Un cliente presenta un número de Seguro Social válido, supera una verificación en una base de datos y entrega un documento de identidad convincente. Todo parece normal, excepto que la persona que solicita la cuenta en realidad no existe.

Ese es el desafío que el fraude de identidad sintética plantea a los bancos. En lugar de suplantar a una sola víctima, los delincuentes combinan información personal auténtica con nombres, direcciones, números telefónicos o fechas de nacimiento inventados para crear una nueva identidad. La Reserva Federal define este delito como el uso de una combinación de información de identificación personal para fabricar una persona o entidad con fines deshonestos o financieros.

Los esquemas de identidad sintética pueden permanecer ocultos durante meses o años. Los defraudadores pueden realizar pagos pequeños, establecer un historial crediticio creíble y calificar gradualmente para límites más altos antes de agotar las cuentas disponibles y desaparecer. Como ninguna víctima convencional de robo de identidad denuncia inmediatamente el delito, la pérdida resultante puede registrarse como deuda incobrable ordinaria.

La exposición financiera está aumentando. TransUnion estimó que la exposición al fraude de identidad sintética en cuentas abiertas de tarjetas de crédito, tarjetas comerciales, préstamos para autos y préstamos personales en Estados Unidos alcanzó los $3.3 mil millones a finales de 2024. Deloitte espera que el fraude de identidad sintética genere al menos $23 mil millones en pérdidas para 2030.

La IA generativa está haciendo que la amenaza sea más difícil de contener, al ayudar a los delincuentes a producir documentos falsificados, fotografías de perfil realistas, videos deepfake y miles de personas ficticias coherentes. Ningún producto puede abordar todos los aspectos del problema. Los bancos necesitan cada vez más varias capas que trabajen en conjunto, incluidos grafos de identidad, biometría conductual, inteligencia de dispositivos, análisis de documentos, conexiones de red y monitoreo continuo de transacciones.

Las siguientes plataformas destacan por su capacidad para combinar esas señales en decisiones de fraude en tiempo real.

Socure Sigma Synthetic Fraud

Sigma Synthetic Fraud de Socure es uno de los productos diseñados específicamente para este mercado. En lugar de tratar como sospechoso a todo solicitante con un historial crediticio limitado, el modelo está diseñado para distinguir entre consumidores legítimos con expedientes crediticios reducidos o recién llegados al país e identidades manipuladas y fabricadas.

Analiza las relaciones entre nombres, direcciones, números telefónicos, cuentas de correo electrónico, dispositivos, direcciones IP, patrones de velocidad y registros de identidad más amplios, tanto en línea como fuera de línea. Socure afirma que su modelo más reciente es utilizado por los cinco bancos más grandes de Estados Unidos, además de importantes emisores de tarjetas y cientos de empresas fintech.

La plataforma también puede combinarse con verificación de documentos, análisis conductual e inteligencia de dispositivos mediante el conjunto más amplio de soluciones de identidad de Socure. Esto puede ayudar a los bancos a obtener un puntaje de riesgo específico para identidades sintéticas sin generar fricciones innecesarias para consumidores jóvenes o solicitantes con historiales crediticios convencionales limitados.

SentiLink Synthetic Fraud Score

SentiLink ha construido su reputación en torno a la detección de identidades sintéticas durante el proceso de solicitud. Su Synthetic Fraud Score estima la probabilidad de que el nombre, la fecha de nacimiento y el número de Seguro Social de un solicitante no pertenezcan a una misma persona coherente.

La empresa distingue entre identidades manipuladas, en las que alguien puede usar su nombre real junto con el número de identificación de otra persona, e identidades completamente fabricadas por redes organizadas de fraude. Los puntajes de aprendizaje automático se complementan con indicadores explicables que ayudan a los investigadores a examinar problemas como relaciones sospechosas entre números de Seguro Social, historiales telefónicos inusuales y elementos de identidad que no coinciden.

El informe de fraude de SentiLink correspondiente a la segunda mitad de 2025 se basó en más de 236 millones de solicitudes de apertura de cuentas. La empresa afirmó prestar servicio a once de los quince bancos más grandes de Estados Unidos. Esa escala permite que sus modelos detecten ataques coordinados que podrían parecer insignificantes en los registros de una sola institución.

Alloy Fraud Platform

Alloy aborda la detección de identidades sintéticas como un problema de orquestación de decisiones. Los bancos suelen obtener datos de identidad, verificaciones de documentos, herramientas para dispositivos y puntajes de fraude de múltiples proveedores, solo para descubrir que los sistemas no se comunican de manera eficaz. Alloy reúne esas señales en flujos configurables de incorporación y monitoreo de cuentas.

Su Fraud Signal utiliza aprendizaje automático entrenado con patrones agregados de comportamiento y riesgo en una red de más de 900 instituciones financieras y empresas fintech. La plataforma puede combinar información de cientos de servicios de datos, aplicar el nivel de tolerancia al riesgo del propio banco y activar una verificación más estricta cuando una solicitud supera un umbral definido.

Esa flexibilidad es importante para detectar identidades sintéticas, porque la señal de alerta rara vez es un único documento evidentemente fraudulento. Con mayor frecuencia, consiste en una colección de pequeñas inconsistencias relacionadas con la información de contacto, los dispositivos, las direcciones y los historiales de solicitudes. Alloy está diseñado para convertir esas pistas dispersas en una decisión coordinada.

Sardine

Sardine combina la verificación de identidad con inteligencia de dispositivos, biometría conductual, datos de consorcios y análisis de grafos. Su tecnología puede examinar más que la información introducida en una solicitud, incluido cómo se completó, si un dispositivo ha aparecido en otra parte de la red y si identidades supuestamente no relacionadas comparten conexiones técnicas ocultas.

El Connections Graph de Sardine es especialmente relevante para los bancos que enfrentan fraude sintético organizado, ya que puede identificar grupos de cuentas vinculadas mediante dispositivos, comercios, direcciones o patrones de transacciones comunes. Su agente Graph Analyst está diseñado para investigar esas relaciones y revelar abusos coordinados que una solución convencional enfocada en un solo punto podría pasar por alto.

Sardine también extiende las señales de riesgo más allá de la incorporación, hacia los flujos de monitoreo de transacciones y prevención de lavado de dinero. Esta visión del ciclo de vida puede ayudar a los bancos a identificar cuentas sintéticas que inicialmente se comportan con normalidad, pero que después comienzan a recibir transferencias sospechosas, mover dinero rápidamente u operar como parte de una red de mulas financieras.

Feedzai

Feedzai conecta la evaluación de identidad durante la apertura de una cuenta con el monitoreo continuo de pagos y comportamiento. Su capacidad Secure Onboarding puede orquestar distintas señales de riesgo mediante una sola interfaz y conservar el perfil de riesgo resultante después de aprobar al solicitante.

Esa continuidad es importante porque una identidad sintética puede superar la verificación inicial y pasar meses construyendo un historial creíble antes de intentar vaciar las cuentas. Feedzai puede monitorear las características del dispositivo, los cambios de comportamiento y las transacciones durante todo ese periodo, en lugar de considerar la incorporación como la decisión final sobre la identidad.

La empresa afirma que sus productos de identidad están diseñados para prevenir el fraude sintético, la suplantación y la toma de control de cuentas durante todo el ciclo de vida del cliente. Feedzai también informó en su encuesta global a profesionales de delitos financieros que el 90% de las instituciones financieras participantes ya utilizaba IA para acelerar investigaciones o detectar nuevas tácticas de fraude. El dato ilustra el papel cada vez más central del análisis automatizado en las defensas bancarias modernas.

TransUnion TruValidate Synthetic Fraud Model

El TruValidate Synthetic Fraud Model de TransUnion aprovecha la posición de la empresa en la intersección entre historiales crediticios, registros de identidad e inteligencia de riesgo digital. El producto está diseñado para identificar identidades sintéticas y, al mismo tiempo, limitar el rechazo de solicitantes legítimos.

TruValidate puede combinar información de identidad fuera de línea con huellas de navegación, datos de redes telefónicas, identidad del dispositivo y otras señales digitales mediante un grafo de identidad. Esto permite que un banco evalúe no solo si existe un número de Seguro Social, sino también si la identidad completa parece haberse desarrollado de forma natural con el tiempo.

La investigación de TransUnion concluyó que la exposición de los prestamistas estadounidenses vinculada a identidades sintéticas alcanzó un nivel récord, con una exposición en cuentas abiertas de aproximadamente $3.3 mil millones a finales de 2024. Por ello, la tecnología puede respaldar tanto la evaluación inicial como el monitoreo de carteras, ayudando a los prestamistas a identificar identidades que solo se vuelven sospechosas después de haber otorgado crédito.

LexisNexis Fraud Intelligence Synthetic Score

LexisNexis Risk Solutions utiliza información pública, propia y de distintos sectores para identificar combinaciones de elementos de identidad que no tienen sentido cuando se observan en conjunto. Su Fraud Intelligence Synthetic Score evalúa más de 170 características de identidad y acontecimientos de vida, buscando inconsistencias relacionadas con números de Seguro Social, nombres, direcciones de correo electrónico, números telefónicos y otros atributos.

El resultado se entrega como un puntaje de riesgo de tres dígitos acompañado de códigos de alerta clasificados por prioridad, lo que proporciona a los investigadores más contexto que una simple respuesta de aprobación o rechazo. Según LexisNexis, el modelo puede detectar indicadores como una existencia inusualmente reciente en los burós de crédito, campos de contacto saturados y elementos de identidad que aparecen con una velocidad sospechosa.

El puntaje está disponible mediante una API, procesamiento por lotes o la plataforma de decisiones de la empresa. Por lo tanto, los bancos pueden integrarlo en sus sistemas de incorporación existentes sin reconstruir toda su infraestructura contra el fraude.

Experian Precise ID

Precise ID de Experian combina verificación de identidad, análisis de fraude y autenticación escalonada al momento de abrir una cuenta. Sus modelos están diseñados para detectar robo de identidad, incumplimiento del primer pago, comportamiento de vaciado de cuentas y fraude de identidad sintética, al tiempo que ayudan a los bancos a aprobar automáticamente a los clientes genuinos.

Experian utiliza consultas crediticias entre prestamistas, información demográfica y un grafo de identidad que muestra cómo se han conectado y reutilizado los datos personales a lo largo del tiempo. Esas conexiones pueden revelar que un mismo número telefónico, dirección o número de Seguro Social ha aparecido en múltiples identidades o solicitudes.

Experian afirma que nueve de los diez bancos más grandes de Estados Unidos utilizan los servicios de Precise ID y que la plataforma procesa cientos de millones de transacciones al año. Los bancos pueden implementar el producto directamente o acceder a él mediante los entornos Ascend y CrossCore de Experian, lo que lo convierte en una opción para instituciones que ya dependen de los datos de Experian para sus decisiones crediticias y de clientes.

BioCatch Connect

BioCatch busca evidencias de fraude en la forma en que una persona interactúa con una aplicación bancaria. Su inteligencia conductual puede analizar patrones de escritura, movimientos del mouse, actividad en pantallas táctiles, hábitos de navegación, características del dispositivo y señales de sesiones automatizadas o controladas de forma remota.

Esto proporciona otra línea de defensa cuando una identidad sintética está respaldada por documentos e información personal que parecen técnicamente válidos. BioCatch Connect combina telemetría en tiempo real con inteligencia predictiva y miles de señales de aplicaciones, redes, dispositivos y transacciones.

La plataforma está diseñada para detectar fraude en la apertura de cuentas, actividad de bots, toma de control de cuentas y cuentas mula durante todo el recorrido del cliente. BioCatch afirma que su tecnología es utilizada por más de 350 bancos minoristas y analiza miles de millones de sesiones de usuarios cada mes.

La biometría conductual quizá no demuestre por sí sola que una identidad existe. Sin embargo, puede revelar cuándo el solicitante detrás de un paquete de identidad pulido se comporta como un operador de bots, una granja de fraude o un delincuente reincidente.

Mitek Verified Identity Platform

La Verified Identity Platform de Mitek, conocida comúnmente como MiVIP, se centra en una garantía de identidad por capas mediante validación de datos, autenticación de documentos, biometría, inteligencia de riesgo y evaluación contra el lavado de dinero. Los bancos pueden configurar diferentes procesos de verificación según el producto, el cliente y el nivel de riesgo involucrado.

Sus capacidades impulsadas por IA buscan identificar la manipulación de documentos, deepfakes y otros contenidos sintéticos utilizados cada vez más durante la incorporación remota. Mitek también permite la autenticación continua después de abrir una cuenta, lo que permite a los bancos reutilizar información biométrica verificada para iniciar sesión o aprobar transacciones.

Una investigación publicada por Mitek y Datos Insights en 2026 concluyó que el 84% de los ejecutivos de fraude encuestados consideraba el fraude de identidad sintética un riesgo de solicitud alto o moderado. La misma investigación estimó en aproximadamente $2.94 mil millones las pérdidas crediticias no garantizadas en Estados Unidos asociadas con identidades sintéticas en 2025. Los resultados refuerzan la necesidad de pasar de verificaciones de identidad puntuales a una garantía continua.

Los bancos necesitan capas, no un solo puntaje

La plataforma más adecuada para un banco depende de dónde sean más débiles sus defensas actuales. Un prestamista que tenga dificultades para distinguir entre consumidores con expedientes crediticios reducidos e identidades fabricadas puede priorizar Socure, SentiLink, TransUnion o LexisNexis. Una institución que trabaje con demasiados proveedores desconectados podría beneficiarse más del modelo de orquestación de Alloy.

Los bancos que enfrentan granjas de bots, grupos coordinados de cuentas o redes sintéticas de mulas financieras pueden dar mayor importancia a Sardine, Feedzai o BioCatch. Experian y Mitek ofrecen combinaciones de datos de identidad, análisis de documentos y verificación escalonada.

La lección general es que el fraude de identidad sintética no puede abordarse comprobando si cada dato individual es válido. Un número de Seguro Social real, una dirección entregable y una selfie convincente aún pueden pertenecer a una persona fabricada por una red de fraude.

Los bancos deben evaluar si una identidad tiene un historial creíble, si su comportamiento digital parece humano, si sus componentes presentan relaciones sospechosas y si su actividad se mantiene constante después de la incorporación. La IA está facilitando la creación de identidades sintéticas, pero también está proporcionando a las instituciones financieras herramientas para conectar esas pistas antes de que un cliente ficticio se convierta en una pérdida real.