Del primer prototipo al despliegue en producción: así fue el recorrido de los algoritmos de detección de vida que hoy frenan identidades sintéticas y videodepfakes en procesos de alta remota.
El equipo montó un pipeline mínimo capaz de distinguir una cara real de una grabación reproducida en pantalla. Las pruebas se hicieron con cámaras de portátiles de gama media, sin hardware dedicado, para medir el peor escenario posible. El resultado fue útil pero lento: más de dos segundos por validación, demasiado para una operación financiera en vivo.
Se incorporaron señales de coherencia temporal para detectar desincronización labial y bordes anómalos en rostros generados. El modelo empezó a distinguir entre una persona real y un videodepfake en tiempo real, incluso cuando la calidad del vídeo era alta. La tasa de falsos positivos bajó, pero seguía siendo alta en condiciones de poca luz.
El foco se amplió más allá del vídeo: empezamos a cruzar señales biométricas con coherencia de historial y antigüedad de actividad. Las identidades sintéticas, que no suplantan a nadie concreto, empezaron a mostrar patrones detectables. El sistema dejó de depender solo del documento y empezó a leer el comportamiento.
La optimización del pipeline permitió bajar el tiempo de decisión por debajo del segundo sin sacrificar precisión. Se calibró el umbral por tipo de operación: no es lo mismo abrir una cuenta que autorizar una transferencia. Los equipos de riesgo empezaron a auditar el sistema con métricas propias, no solo con la tasa de aprobación.
El sistema pasó de laboratorio a operación real en varias plataformas de alta remota. Se documentaron intentos de suplantación con hardware especializado y se ajustaron las pruebas activas para no penalizar al cliente legítimo. La combinación de señales pasivas y activas se volvió el estándar interno.
Cada decisión del sistema queda registrada con las señales que la motivaron, algo que los reguladores exigen y que antes se resolvía con parches manuales. El equipo mantiene revisiones periódicas del umbral y publica informes internos sobre falsos positivos. El trabajo no termina: los ataques evolucionan y el modelo también.