Hay una forma sensata de llevar herramientas nuevas de inteligencia artificial a la banca. Se prueban a fondo, en una sala controlada y con el regulador mirando, antes de que ningún cliente dependa de ellas. Eso es justo lo que acaba de hacer Ping An Digital Bank en Hong Kong.
El 15 de octubre de 2026, el banco completó la segunda cohorte del Generative AI Sandbox de la Autoridad Monetaria de Hong Kong. Su proyecto fue una plataforma de estrategia antifraude creada para detectar fraudes ligados a falsificaciones profundas, desarrollada con OneConnect Financial Technology. En las pruebas del entorno controlado, el banco informó de una precisión de detección superior al 96 por ciento. Esa cifra procede del propio banco, compartida en su comunicado y recogida por AP News, y merece esa atribución clara. Aun así, como resultado de prueba, es un dato fuerte.
Un entorno de pruebas pensado para avanzar con cuidado
Un sandbox regulatorio suena árido. En la práctica es un invento útil. Los bancos pueden probar un sistema nuevo con datos de estilo real y escenarios duros, mientras los supervisores hacen preguntas, revisan controles y ven dónde están los puntos débiles. Nadie tiene que aprender esas lecciones con cuentas reales.
Eso importa más a medida que la inteligencia artificial generativa copia mejor caras y voces. Los bancos necesitan defensas a la altura, pero también necesitan pruebas de que esas defensas funcionan bajo presión. El entorno controlado da a ambas partes un conjunto compartido de hechos antes de hablar de un despliegue más amplio.
Es el mismo patrón que aparece en otros ámbitos donde el trabajo serio se hace paso a paso, como en las historias de constancia institucional que Revista Minutos sigue en la celebración de los veinte años de la fundación de Alberto II. Construir, probar, medir y solo después ampliar: esa secuencia se repite porque funciona.
Cómo comprueba una cara la plataforma
La idea central es fácil de explicar, aunque la ingeniería que hay detrás no lo sea. La plataforma usa reconocimiento facial con inteligencia artificial para verificar en tiempo real las fotos que los usuarios se hacen a sí mismos. Un cliente se hace una foto como parte de una comprobación. El sistema compara lo que ve la cámara con lo que espera y busca señales de que una imagen haya sido falsificada o manipulada.
Esa segunda parte es el reto nuevo. Una foto fija tomada de redes sociales, un video alterado fotograma a fotograma, una cara intercambiada por otra: las comprobaciones antiguas no se crearon para nada de eso. Un sistema moderno tiene que hacerse más preguntas. ¿Tiene sentido la luz? ¿Parecen naturales los bordes y las texturas? ¿Se comporta la cara como la de una persona real frente a una cámara o como un archivo montado en otro sitio?
Señalar una posible falsificación no es el final del proceso. Es el inicio de una revisión más atenta. Los buenos sistemas dan a los equipos humanos una señal clara y un motivo para revisar, de modo que un cliente auténtico pueda superar otro control y un intento indebido se detenga pronto. La rapidez ayuda, pero el criterio sigue contando.
Por qué la precisión por sí sola no lo cuenta todo
Una cifra superior al 96 por ciento llamará la atención, y debe hacerlo. Pero quien haya trabajado con herramientas de detección sabe que las preguntas siguientes importan tanto como la primera. ¿Con qué frecuencia señala por error a un cliente real? ¿Cómo responde con mala luz, con teléfonos antiguos o con una conexión inestable? ¿Puede explicar, en términos claros, por qué levantó una alerta?
El valor de un entorno controlado es que esas preguntas se hacen en la fase de prueba, no después del lanzamiento. Los equipos pueden ajustar umbrales, volver a entrenar modelos con los casos que fallaron y fijar reglas claras para cuando debe intervenir una persona. Es más lento que lanzar un producto a toda prisa. También es así como se construye la confianza.
El banco detrás de la prueba
Ping An Digital Bank recibió su licencia bancaria en mayo de 2019. Forma parte de Ping An Insurance (Group) Company of China, uno de los grupos financieros más grandes del mundo. Ese respaldo importa aquí. Un banco digital no tiene una red de sucursales a la que recurrir. Su aplicación y sus controles a distancia son la puerta de entrada, así que lograr que esos controles sean a la vez fluidos y sólidos es negocio central, no un proyecto lateral.
Trabajar con OneConnect Financial Technology también encaja en la foto. OneConnect crea tecnología para entidades financieras, y un proyecto así necesita conocimiento bancario y trabajo especializado en inteligencia artificial. Una parte conoce el recorrido del cliente y las normas. La otra conoce el diseño y el despliegue de modelos. Bien unidas, pueden avanzar más rápido sin saltarse pasos.
Qué significa para los clientes
Para la mayoría de los clientes, la mejor seguridad es la que apenas se nota. Una comprobación con foto que dura segundos. Una apertura de cuenta que no se atasca. Un pago que parece normal porque no se detectó nada raro.
Detrás de esa superficie tranquila ocurre mucho. Los modelos buscan manipulaciones. Las puntuaciones de riesgo se actualizan. Los patrones inusuales se envían a revisión. Si este tipo de plataforma pasa del entorno controlado al uso real de forma medida, los clientes deberían notar el beneficio como menos interrupciones y más confianza, no como más fricción. Esa atención al uso real conecta con el enfoque práctico de otras notas de Revista Minutos, como el reportaje sobre el rescate seguro de animales, donde también se premia lo que funciona en la vida diaria.
Un modelo que vale la pena copiar
La inteligencia artificial financiera suele contarse en extremos. O lo arreglará todo de golpe o no se puede confiar en ella en absoluto. La historia del entorno controlado es más útil que cualquiera de esas dos lecturas. Un banco eligió un problema claro, creó una herramienta con un socio tecnológico, la probó dentro de un programa del regulador y publicó un resultado medido con su fuente indicada.
Ese es un progreso que se puede comprobar. Si más entidades siguen esa ruta de probar, publicar, mejorar y después desplegar, la inteligencia artificial en la banca se hará más fuerte de la forma que cuenta: en silencio, cuenta a cuenta y con evidencia detrás.
Sé el primero en comentar