Lo que reportan los equipos de riesgo después de integrar detección de vida en sus flujos de alta remota. Sin métricas infladas: casos concretos, condiciones reales y lo que todavía cuesta.
Antes filtrábamos a mano los intentos sospechosos en el alta digital. Con la validación de vida en el pipeline, la revisión manual bajó y el equipo se dedica a los casos límite. Lo que notamos: los falsos rechazos aparecen cuando el usuario está a contraluz, así que ajustamos la guía de captura en la app.
Nos preocupaba la fricción. La decisión se resuelve en el mismo paso donde el cliente sube el documento, sin pantallas extra. La primera semana tuvimos que calibrar el umbral porque rechazaba dispositivos con cámara frontal antigua. Después de eso, el comportamiento se estabilizó.
El caso que nos convenció fue un intento de suplantación en videollamada: la sincronización labial no cerraba con el audio. El sistema lo marcó antes de que el analista lo notara. No es infalible, pero cambia el orden de la revisión: primero la señal automática, después el criterio humano.
Integramos la detección de identidad sintética sobre un proceso que ya tenía años. Lo útil fue la trazabilidad: cada rechazo queda con la señal que lo disparó, y eso nos sirvió para auditar sin discusiones internas. La curva de aprendizaje del equipo fue de unas dos semanas.
En préstamos instantáneos el margen de error es mínimo. Lo que valoramos es que el sistema distingue entre una foto de pantalla y una persona real sin pedir gestos raros al cliente. Aun así, seguimos revisando manualmente los montos altos: la automatización no reemplaza el criterio en operaciones sensibles.
Equipos de riesgo, compliance y producto que ya operan con detección de vida en producción cuentan qué cambió en su día a día: menos revisiones manuales, umbrales calibrados por tipo de operación y menos disputas cuando un cliente legítimo es rechazado por error.
Los detectores de suplantación no se prueban en un laboratorio aislado. Cada versión del motor de Liveness Detection pasa por mesas de trabajo con entidades financieras, laboratorios de identidad y equipos de riesgo que aportan casos reales de intentos de fraude con identidad sintética y videodepfake en vivo.
Entidades que abren cuentas de forma remota y necesitan separar a un cliente real de una reproducción sintética en el momento del alta. Aportan grabaciones anonimizadas de intentos fallidos y nos obligan a calibrar el umbral por tipo de operación.
Plataformas que integran nuestra capa de detección dentro de sus flujos de validación. Trabajamos sobre latencia, formatos de respuesta y trazabilidad para que el rechazo o la aprobación quede auditable ante el regulador.
Grupos que estudian artefactos de compresión, desincronización labial y coherencia temporal en vídeo manipulado. Sus hallazgos alimentan las señales pasivas que corren en segundo plano durante la videollamada.
Analistas que revisan alertas manualmente cuando el sistema no alcanza certeza suficiente. Con ellos definimos qué señales se muestran al revisor y cuáles se reservan para no revelar el criterio de decisión.
Firmas que auditan que el proceso de validación cumpla con las exigencias locales de identificación de clientes. Revisan registros, versiones del modelo y criterios de conservación de evidencia.
Los acuerdos se documentan por escrito y las pruebas se ejecutan bajo entornos controlados. No publicamos nombres de clientes ni cifras de efectividad sin autorización expresa de cada contraparte.