El fraude escala más rápido. La detección de fraude en pagos debe seguir el

El fraude solía estar limitado por el coste y el factor humano: operadores especializados, investigación dirigida y suplantación de identidad convincente a escala, con cada uno de estos requisitos acotando el número de ataques que podían ejecutarse simultáneamente. La IA está eliminando esas restricciones. BCG estima que el coste de ejecutar una estafa financiera caerá un 90% o más en dos años, lo que provocará un aumento del doble o más en el volumen de ataques.

Cuando el fraude se vuelve barato de ejecutar, el volumen se convierte en el arma, y la arquitectura de defensa debe estar a la altura.

Las operaciones de fraude asistidas por IA están impulsando este cambio. Estas operaciones utilizan la IA de forma creciente para redactar señuelos más convincentes, generar voces clonadas y comprimir semanas de reconocimiento en horas, con un ser humano que todavía dirige la operación. La proyección de BCG describe lo que viene a continuación: sistemas agentivos que fijan objetivos, orquestan una ejecución en múltiples etapas y se adaptan en tiempo real sin que ningún operador humano dirija cada paso.

Los datos actuales ya revelan una brecha de control preocupante. Según la Encuesta de Fraude y Control en Pagos de AFP 2026, el 76% de las organizaciones estadounidenses sufrió intentos o casos reales de fraude en pagos el año pasado, mientras que solo el 17% utiliza IA para detectarlo. La Encuesta Global a CFOs de Kyriba 2026 refleja el mismo patrón desde otro ángulo: el 77% de los CFOs en todo el mundo señala la seguridad y la privacidad como un riesgo para la salud financiera de su empresa, pero menos de uno de cada tres identifica la seguridad y la prevención del fraude como una prioridad operativa crítica para 2026.

La brecha es arquitectónica, no informativa. Comprender esa brecha comienza por la detección de fraude en pagos y por evaluar cómo resiste ante una superficie de ataque que se mueve a esta velocidad. Cerrarla exige tres capacidades que trabajen conjuntamente: revisar cada pago, detectar anomalías de comportamiento en tiempo real y autorizar la ejecución del pago en función del riesgo actual.

El volumen convierte los controles de tesorería en una superficie de ataque

La tesorería corporativa siempre ha sido un objetivo de alto valor. Lo que cambia es la estructura de costes para atacarla. Los defraudadores ya operan sus esquemas con asistencia de IA, y la proyección agentiva de BCG apunta a que las operaciones de fraude necesitarán aún menos intervención humana: probando controles, aprendiendo qué activa una revisión y ajustándose hasta encontrar una vía de acceso, a un volumen que ningún equipo humano podría igualar.

La exposición de la tesorería proviene de un conjunto de características bien conocidas: altos volúmenes de pagos de elevado importe, cadenas de aprobación con múltiples contrapartes y procesos de cuentas a pagar que dependen del criterio humano en los puntos críticos de autorización. Un entorno de detección de fraude en pagos diseñado para interceptar un intento sofisticado por trimestre no resistirá miles de intentos adaptativos por semana.

La asimetría de costes amplifica la exposición. En mi experiencia, una sola transferencia bancaria fraudulenta no detectada suele costar más que la inversión anual en los controles de detección que la habrían evitado. A medida que la economía de los ataques mejora para los adversarios, esa asimetría se amplía.

Vectores de fraude que explotan diferentes vulnerabilidades del flujo de trabajo

Cada vector apunta a un punto distinto del flujo de pagos. En conjunto, definen la superficie de ataque de la tesorería.

Compromiso de correo electrónico empresarial (BEC). En su forma más simple, el BEC elude por completo la infraestructura técnica: una instrucción convincente llega a alguien con autoridad para actuar. El BEC también adopta con frecuencia una dimensión técnica, operando mediante apropiación de cuentas, suplantación de dominios o dominios similares que introducen una instrucción antes de que un ser humano la vea. La IA ya está perfeccionando ambas variantes mediante señuelos mejor redactados, un reconocimiento más rápido a partir de fuentes públicas y comprometidas, y suplantaciones de directivos que hacen referencia a los proveedores y detalles correctos de las contrapartes. A medida que los sistemas agentivos maduren según la trayectoria descrita por BCG, el volumen de campañas superará la capacidad de las operaciones dirigidas por humanos.

Redirección de pagos y fraude de facturas. Los datos bancarios fraudulentos se introducen en los flujos de cuentas a pagar en el momento de menor escrutinio. La operación se mantiene dentro de los parámetros normales de las transacciones hasta que tiene éxito, lo que hace que el pago parezca legítimo ante controles basados en reglas estáticas.

Suplantación de identidad a escala. La clonación de voz y la generación de identidades sintéticas son capacidades cada vez más accesibles. Los operadores de fraude pueden ejecutar campañas simultáneas, utilizando IA para adaptar cada una al estilo de comunicación y al flujo de autorización del objetivo. La personalización que antes requería un equipo numeroso y especializado está cada vez más automatizada. Estas campañas están diseñadas para superar la capa de revisión humana en la que se apoyan muchos controles antifraude.

Cada vector ataca una capa diferente del flujo de trabajo. El BEC presiona el criterio humano, el fraude de facturas explota los datos de contrapartes y la suplantación pone a prueba la disciplina de autorización. Los tres convergen en el mismo momento: un pago pendiente en el punto de ejecución, esperando una decisión.

Por qué un único punto de autorización es la verdadera exposición

Como CISO, el patrón que encuentro de forma más consistente es una arquitectura de autorización diseñada para la eficiencia operativa que nunca fue sometida a presión frente a un adversario con la paciencia y las herramientas necesarias para sondearla a escala.

Las campañas de fraude automatizadas están diseñadas precisamente para explotar esa debilidad. Los flujos de trabajo con un único aprobador para transacciones de alto valor son una vía de ataque conocida. Las campañas de BEC asistidas por IA ayudan a los operadores a identificar esos flujos de trabajo, sincronizar las instrucciones con los ciclos de pago conocidos y ejecutar campañas a mayor escala.

Consideremos un ejemplo concreto. La cuenta de correo de un proveedor fue comprometida tres semanas antes, de forma silenciosa, sin exigencia de rescate y sin daños visibles. Ese único punto de acceso hace posible todo lo que sigue. Un operador de fraude, utilizando herramientas de IA para analizar la bandeja de entrada comprometida en busca de hilos de facturas, condiciones de pago y entradas del calendario, identifica una transferencia bancaria de 2,3 millones de dólares programada para el viernes. Para el miércoles, el operador ha generado una instrucción falsificada del CFO, redactada y refinada con IA, que hace referencia al proveedor, el importe y la contraparte correctos, y está sincronizada para llegar al único aprobador de cuentas a pagar cuando la ventana de pago está abierta.

El compromiso del correo electrónico crea la oportunidad. La exposición está en lo que ocurre a continuación: la información comprometida llega a un flujo de trabajo con un único punto de aprobación, y ese único aprobador tiene la capacidad de convertir una instrucción fraudulenta en un pago autorizado. Ningún nivel de sofisticación técnica en la instrucción falsificada importa si existe una segunda verificación independiente entre ella y los fondos que abandonan la cuenta.

Un operador humano todavía dirige cada paso en este escenario. La proyección agentiva de BCG describe ese mismo escenario ejecutándose sin ninguno, adaptándose en tiempo real sin ningún operador en el circuito. La arquitectura de autorización es el control diseñado para resistir independientemente de quién, o qué, esté dirigiendo el ataque.

El modelo filtrar-detectar-autorizar: qué exige una detección eficaz del fraude en pagos

Cerrar esa exposición requiere más de un control. El modelo filtrar-detectar-autorizar combina tres capacidades, cada una cubriendo un punto de fallo que las demás no alcanzan.

Filtrar cada pago. Los controles basados en reglas siguen siendo necesarios, y ningún programa maduro debería eliminarlos; detectan patrones conocidos de forma fiable y económica. Su limitación es la previsibilidad. Una regla señala lo que fue configurada para señalar, y un sistema de fraude automatizado que la encuentre adaptará su enfoque hasta encontrar un camino que la regla no cubre, que es exactamente lo que miles de intentos de prueba adaptativos están diseñados para encontrar. Una detección eficaz del fraude en pagos elimina ese problema de previsibilidad evaluando datos de contrapartes, señales de comportamiento y anomalías contextuales simultáneamente, en cada transacción, antes de que el pago se ejecute y no después.

Detectar comportamientos anómalos. La detección de anomalías de comportamiento captura lo que el filtrado solo no puede: un pago que parece normal bajo cada regla individual pero se sitúa fuera del patrón establecido para la contraparte, la cuenta o el tipo de pago. En los entornos de control que he revisado, la ventana entre que una instrucción fraudulenta entra en un flujo de trabajo y los fondos abandonan la cuenta puede ser más corta que el ciclo de revisión diseñado para detectarla, lo que convierte la primera decisión de detección en la de mayor riesgo del flujo de trabajo. La detección de anomalías de comportamiento tampoco es infalible; los atacantes que saben que están siendo analizados pueden moldear su conducta gradualmente para integrarse en una línea de base. Por eso debe funcionar junto con las reglas y los controles de autorización, y no reemplazarlos.

Autorizar la ejecución de forma dinámica. Los controles de autorización de pagos impiden la ejecución unilateral mediante la segregación de funciones. Por encima de umbrales definidos, ningún individuo debería tener autoridad unilateral, y el flujo de trabajo debería exigir doble control o revisión de cuatro ojos. Esa estructura debe, no obstante, seguir siendo ágil: las cadenas de autorización deben adaptarse al importe del pago, el historial de la contraparte y las señales de riesgo en tiempo real, en lugar de operar como una secuencia fija que una operación de fraude sofisticada pueda trazar de antemano.

Cada capacidad aborda una debilidad distinta. El filtrado captura el volumen, la detección de anomalías de comportamiento captura la adaptación, y los controles de autorización de pagos eliminan los puntos únicos de fallo que hacen necesarios a los otros dos. Ninguna capa individual detiene una operación de fraude bien dotada de recursos; la combinación es lo que cierra lo que las reglas solas dejan abierto.

Pon a prueba los controles antes de que se ejecute el próximo pago

Cinco dimensiones que todo equipo financiero debería evaluar en el marco del modelo filtrar-detectar-autorizar:

1. Cobertura de la detección de fraude en pagos: ¿El filtrado se aplica a cada transacción, o solo a pagos muestreados y marcados? El fraude automatizado está calibrado para mantenerse por debajo de los umbrales de muestreo. Una cobertura limitada a pagos muestreados crea un punto ciego conocido.

2. Adaptabilidad de la detección: ¿Puede la detección de anomalías de comportamiento actualizarse ante un nuevo patrón de ataque sin necesidad de un cambio manual de reglas? Si no puede, la detección irá por detrás del fraude que está diseñada para capturar. Esa demora suele hacerse visible en eventos de pérdida y volumen de excepciones antes de aparecer en cualquier otro lugar.

3. Arquitectura de controles de autorización de pagos: ¿Los flujos de aprobación contienen puntos únicos de fallo que una campaña dirigida de BEC o suplantación podría explotar? Identificar esos puntos es el punto de partida para el rediseño del control.

4. Continuidad de la monitorización: ¿La monitorización del fraude opera en tiempo real, o introduce una latencia de ciclo de revisión que un sistema automatizado pueda sortear? La velocidad de detección es un requisito de control.

5. Auditabilidad: ¿Puede la organización producir una pista de auditoría completa bajo demanda para cada autorización de pago dentro del ámbito definido, incluyendo una marca de tiempo? La pista de auditoría es tanto un insumo de detección como el primer documento que un comité de auditoría solicitará tras un evento de pérdida.

La conclusión

El perfil de riesgo de fraude en pagos para la tesorería corporativa no va a estabilizarse. BCG ofrece a los equipos financieros una ventana de previsión de dos años antes de que los sistemas agentivos cambien de forma material la economía de las estafas financieras, y el 17% de las organizaciones que ya utilizan IA para la detección del fraude están acumulando experiencia que el resto del mercado todavía no tiene.

Las organizaciones que traten el fraude en pagos como un problema de revisión periódica descubrirán que es un problema de balance en tiempo real. Si tuviera que informar a su consejo de administración el próximo trimestre, esto es lo que les diría: antes de que el dinero se mueva, tres condiciones deben cumplirse: el pago fue filtrado, la acción fue autorizada y la pista de auditoría es verificable. Los equipos financieros que integren la detección de fraude en pagos, la detección de anomalías de comportamiento y los controles de autorización de pagos en su arquitectura de control son quienes pueden defender esa postura con solvencia. El modelo filtrar-detectar-autorizar es lo que pondría ante cualquier comité de auditoría, y debería estar ante el suyo.

Ese mismo enfoque es el que guía cómo gestionamos la seguridad de los pagos en Kyriba.