Decisiones explicables, no cajas negras
Cada alerta generada por el sistema llega con las señales que la activaron: dispositivo, huella biométrica, historial de la cuenta receptora y velocidad de dispersión posterior. Un analista puede revisar el motivo en segundos y dejar constancia de su criterio. Si un modelo no puede justificar por qué bloqueó una operación, no entra en producción.
Umbrales calibrados por segmento
Una cuenta nómina con diez años de antigüedad no se comporta como una cuenta abierta hace tres semanas. Ajustamos los umbrales por tipo de cliente, antigüedad y volumen habitual, porque un mismo modelo con la misma configuración produce falsos positivos muy distintos en banca retail y en banca corporativa.
Evaluación en la ventana real de la ordenación
No medimos el rendimiento al cierre del día. Medimos en el momento en que se ordena la transferencia, con datos incompletos y con la presión de no frenar operaciones legítimas. Esa ventana de milisegundos es la única que importa cuando el dinero está a punto de salir del banco emisor.
Precisión antes que recall
Un modelo con recall alto puede seguir siendo inservible si bloquea cuentas reales. Cada bloqueo erróneo genera una reclamación, un coste operativo y una pérdida de confianza que no aparece en las métricas del modelo. Por eso comparamos curvas de precisión y recall en cada segmento antes de activar cualquier regla.
Revisión humana en el circuito
Las cadenas de perfiles biométricos falsos se activan por turnos: cuando un perfil se quema, otro toma el relevo sin que cambie el titular de la cuenta receptora. El sistema detecta esas transiciones, pero la decisión final de escalar un caso pasa por un analista que conoce el contexto del cliente y puede distinguir un patrón coordinado de una coincidencia.