Cada conversación que tenemos con un banco sobre agentes de IA comienza con una pregunta simple: ¿qué están haciendo realmente los agentes en nuestra plataforma?
La mayoría de los bancos todavía no pueden responder esa pregunta. Carecen de las herramientas necesarias para reconocer la mayor parte de la actividad agéntica en tiempo real.
BioCatch ya es capaz de detectar el tráfico agéntico.
Y pronto, los agentes que inician sesión, consultan saldos y mueven dinero en nombre de clientes reales, dejarán de ser una novedad aislada para los bancos y sus usuarios, y pasarán a representar una parte considerable de todo el tráfico bancario digital.
A medida que esa actividad agéntica siga creciendo, la conversación se dirige naturalmente hacia una pregunta más difícil: ¿de cuáles de estos agentes deberán preocuparse los bancos?
Esa segunda pregunta es donde las cosas se ponen interesantes.
El agente bueno y el agente malo
Un agente bueno es como alguien con una llave: la llave abre una puerta, el portador de la llave abre esa puerta y entra a una habitación donde es bienvenido.
Un agente malo es como alguien que camina por un largo pasillo, probando cada manija de puerta que encuentra hasta dar con una que se abra.
Para los bancos, estas acciones pueden parecer idénticas. Lo que distingue a un agente bueno de uno malo es lo que intenta lograr.
Los mismos ataques, sin las limitaciones humanas
Los defraudadores llevan décadas realizando ingeniería inversa sobre los controles bancarios, desde mucho antes de que aparecieran los agentes. Nada de esa ingeniería inversa es particularmente exótica.
Los defraudadores estudian y ponen a prueba los umbrales de detección que los bancos utilizan para identificar actividad sospechosa, observando qué transacciones tienen éxito y cuáles atraen atención no deseada.
Para mantenerse por debajo de esos límites, dividen sumas grandes en series de transferencias más pequeñas que quedan por debajo de los umbrales que activan las revisiones.
Además, «curan» las cuentas [1], manteniendo a las cuentas mula [2] ocupadas con actividad pequeña y cotidiana durante semanas, de modo que cuando finalmente se mueve dinero real, este se mezcla con un historial ya establecido.
Estas técnicas funcionan, pero hasta hace muy poco eran lentas y manuales, limitadas por el esfuerzo y la paciencia de las personas. Ese cuello de botella es precisamente lo que un agente elimina.
Basta con dirigir un agente hacia algunas cuentas y darle un objetivo para que ejecute ese ciclo por sí solo: probar algo, leer el resultado, ajustar y volver a intentar, convergiendo hacia los umbrales de detección del banco de la misma manera en que el agente resolvería cualquier otro problema.
Los agentes pueden regular su propio ritmo para que su actividad parezca humana, mientras trabajan muchas cuentas a la vez. Un aspecto crucial es que un solo operador humano puede ejecutar múltiples agentes en paralelo a través de cientos de esquemas.
Nada de lo que hacen estos agentes constituye un nuevo tipo de ataque. Son los mismos ataques que los bancos han enfrentado durante años, solo que ahora liberados de las restricciones que antes los mantenían limitados.
Ver a los agentes es el comienzo, no la respuesta
Por eso, «¿esto es un agente?» es solo la primera pregunta. Bloquear a todos los agentes priva a los clientes de la automatización legítima que ya están comenzando a esperar.
Permitir a todos los agentes, abre la puerta a todo lo mencionado anteriormente. Y los agentes que más preocupación merecen, son precisamente los que menos probabilidades tienen de delatarse.
Lo que los bancos necesitan es visibilidad: la capacidad de ver el tráfico agéntico, entender qué está haciendo y descifrar su intención.
Un agente bueno que paga una factura se comporta como alguien que paga una factura. Un agente que silenciosamente está mapeando sus controles, se comporta como alguien que está mapeando sus controles. La intención (lo que el agente intenta lograr) deja señales de comportamiento.
Si bien el comportamiento aporta las señales más importantes, también importa qué herramienta está impulsando la sesión: un asistente de consumo que trabaja para un solo cuentahabiente es muy distinto de una herramienta en la nube que ejecuta sesiones a gran escala.
El dispositivo desde el cual se origina la sesión también aporta un contexto muy necesario. ¿Hemos visto antes a este dispositivo ejecutar un agente? ¿Es un dispositivo ya vinculado a fraude en algún otro punto de la red?
Si bien una sola de esas señales de comportamiento, la identificación de la herramienta en cuestión, o una sola característica de inicio de sesión o de dispositivo, puede no ser suficiente para que el banco reconozca la intención de un agente como maliciosa, el conjunto de todas esas señales, observadas de manera continua a lo largo de una sesión completa de comportamiento agéntico, tiene una mayor probabilidad de revelar la verdadera intención del agente.
Ese nivel de comprensión es lo que permitirá a los bancos diseñar y aplicar políticas de acceso agéntico, decidiendo qué agentes permitir, a cuáles cuestionar y a cuáles bloquear.
La ventana de oportunidad es ahora
En los próximos años, la capacidad de un banco para reconocer y comprender el tráfico agéntico será fundamental para el crecimiento.
Los bancos que aprendan a identificar a un agente, descifrar su intención y decidir si merece acceso, podrán sortear los desafíos de la actividad agéntica sin frenar a sus clientes.
En cada sesión, todo se reduce a la misma pregunta que vale la pena hacerse desde el principio: ¿quién está impulsando la sesión, y se puede confiar en ello?
—
Conclusiones clave:
- La intención es una señal crítica: los bancos deben comprender qué intenta lograr un agente, si su comportamiento se ajusta a un patrón establecido, qué tipo de agente es, qué revela su historial de dispositivo y si está operando dentro de los límites esperados.
- El tráfico agéntico hará que las decisiones sobre fraude sean más complejas: a medida que crezca la adopción, los bancos deberán evaluar simultáneamente a personas y agentes en actividades legítimas, fraudulentas, de estafa y de cuentas mula.
- Los bancos deben desarrollar estas capacidades antes de que aumente el volumen de agentes: las instituciones que desarrollen ahora líneas base de comportamiento de agentes y análisis de intención estarán mejor preparadas para detener a los agentes maliciosos sin afectar a los clientes legítimos ni a sus agentes autorizados.
Recursos:
- Blog: El ataque de OpenAI a Hugging Face: qué significa para los bancos
- Blog: La guerra llegó según lo previsto: INTERPOL confirma el aumento del fraude impulsado por IA agéntica
- Encuesta del sector: El futuro de la confianza digital: los agentes de IA y la velocidad del fraude y el delito financiero
