NatusAI
Una investigadora de delitos financieros y su responsable de equipo revisan en pantalla una red de transacciones
  1. Inicio
  2. Casos de uso
  3. Banca y servicios financieros
Banca · Detección de fraude y cumplimiento normativoImplementado · resultado de cliente

Un gran banco europeo

Analítica de fraude y cumplimiento en banca: de consultas de 3 días al tiempo real

La detección y la analítica del fraude pasaron de un proceso de consultas de 3 días a inteligencia en tiempo real sobre millones de transacciones diarias.

Hablar de un proyecto similar
3 días → <1 s

tiempo de consulta de relaciones complejas

85 %

mejora en la detección de fraude, según los datos comunicados por el banco

70 %

más productividad

Resumen ejecutivo: analítica de fraude y cumplimiento normativo

Cliente
Un gran banco europeo
Sector
Banca y servicios financieros
Escala
Millones de transacciones al día
Alcance
Detección de fraude, informes de cumplimiento normativo, análisis documental

Contexto, decisión, resultado

  • Contexto. Las consultas complejas a la base de datos tardaban 3 días hábiles, así que detectar el fraude en tiempo real era imposible. Los datos aislados por departamentos impedían una visión 360° del cliente, y el personal dedicaba horas a extraer datos de forma repetitiva.
  • Decisión. Rediseñar la arquitectura en torno a las relaciones: una capa de datos en grafo de alto rendimiento que conecta los departamentos, detección de anomalías con aprendizaje automático y un flujo de procesamiento en tiempo real para millones de transacciones diarias. Los investigadores conservan todo el contexto de cada alerta.
  • Resultado. Respuestas en menos de un segundo a consultas de relaciones complejas que antes tardaban 3 días. Un 85 % de mejora en la detección de fraude (según los datos del banco), informes de cumplimiento un 80 % más rápidos, un 70 % más de productividad y un 42 % más de satisfacción del cliente.
  • Tiempo hasta obtener valor. El personal del banco recibió sesiones de formación y documentación técnica, construidas en torno a las preguntas que los investigadores ya se hacían.
El reto

El reto para los equipos de fraude y cumplimiento normativo

En banca, la respuesta útil depende de las relaciones: entre cuentas, transacciones, documentos, clientes y eventos. En este banco, esas relaciones estaban repartidas entre sistemas departamentales, y las consultas complejas tardaban 3 días hábiles.

Los retrasos afectaban a las investigaciones, a los informes y a cualquier decisión que necesitara una visión conectada. Cuando los datos por fin cuadraban, la ventana de decisión a menudo ya se había cerrado, y las decisiones lentas aumentaban la exposición al fraude.

Cómo se hizo el trabajo

El recorrido: de consultas de 3 días a la investigación en tiempo real

El cuello de botella estaba en las relaciones, no en las personas ni en el hardware.

  1. Paso 01 · Analizar

    Cómo diagnosticamos los cuellos de botella

    Trazamos el recorrido desde el procesamiento de transacciones hasta la detección de fraude y los informes de cumplimiento, y seguimos los flujos de datos entre departamentos.

    Buscamos silos, tareas de extracción repetidas y las relaciones que los equipos necesitaban ver juntas. Así centramos el primer cambio en las preguntas en las que los datos conectados liberarían más capacidad.

    Ejecución Fase de diagnóstico realizada por nuestro equipo.

  2. Paso 02 · Diseñar y transformar

    Cómo construimos un modelo de datos pensado para investigar

    Diseñamos una arquitectura de base de datos en grafo de alto rendimiento, optimizada para consultas de relaciones complejas, y organizamos los datos de relaciones en una estructura adecuada para la investigación.

    Entrenamos modelos de aprendizaje automático para el reconocimiento de patrones y la detección de anomalías en los datos de transacciones, y construimos un flujo de procesamiento en tiempo real para millones de transacciones diarias.

    Una capa de datos unificada conectó los departamentos en torno a una visión compartida, con el contexto operativo y los controles de acceso integrados en el diseño.

    Productos NatusAI para esta capacidad

    Representación abstracta de un grafo versionado en el tiempo en el que las relaciones conservan su historial
    Cada transacción y cada relación se conservan con su historial, de modo que un patrón puede seguirse a lo largo del tiempo.
Representación abstracta de una imagen operativa en la que alertas, transacciones y su historial están conectados
Los datos conectados convierten el riesgo de fraude en algo que el consejo puede debatir con evidencias.
  1. Paso 03 · Construir

    Lo que construimos

    Un motor de detección de fraude en tiempo real con supervisión de transacciones en vivo, alertas inmediatas y puntuación automática del riesgo. Los investigadores ven la actividad, el patrón de riesgo y su contexto.

    Una plataforma de análisis documental con interfaz de consulta en lenguaje natural, capaz de procesar millones de documentos en segundos, para que los analistas puedan plantear preguntas sobre colecciones de documentos aprobadas.

    Integración de datos de cliente en 360 grados, con acceso interdepartamental y herramientas de colaboración.

    Productos NatusAI para esta capacidad

  2. Paso 04 · Adoptar

    Cómo lo adoptaron los equipos

    Sesiones de formación y documentación técnica para el personal del banco, construidas en torno a las preguntas que investigadores y analistas ya se hacían, con el contexto necesario para revisar un resultado en lugar de aceptar una respuesta opaca.

    Productos NatusAI para esta capacidad

Proyecto ejecutado por el equipo de NatusAI. Las etiquetas de producto indican qué producto de NatusAI aporta cada capacidad, o está previsto que la aporte; el estado de cada versión figura en «Para su equipo técnico».

Investigadores de delitos financieros revisan juntos tablas de transacciones y un diagrama de relaciones (imagen ilustrativa)
Imagen ilustrativa.
El factor humano

Qué cambió para los equipos de riesgos, fraude y cumplimiento

Menos espera entre la pregunta y la decisión, y más tiempo para el criterio profesional.

  • Investigadores de fraude. Las alertas llegan en tiempo real con el grafo y el historial que las respaldan, de modo que un patrón puede seguirse salto a salto y explicarse.

  • Equipos de cumplimiento normativo. Los informes son un 80 % más rápidos, porque los datos ya están conectados y las preguntas sobre documentos pueden formularse en lenguaje natural.

  • Personal de atención al cliente. Una visión 360 grados del cliente entre departamentos. La satisfacción del cliente subió un 42 %.

Resultados medibles que importan

El impacto: analítica de fraude y cumplimiento en tiempo real

3 días → <1 s

consultas de relaciones complejas, de 3 días hábiles a menos de un segundo

85 %

mejora en la detección de fraude, según los datos comunicados por el banco

70 %

más productividad

80 %

más rapidez en los informes de cumplimiento normativo

42 %

más satisfacción del cliente

98 %

de precisión en el análisis documental según los datos del banco, sobre millones de documentos al mes

Cifras comunicadas por el cliente al cierre del proyecto.

Datos financieros e investigación

Hacia dónde puede ir la misma base

En la mayoría de los bancos, el libro mayor, el motor antifraude, el modelo de riesgo y el registro de auditoría viven en sistemas distintos, unidos por procesos por lotes nocturnos. Una base conectada y con dimensión temporal permite decidir, detectar y prever sobre datos en vivo.

Escenario de referencia

Decisiones de crédito inmediatas

El problema
Conceder un préstamo o un límite obliga a reunir el historial del solicitante y su red de obligaciones, normalmente con un cruce lento entre sistemas.
El enfoque
Todo el historial de transacciones y la red de contrapartes están en un mismo lugar. Un modelo de puntuación los evalúa y devuelve la aprobación o el rechazo en instantes.
El resultado
Decisiones de crédito en tiempo real en el punto de venta o en la aplicación, respaldadas por los datos exactos con los que se tomaron.
Escenario de referencia

Detección de fraude y prevención del blanqueo de capitales (PBC/FT)

El problema
El fraude y el blanqueo de capitales (lavado de dinero) se manifiestan como patrones en el tiempo, como redes, cadenas de mulas y ráfagas repentinas, que los controles registro a registro no detectan.
El enfoque
Siga el dinero salto a salto, detecte flujos circulares y picos de velocidad, y puntúe las anomalías a medida que se producen las transacciones.
El resultado
Patrones sospechosos señalados en tiempo real, con toda la red y el historial a mano para investigarlos y explicarlos.
Escenario de referencia

Saldos y liquidez

El problema
El área de tesorería también necesita los saldos de mañana, pero las previsiones viven en hojas de cálculo desconectadas del libro mayor en vivo.
El enfoque
Prevea el saldo de cada cuenta y agréguelo a nivel de sucursal y de todo el banco; después, someta los escenarios a pruebas de estrés con los mismos datos.
El resultado
Una liquidez prospectiva sobre la que planificar, actualizada de forma continua y no una vez al mes.

«¿Cómo era esta exposición el 30 de junio?» Cada transacción y cada relación se conservan con su historial, de modo que auditoría, cumplimiento y backtesting trabajan con los mismos datos que las decisiones en vivo.

Escenarios de referencia para banca, seguros y pagos; ilustrativos, no son resultados de clientes de NatusAI. La concesión de crédito y la calificación crediticia pueden ser de alto riesgo según el anexo III del Reglamento Europeo de IA. Consulte la gobernanza más abajo.

Transferibilidad

Qué significa para bancos, aseguradoras y entidades de pago

Los bancos, aseguradoras y entidades de pago que aún dependen de la conciliación por lotes pueden aplicar el mismo enfoque, empezando por una línea de investigación: una red de fraude, un patrón de siniestros o un informe de cumplimiento.

Empiece por la pregunta que más tarda en responderse.

Una línea de investigación, un conjunto de relaciones a la vista y una medición del antes y el después.

La explicabilidad nace del contexto.

Cuando los investigadores ven la red y el historial que hay detrás de una alerta, pueden defender la decisión ante el supervisor.

Mantenga los datos donde lo pide la normativa.

Grafo, historial y analítica pueden funcionar como un único sistema en la infraestructura propia del banco.

Normativa

Pensado para la gobernanza de DORA, PBC/FT, Solvencia II y el Reglamento Europeo de IA

Las entidades financieras deben poder explicar, reproducir y salir. La arquitectura mantiene a una persona responsable de cada decisión relevante, conserva el historial necesario para reconstruirla y puede ejecutarse dentro del perímetro del propio banco.

  • DORA (aplicable desde el 17 de enero de 2025): despliegue en sus instalaciones o en la UE, estrategia de salida documentada, información para su registro de acuerdos con terceros proveedores de TIC, evidencias de recuperación (recuperación verificada, NatusAI Gemini, en la hoja de ruta)
  • PBC/FT y supervisión de delitos financieros: alertas vinculadas a las transacciones, contrapartes e historial que las originan, para investigaciones explicables
  • Reglamento Europeo de IA (RIA): la evaluación de la solvencia de personas físicas es un uso de alto riesgo del anexo III, con obligaciones independientes para sistemas de alto riesgo previstas a partir del 2 de diciembre de 2027 (a falta de la adopción definitiva). La supervisión humana, el registro y la documentación de gobernanza de datos ayudan a cumplir las obligaciones del responsable del despliegue
  • Solvencia II / EIOPA (aseguradoras): los mismos controles (supervisión humana, registro, flujos de datos documentados y un plan de salida documentado) aportan a las aseguradoras la documentación que piden sus revisiones del sistema de gobernanza y de externalización. DORA se aplica a las aseguradoras igual que a los bancos
  • RGPD: tratamiento dentro del entorno del banco, flujos de datos documentados
  • Riesgo de modelo: documentación para apoyar su validación interna (p. ej., SR 11-7 / OSFI E-22 para entidades de EE. UU. y Canadá)

NatusAI le ayuda a cumplir sus obligaciones; no sustituye su análisis jurídico ni la autorización del supervisor. Cómo apoya NatusAI la gobernanza del RIA, el RGPD, DORA y NIS2

Un grafo de conocimiento conectado: respuestas trazables hasta sus hechos y relaciones
Para su equipo técnico
  • Arquitectura implementada: una base de datos en grafo de alto rendimiento para consultas de relaciones, detección de anomalías con aprendizaje automático sobre datos de transacciones, un flujo de procesamiento en tiempo real (millones de transacciones al día), una capa de datos unificada entre departamentos y un sistema multiagente de análisis documental con interfaz de consulta en lenguaje natural.
  • Patrón del motor de referencia: las transacciones se indexan al llegar como aristas versionadas entre nodos de cuenta, cliente y contraparte. Grafo, series temporales y aprendizaje automático en un solo motor. Consultas a cualquier fecha y hora pasada. Un único binario autoalojado.
  • Correspondencia con la plataforma: NatusAI Cygnus (V1 prevista), NatusAI Auriga (Hoja de ruta), NatusAI Aquila (Hoja de ruta), NatusAI Orion (Hoja de ruta), NatusAI Lyra (Disponible).
Preguntas

Preguntas de la dirección de riesgos y de responsables de delitos financieros

Velocidad, explicabilidad, despliegue y efectos más amplios.

¿Cuánto pueden acelerarse las consultas de relaciones complejas?

En este banco, consultas complejas que tardaban 3 días hábiles se respondieron en menos de un segundo, mientras el sistema gestionaba millones de transacciones al día.

¿Pueden los investigadores explicar una alerta generada por IA?

Sí. Cada alerta llega con las transacciones, contrapartes e historial que la respaldan, de modo que los investigadores revisan el contexto en lugar de aceptar una puntuación opaca.

¿Puede ejecutarse en nuestras propias instalaciones?

Sí. La arquitectura puede funcionar como un único sistema autoalojado en la infraestructura propia del banco.

¿El mismo enfoque sirve para aseguradoras?

Sí. El caso se ejecutó en un banco, y el patrón es aplicable allí donde las respuestas sobre fraude, siniestros o cumplimiento dependen de relaciones e historial. Los mismos controles respaldan la documentación de gobernanza que las aseguradoras preparan conforme a Solvencia II y DORA; NatusAI no certifica el cumplimiento.

¿Qué más mejoró, además de la detección de fraude?

Los informes de cumplimiento normativo se aceleraron un 80 %, la productividad subió un 70 % y la satisfacción del cliente un 42 %, gracias a una visión 360 grados del cliente entre departamentos.

Resultados de clientes
Hablar de un proyecto similar

¿Qué pregunta sobre datos conectados tarda demasiado hoy?

Empiece por una línea de investigación y haga visibles sus relaciones. En 30 minutos le explicaremos cómo mediríamos el cambio y cómo encaja en su marco de DORA y de riesgo de modelo.

  • Empiece con una fase de diagnóstico acotada que termina en una decisión clara de seguir o no seguir.
  • Tras una primera reunión, se pueden organizar conversaciones de referencia sobre este caso bajo NDA.
Hablar de un proyecto similarTodos los casos de uso

O escríbanos a contact@natusai.com

Un pequeño equipo directivo revisa en una sala de reuniones un resumen de resultados de una página (imagen ilustrativa)