EL CRECIMIENTO DEL FRAUDE IMPULSADO POR LA INTELIGENCIA ARTIFICIAL OBLIGA A LAS COMPAÑÍAS DE SEGUROS A REPLANTEAR SUS PROCESOS DE VALIDACIÓN, INVESTIGACIÓN DE SINIESTROS Y PREVENCIÓN DEL RIESGO FRENTE A MANIOBRAS CADA VEZ MÁS SOFISTICADAS.
Los intentos de fraude mediante deepfakes crecieron un 2.137% a nivel mundial en los últimos tres años, según el estudio The Battle Against AI-Driven Identity Fraud, elaborado por Signicat entre más de 1.200 responsables de prevención de fraude del sector financiero y de pagos de siete países europeos. El informe también revela que el 42,5% de los intentos de fraude detectados ya involucran inteligencia artificial, una tendencia que obliga a las organizaciones a replantear sus mecanismos de prevención y validación.
Si bien el relevamiento se centra en el sector financiero, el fenómeno comienza a plantear nuevos desafíos para otras industrias donde la verificación de evidencias resulta crítica, como el mercado asegurador. Fotografías, presupuestos, certificados médicos, comprobantes e incluso documentos de identidad pueden ser alterados o generados mediante inteligencia artificial con un nivel de realismo que hace apenas unos años era impensado.
En el mercado asegurador, este cambio no solo incrementa el riesgo de fraude. También eleva los costos asociados a las investigaciones, prolonga los tiempos necesarios para validar un siniestro y pone bajo presión la confianza entre aseguradoras y clientes, que esperan resoluciones ágiles sin resignar seguridad.
“Lo que está cambiando no es solamente el fraude. Está cambiando el concepto de evidencia. Una fotografía ya no puede asumirse como prueba suficiente por sí sola. El desafío consiste en combinar modelos capaces de detectar manipulaciones con procesos que integren distintas fuentes de información y mantengan al analista en el centro de las decisiones críticas”, explica Silvia Pascual, Business Manager de Flux IT.
Ante este escenario, las aseguradoras comienzan a incorporar herramientas capaces de analizar grandes volúmenes de información, detectar inconsistencias entre distintas fuentes e identificar patrones de comportamiento.
En la práctica, estas capacidades pueden asistir en la autenticación de imágenes de siniestros para detectar posibles manipulaciones, contrastar la documentación presentada con otras fuentes de información, resumir expedientes y señalar anomalías para que los analistas concentren su trabajo en los casos que realmente requieren una investigación más profunda.
“En nuestros proyectos combinamos modelos de machine learning, análisis de metadatos e inconsistencias visuales para asistir a los analistas en la detección de imágenes alteradas. En implementaciones sobre fotografías de vehículos y documentación de siniestros alcanzamos precisiones de entre el 97% y el 100%, sin registrar falsos positivos”, explica Silvia Pascual.
La particularidad de este nuevo escenario es que la misma tecnología que utilizan las compañías para prevenir el fraude también está siendo aprovechada por quienes intentan cometerlo. La inteligencia artificial permite crear imágenes, documentos e identidades sintéticas con un nivel de precisión que obliga a elevar los estándares de control y verificación.
“No existe una única respuesta tecnológica para este problema. En algunos casos será necesario automatizar controles; en otros, integrar mejor la información disponible o darle al analista más contexto para decidir. La diferencia no estará en aplicar más inteligencia artificial, sino en usarla donde genere valor real, con datos confiables, reglas claras y supervisión humana. Ese equilibrio es el que permite reducir costos y tiempos sin deteriorar la confianza de los asegurados”, agregan desde Flux IT.
Más allá del impacto económico que implica un reclamo fraudulento, el crecimiento de estas maniobras también incrementa el esfuerzo operativo necesario para investigarlas. Cada caso sospechoso demanda más validaciones, mayor participación de especialistas y tiempos de análisis más extensos. El desafío consiste en fortalecer los controles sin trasladar esa complejidad a las personas aseguradas mediante procesos más lentos o experiencias más friccionadas.
A medida que la gestión de siniestros avanza hacia modelos cada vez más digitales, la confianza deja de depender únicamente de la documentación presentada y pasa a apoyarse en la capacidad de verificar su autenticidad. En ese contexto, la prevención del fraude deja de ser una función aislada para convertirse en una capacidad estratégica que impacta sobre la eficiencia operativa, los tiempos de resolución y la confianza entre las aseguradoras y sus clientes.
1 . Signicat – The Battle Against AI-Driven Identity Fraud (informe completo)
The Battle Against AI-Driven Identity Fraud
2 . Signicat – Comunicado con los principales resultados del estudio (incluye el dato del crecimiento del 2.137% en intentos de fraude mediante deepfakes en los últimos tres años y que el 42,5% de los intentos de fraude ya involucran IA).
Fraud attempts with deepfakes have increased by 2137% over the last three years
3 . Signicat – 42.5% of fraud attempts are now AI-driven (actualización 2025 con foco en el impacto de la IA en el fraude financiero).
42.5% of fraud attempts are now AI-driven
