Money20/20 USA 2026: conclusiones y tendencias emergentes para equipos de riesgo

Money20/20 USA 2026 se celebró del 18 al 21 de octubre en The Venetian, en Las Vegas. Para los equipos de riesgo, este año destacaron cuatro tendencias: una identidad que ahora debe abarcar tanto a personas como a agentes de IA, la inclusión tratada como un requisito de diseño, la IA en ambos lados del fraude y el scoring de riesgo que se traslada a nuevos rieles de pago antes de que se mueva el dinero.

Veamos cada una con más detalle.

La identidad ahora debe cubrir a personas y a agentes de IA

La identidad marcó el tono del evento desde la primera noche. En la keynote de Sunday Night Live, Alex Blania, CEO de Tools for Humanity, afirmó que cada vez será más necesario saber si se está tratando con una persona o con una IA. Al día siguiente, World lanzó World ID para banca y finanzas, un conjunto de herramientas pensado para ayudar a los bancos a prevenir el fraude con deepfakes y la suplantación de identidad mediante IA en cuentas de clientes, flujos de trabajo de empleados y agentes de IA. En el Exchange Stage, Enrique Lores, CEO de PayPal, planteó la misma idea desde la perspectiva de los pagos: "La confianza fue muy importante cuando empezó el comercio electrónico. Será aún más importante en un mundo de agentes de IA".

La conversación más práctica para los equipos de fraude tuvo lugar en un panel del lunes sobre cómo los bancos verifican a los agentes de IA. Amir Sarhangi, CEO de Skyfire, explicó que bancos y comercios ven cómo sus señales de fraude se distorsionan: un agente puede mostrar direcciones IP de tres ubicaciones distintas, que normalmente es una de las señales de fraude más claras, mientras actúa de forma legítima en nombre de un cliente real. Su conclusión fue que la industria necesita nuevas señales de fraude dentro de la infraestructura de seguridad web actual. En otro panel, American Express presentó Intent Intelligence, un marco que permite a los emisores recibir la intención de compra autorizada por el cliente antes de que un agente complete la transacción.

Para los equipos de riesgo, esto cambia la forma de leer cada señal. Una discrepancia de ubicación o un indicador de automatización, por sí solos, ya no apuntan a fraude si un agente legítimo puede estar actuando en nombre del cliente. Lo que decide es el contexto: desde qué dispositivo y entorno llega la sesión, y si su comportamiento encaja con el patrón de ese cliente. Ese contexto también debe construirse sin recopilar más datos personales de los que requiere la decisión.

La inclusión pasó a ser un requisito de diseño, no un tema secundario

Uno de los cuatro pilares del programa, "Technology as the Great Equalizer" (la tecnología como gran igualador), agrupó la IA agéntica, la predicción de fraude con IA y la identidad digital. En una conversación con Tracey Davies, presidenta de Money20/20, Fereshteh Forough, fundadora y directora ejecutiva de Code to Inspire, sostuvo que los productos deben diseñarse desde el inicio para personas subbancarizadas o con acceso limitado a servicios financieros, en lugar de adaptarse para ellas después.

Para los prestamistas, la inclusión es tanto una cuestión de riesgo como una cuestión social. Los solicitantes con poco o ningún historial crediticio son difíciles de evaluar solo con los datos de la solicitud, y un rechazo automático a menudo refleja datos faltantes más que un riesgo real. Las señales de dispositivo y de comportamiento recopiladas durante la sesión en línea pueden usarse como variables adicionales junto con los datos del buró de crédito, y su mayor aporte al poder de discriminación se da en prestatarios con poco historial crediticio. Cómo se combinan estas señales en la práctica se explica en cómo las nuevas señales digitales ayudan a los modelos a gestionar el riesgo.

La IA está en ambos lados del fraude, a distintas velocidades

"La tecnología avanzó en ambos lados", dijo Mandy DeFilippo, CEO de Standard Chartered para Estados Unidos y las Américas, Europa, Medio Oriente y África. Señaló que la misma tecnología que impulsa la innovación también les da herramientas a los actores maliciosos, por lo que los controles de los bancos deben evolucionar igual de rápido. Takis Georgakopoulos, CEO de Fiserv, planteó una idea relacionada desde la perspectiva operativa: la mayor oportunidad para los bancos está en cómo la IA transforma los procesos internos, no solo la interacción con los clientes.

La agenda reflejó ambos lados: una sesión del martes sobre cómo combatir el fraude de un atacante que usa IA se celebró en el mismo escenario y la misma mañana que otra sobre cómo una IA explicable superó una auditoría. El ritmo es distinto. Los defraudadores pueden usar herramientas de LLM de acceso público para automatizar el phishing y escribir guiones de ingeniería social a un costo bajo por cada intento fallido. Los equipos de riesgo deben explicar cada decisión, validarla más de una vez y responder en menos de un segundo en entornos de alta carga.

Por ahora, esto apunta a los LLM como herramientas para analistas: consolidar casos durante las investigaciones, analizar nuevos esquemas y redactar informes. Las decisiones siguen basándose en variables estructuradas y explicables que pueden probarse y auditarse. Los límites se detallan en nuestra perspectiva sobre los LLM en la prevención de fraude y la gestión de riesgos.

El scoring de riesgo se traslada a nuevos rieles de pago, antes de que se mueva el dinero

Los nuevos rieles de pago estuvieron presentes durante todo el evento, y los controles de fraude avanzaron con ellos. Mastercard aprovechó el evento para lanzar Stablecoin Security, una API que evalúa el riesgo de fraude, estafa y sanciones de los pagos con stablecoins antes de que los fondos se muevan on-chain. El FedNow Innovation Studio de la Reserva Federal presentó demos de pagos con código QR, acceso al salario devengado, transacciones inmobiliarias y pagos empresariales, según Federal Reserve Financial Services. En un panel sobre stablecoins, Alex Garn, director de producto de Borderless, sostuvo que el fraude y el riesgo necesitan un marco aplicado a todo el sistema, en lugar de quedar en manos de cada banco por separado.

A medida que la liquidación se acelera en todos los rieles, hay menos tiempo para detener una transacción indebida una vez iniciada. Por eso, una parte mayor de la decisión de riesgo se traslada a la sesión previa a la transacción.

¿Le resultó útil? Reciba el próximo artículo en su bandeja de entrada

El próximo artículo sobre inteligencia de dispositivos, prevención de fraude y riesgo ya está en camino. Suscríbase a nuestro boletín para no perdérselo.