90% de los directivos de pagos espera mayores pérdidas económicas en los próximos tres años si no aumentan ahora su inversión en IA antifraude — mientras los estafadores acceden, en paralelo, a herramientas de IA generativa propias cada vez más baratas y convincentes.
El conjunto de herramientas de IA detrás de la defensa antifraude de Mastercard
No se trata de un único producto, sino de una pila de capas que cubre distintos puntos del ciclo de vida del pago.
| Herramienta | Función en este flujo | ¿Plan gratuito? | Desde |
|---|---|---|---|
| Decision Intelligence (DI) | Puntuación en tiempo real para emisores en el momento de autorización | No | Contrato empresarial — [REQUIERE VERIFICACIÓN: precio no público] |
| Decision Intelligence Pro | Capa de IA generativa que refina la puntuación de DI modelando relaciones entre entidades | No | Contrato empresarial |
| Transaction Fraud Monitoring (TFM) | Puntuación para adquirentes en preautorización / punto de venta | No | Contrato empresarial |
| A2A Transaction Fraud Monitoring | Protección antifraude para transferencias P2P, monedero digital y código QR | No | Contrato empresarial |
| Brighterion AI | Plataforma de ML subyacente; modelos a medida desplegados mediante el proceso "AI Express" de Mastercard | No | Contrato empresarial, despliegue de varias semanas |
Nada de esto es SaaS de autoservicio. Cada herramienta se despliega mediante una relación directa con Mastercard, integrada en el flujo de autorización ya existente del emisor o adquirente. [REQUIERE VERIFICACIÓN: precios exactos y condiciones mínimas de contrato — Mastercard no los publica; el proceso empieza con una conversación directa con su equipo comercial].
A quién protege esto — y quién debe buscar en otro sitio
Esta pila está pensada para bancos emisores, adquirentes y proveedores de servicios de pago que operan sobre la red de Mastercard — un equipo de riesgo o fraude de un banco, no un comercio individual. Si eres responsable de estrategia antifraude en un banco emisor y gestionas una cola de revisión manual que crece con el volumen de transacciones, esta es la capa diseñada para reducirla.
No es un widget antifraude plug-and-play para una tienda online individual. Los comercios más pequeños que necesitan filtrado de fraude en el checkout deberían mirar herramientas a nivel de procesador de pagos (como Stripe Radar) — esas operan en la capa de integración del comercio, mientras que la pila de Mastercard opera en la capa de red y banco emisor.
3 cosas que la mayoría de coberturas sobre esto explican mal
Las noticias sobre "la IA de Mastercard" suelen aplanar un sistema en capas en un solo titular. Tres distinciones que conviene mantener claras:
- No es un único modelo. DI puntúa en tiempo real; DI Pro es la capa de IA generativa que afina esa puntuación modelando relaciones, no un sustituto de DI.
- El retorno crece con la antigüedad, no solo con la adopción. La diferencia entre 4,3M$ y 2,2M$ entre adoptantes de cinco años y los más recientes sugiere que el modelo mejora con más datos históricos de fraude, no solo por activar la IA.
- Es una respuesta defensiva a una tendencia ofensiva de la IA. La IA generativa alimenta nuevas formas de fraude (deepfakes, identidades sintéticas) y, a la vez, financia las herramientas para detenerlo — el mismo cambio tecnológico en ambos lados del combate.
¿Quieres más análisis de sistemas de IA que ya funcionan en producción?
Sityos AI publica cada semana un nuevo caso real de automatización o despliegue de IA — descubre más en sityos.com.
Preguntas frecuentes
- ¿Cualquier banco o comercio puede contratar Decision Intelligence de Mastercard?
- No. DI, DI Pro y el resto de esta pila se despliegan directamente por Mastercard para los bancos emisores y adquirentes de su red — no hay alta de autoservicio pública ni precios publicados. El proceso empieza con una conversación directa con el equipo comercial empresarial de Mastercard. [REQUIERE VERIFICACIÓN: precios]
- ¿Adoptar detección de fraude con IA significa que los bancos ya no necesitan analistas de fraude?
- No — el 80% de las instituciones encuestadas reporta que la IA eliminó revisiones manuales innecesarias, pero eso libera a los analistas para centrarse en casos complejos y ambiguos, no sustituye su función.
- ¿En qué se diferencia esto de una herramienta antifraude para una tienda online pequeña?
- En escala y en capa. La pila de Mastercard opera a nivel de red de pagos, puntuando transacciones de todos los emisores y adquirentes de su red. Un comercio pequeño suele cubrir mejor sus necesidades antifraude con una herramienta a nivel de procesador integrada directamente en su checkout, como Stripe Radar.
Se proyecta que el fraude por identidad sintética, los deepfakes y las suplantaciones sigan creciendo hasta 2027. La carrera entre la IA generativa usada para cometer fraude y la IA generativa usada para detenerlo no ha hecho más que empezar — y los propios datos de Mastercard sugieren que las instituciones que invierten antes ya están tomando ventaja.