Fraude detectado mientras la llamada sigue activa.
Para un banco digital en Argentina pusimos detección de patrones de fraude en las líneas de cobranzas y soporte: cada llamada scoreada en tiempo real, los patrones sospechosos marcados y el equipo de riesgo avisado en el momento en que aparecen. Patrones que ningún humano podría atrapar escuchando grabaciones de a poco.
Miles de llamadas por día, revisadas escuchando un puñado.
El banco digital corría su operación de cobranzas y soporte por teléfono: miles de conversaciones por día, cada una un lugar donde el fraude podía aparecer. El único control era un equipo de QA <b>escuchando una muestra mínima de grabaciones después del hecho</b>, días más tarde, sin forma realista de escalar.
Para cuando un patrón sospechoso aparecía en esa muestra — si es que aparecía — la llamada hacía rato que había terminado y el daño ya estaba hecho. <b>Los patrones que importaban vivían en las llamadas que nadie llegaba a escuchar.</b> El fraude no se anuncia en el 1% que llegás a revisar.
Una capa de detección que escucha cada llamada.
Un motor de scoring en tiempo real conectado a las líneas vivas de cobranzas y soporte: lee cada conversación, la scorea por riesgo de fraude y empuja las alertas directo a quienes actúan sobre ellas.
Cada llamada, mientras pasa
Cada conversación se scorea por riesgo de fraude mientras sigue en la línea — no muestreada, no revisada días después. La cobertura pasó de un puñado de grabaciones al cien por ciento de las llamadas.
Señales que ningún humano vería
Los modelos hacen aflorar las combinaciones de lenguaje, comportamiento y señales de cuenta que marcan una llamada como sospechosa — patrones repartidos entre miles de conversaciones que ningún muestreo a mano podría conectar.
Directo al equipo de riesgo
Cuando una llamada cruza el umbral, el equipo de riesgo se entera en el momento — las alertas llegan directo a sus herramientas de mensajería, así la acción arranca con el contexto fresco y no después del próximo ciclo de QA.
Marcas que vale la pena atender
Ajustamos el scoring contra los propios casos etiquetados del banco hasta llegar a 91% de precisión de detección — lo bastante alto como para que el equipo de riesgo confíe en las marcas en lugar de ahogarse en falsas alarmas.
Metidos con riesgo, y después entregado.
Nos integramos
Nos sentamos con los equipos de riesgo y QA para entender cómo luce el fraude de verdad en sus líneas, y repasamos sus casos etiquetados para definir qué tenía que significar una marca.
Construimos
Armamos el motor de scoring sobre el audio de llamadas en vivo y lo ajustamos con los propios datos del banco hasta que la precisión fuera lo bastante alta como para actuar sobre cada marca.
Conectamos
Enganchamos la detección a las líneas y a las herramientas de mensajería del equipo, así el scoring corre en cada llamada y las alertas llegan a riesgo en el instante en que aparece un patrón.
Transferimos
El sistema, los umbrales y el playbook corren en manos del propio banco. El equipo de riesgo es dueño de la capa de detección — quedamos disponibles, no necesarios.
Se pagó solo con el fraude que atrapó.
La detección de fraude pasó de una muestra lenta y a posteriori a un control que corre en cada llamada. El equipo de riesgo dejó de adivinar qué 1% escuchar y empezó a recibir la marca en el momento en que aparecía un patrón sospechoso — con la precisión para confiar en lo que les llegaba a la bandeja.
La capa de detección atrapó patrones que el banco no tenía forma de ver antes, y el valor que devolvió cubrió por sí solo el costo del proyecto. El sistema corre como parte de la <a href="https://voice.ataraxydigital.com" target="_blank" rel="noopener" style="color:var(--blue)">Infraestructura de Voz AI</a> del banco — propiedad de su equipo, no alquilada a nosotros.
"La detección de fraude sola pagó el servicio. Atrapamos patrones que jamás habríamos visto escuchando a mano."
¿Qué se esconde en las llamadas que nunca revisás?
Una llamada de 30 minutos. Mapeamos por dónde se te están escapando el fraude y el riesgo en tu muestreo, y qué atraparía de verdad la detección en tiempo real sobre tus líneas — construida sobre Infraestructura de Voz AI que tu equipo posee.