{"id":301797,"date":"2025-05-12T06:36:34","date_gmt":"2025-05-12T10:36:34","guid":{"rendered":"https:\/\/www.eldiario.net\/portal\/?p=301797"},"modified":"2025-05-12T06:36:34","modified_gmt":"2025-05-12T10:36:34","slug":"lynx-lanza-nuevos-modelos-de-ultima-generacion-para-la-prevencion-de-fraude","status":"publish","type":"post","link":"https:\/\/www.eldiario.net\/portal\/2025\/05\/12\/lynx-lanza-nuevos-modelos-de-ultima-generacion-para-la-prevencion-de-fraude\/","title":{"rendered":"Lynx lanza nuevos modelos de \u00faltima generaci\u00f3n para la prevenci\u00f3n de fraude"},"content":{"rendered":"

Ciudad de M\u00e9xico,\u00a0 mayo de 2025<\/strong> \u2013 Lynx Tech, empresa l\u00edder en tecnolog\u00edas basadas en Inteligencia Artificial (IA) y aprendizaje autom\u00e1tico (ML), anuncia el lanzamiento de la nueva generaci\u00f3n de sus Modelos Adaptativos Diarios (DAMs), una soluci\u00f3n avanzada para la una soluci\u00f3n avanzada para la prevenci\u00f3n y detecci\u00f3n de fraude. Esta actualizaci\u00f3n representa un hito clave en el objetivo de la compa\u00f1\u00eda por proteger a las instituciones financieras y a sus clientes frente a actividades fraudulentas que son cada vez m\u00e1s frecuentes y sofisticadas.<\/p>\n

Teniendo en cuenta que, seg\u00fan el Informe del Fraude Omnicanal 2025 de TransUnion, el 29% de los consumidores globales afirm\u00f3 haber perdido dinero debido a fraudes por correo electr\u00f3nico, internet, llamadas telef\u00f3nicas o mensajes de texto en el \u00faltimo a\u00f1o, y siendo las cuentas mula (23%) el principal esquema de fraude, es fundamental que los bancos cuenten con una tecnolog\u00eda capaz de prevenir el fraude en tiempo real. A diferencia de los modelos tradicionales de Machine Learning (ML), los DAMs de Lynx se entrenan a diario y permiten ampliar los datos utilizados, lo que se traduce en mayores ahorros por prevenci\u00f3n de fraude y una mayor fluidez operativa para las entidades financieras.<\/p>\n

Estos nuevos modelos suponen una transici\u00f3n clave: pasan de detectar \u00fanicamente transacciones individuales sospechosas a identificar redes enteras de fraude, analizando patrones complejos de comportamiento delictivo con gran precisi\u00f3n.<\/p>\n

De cara a los pr\u00f3ximos a\u00f1os, y seg\u00fan predicciones de ACI Worldwide, las p\u00e9rdidas globales por fraude APPF superar\u00e1n los 6.800 millones de d\u00f3lares en 2027. Los modelos de nueva generaci\u00f3n de Lynx permiten detectar hasta un 35% m\u00e1s de fraudes APPF que los modelos anteriores, mejorando de forma notable la detecci\u00f3n de mulas de dinero, lo que ha llevado a un aumento considerable en las tasas de identificaci\u00f3n notificadas por las entidades financieras.<\/p>\n

Los nuevos modelos de Lynx se est\u00e1n implementando actualmente en mercados de todo el mundo, y se espera que las instituciones financieras de Am\u00e9rica sean las primeras en beneficiarse de esta tecnolog\u00eda, seguidas por las de Europa. Gracias a la naturaleza no-code <\/em>de estos modelos, la integraci\u00f3n puede realizarse en tan solo dos semanas, lo que permite que la tecnolog\u00eda alcance su tasa \u00f3ptima de detecci\u00f3n de valor en un plazo de entre tres y seis meses, a medida que aprende de nuevos datos.<\/p>\n

A diferencia de los modelos est\u00e1ticos, que se degradan con el tiempo por el fen\u00f3meno de deriva de datos, la tecnolog\u00eda de Lynx mantiene su rendimiento \u00f3ptimo gracias a sus DAMs, que se adaptan continuamente a nuevos patrones de fraude sin perder eficacia, estableciendo un nuevo est\u00e1ndar en la prevenci\u00f3n de fraude a largo plazo.<\/p>\n

En palabras de Carlos Santa Cruz, CEO y Founder de Lynx<\/strong>: \u00abEste avance es el resultado de dos a\u00f1os de rigurosa investigaci\u00f3n. Hemos desarrollado bases de datos en memoria de \u00faltima generaci\u00f3n, algoritmos y c\u00f3digo de bajo nivel que hacen que nuestra soluci\u00f3n sea incre\u00edblemente r\u00e1pida de integrar, manteniendo los costes bajos y eliminando por completo los tiempos de inactividad. En pruebas internas, nuestra tecnolog\u00eda ha demostrado ser capaz de analizar hasta 40.000 puntos de datos en tiempo real para identificar actividades fraudulentas con una precisi\u00f3n extraordinaria, lo que representa un salto cualitativo en la detecci\u00f3n\u201d.<\/em><\/p>\n

Los modelos mejorados han demostrado avances significativos en su rendimiento:<\/p>\n

 <\/p>\n