Entrevistas
Husnain Bajwa, Vicepresidente de Producto en SEON – Serie de Entrevistas
Husnain Bajwa, Vicepresidente de Producto en SEON, lidera la estrategia de producto para las soluciones de prevención de riesgos y fraude de la empresa, aportando más de dos décadas de experiencia en redes, ciberseguridad y tecnología empresarial. Con sede en Austin, anteriormente se desempeñó como Vicepresidente de Estrategia de Producto y Vicepresidente de Ingeniería de Ventas Globales en Beyond Identity, y anteriormente pasó siete años como Ingeniero Distinguido en Aruba Networks. Bajwa también ha ocupado puestos de liderazgo en Ericsson y BelAir Networks y co-fundó CardioAssure. Su carrera combina una profunda experiencia técnica con liderazgo de producto en telecomunicaciones, seguridad y infraestructura digital.
SEON es una plataforma de prevención de fraude y anti-lavado de dinero que ayuda a las empresas a detectar y detener el fraude digital en todo el ciclo de vida del cliente. La tecnología de la empresa analiza cientos de señales de datos, incluyendo correo electrónico, dispositivo, IP y patrones de comportamiento, para identificar actividad sospechosa en tiempo real. Su plataforma combina la puntuación de riesgo de aprendizaje automático con reglas personalizables para ayudar a las organizaciones a reducir el fraude, automatizar los procesos de cumplimiento y proteger a los usuarios legítimos en industrias como fintech, comercio electrónico y juegos en línea.
¿Cómo ha cambiado el fraude en aplicaciones de citas y romance con la accesibilidad de la inteligencia artificial generativa en los últimos 12 meses?
La inteligencia artificial generativa se ha convertido en un multiplicador de fuerza para el fraude. Ha reducido drásticamente la barrera de entrada para el fraude de romance sofisticado, dando a los atacantes acceso a las mismas herramientas de alta potencia que utilizan las empresas legítimas.
Según el Informe de Líderes de Fraude y AML de SEON de 2026, el 98% de las organizaciones ahora utilizan inteligencia artificial en flujos de trabajo de fraude y cumplimiento. La misma realidad se aplica a los delincuentes. La inteligencia artificial ya no es experimental. Es la base. Lo que antes requería paciencia, habilidades de ingeniería social y fluidez en el lenguaje ahora se puede automatizar.
Los estafadores están creando identidades completamente sintéticas desde cero, completas con cuentas de correo electrónico con antigüedad, fotos creíbles, narrativas de vida plausibles y señales digitales de apoyo. Cada señal puede parecer legítima en aislamiento, pero juntas forman una identidad diseñada explícitamente para la decepción.
El lenguaje ya no es un indicador confiable, ya que la inteligencia artificial elimina los errores gramaticales y las inconsistencias tonales. Permite conversaciones emocionalmente coherentes que se adaptan dinámicamente a las respuestas de la víctima. Un actor puede gestionar ahora cientos de perfiles simultáneamente.
El resultado es un fraude que parece legítimo desde el principio hasta el final. Los estafadores de romance han pasado de actores aislados a operaciones coordinadas y asistidas por inteligencia artificial que funcionan continuamente a velocidad de máquina.
¿Cuáles son tres señales de alerta sutiles que exhiben los perfiles generados por inteligencia artificial?
La primera señal de alerta es lo que llamaría desequilibrio de huella digital. La historia del perfil es rica y detallada, pero el historial de comportamiento a largo plazo no coincide con esa profundidad. La inteligencia artificial puede generar narrativa instantáneamente, pero lucha por replicar años de historial de comportamiento consistente y transversal.
La segunda señal de alerta aparece cuando se observan grupos de cuentas. Individualmente, las cuentas parecen convincentes. Pero cuando se ven colectivamente, surgen similitudes estadísticas como huellas dactilares de dispositivos compartidas, tiempos de registro similares y superposición de infraestructura. El fraude cada vez más se esconde en similitudes de patrones en lugar de errores obvios.
La tercera es un comportamiento sospechosamente perfecto. La actividad humana contiene aleatoriedad. Las personas se conectan de forma irregular, cambian de tono en medio de una conversación y se comportan de forma impredecible. Los perfiles generados por inteligencia artificial a menudo introducen precisión mecánica, como un ritmo de mensajería uniforme, nombres de usuario optimizados y profundidad de actividad controlada. La detección hoy en día depende menos de detectar errores descuidados y más de identificar un comportamiento que es demasiado consistente para ser orgánico.
Más allá de la verificación de identidad, ¿qué señales de alerta deben monitorear las plataformas?
La verificación estática y única en el momento del registro ya no es suficiente. Los estafadores rutinariamente pasan las verificaciones básicas y luego operan sin control.
La protección moderna requiere verificación continua y adaptativa que responda al riesgo a medida que surge. Eso significa analizar la profundidad de la huella digital, la inteligencia del dispositivo y la telemetría del comportamiento en tiempo real, tanto antes como durante la interacción del usuario.
Señales de alerta técnicas como la huella dactilar del dispositivo persistente, la detección de proxy, la reutilización de infraestructura y los marcadores de automatización son críticas. Pero igualmente importantes son las señales de alerta del comportamiento: el ritmo de la conversación, la aceleración rápida de la confianza, los intentos de mover las interacciones fuera de la plataforma y los patrones de mensajería entre cuentas.
El objetivo es la toma de decisiones conscientes del contexto, especialmente antes de que se produzca la inversión emocional. En lugar de preguntar “¿Existe esta identidad?”, las plataformas necesitan preguntar “¿Se está comportando esta entidad como un ser humano legítimo con el tiempo?”
¿Cómo desafía el fraude impulsado por inteligencia artificial a los equipos tradicionales y qué se parece la mitigación en tiempo real?
El fraude habilitado por inteligencia artificial es escalable, adaptable y continuo. Comprime los ciclos de ataque y abruma la capacidad de revisión manual. Las tácticas evolucionan en medio de la interacción, lo que hace que los conjuntos de reglas estáticos sean obsoletos.
Los modelos de moderación tradicionales son reactivos. Revisan los casos después de que comienza el daño. Pero si no tiene la toma de decisiones en tiempo real integrada en su pila, está jugando a la defensa después de que el daño está hecho.
La mitigación en tiempo real significa puntuar el riesgo en subsegundos en el proceso de registro y la primera interacción. Significa utilizar análisis basado en gráficos para descubrir redes coordinadas en lugar de evaluar cuentas de forma aislada. Significa la supresión automática de clústeres de alto riesgo antes de que se concedan privilegios de mensajería.
El fraude está aumentando y especializándose simultáneamente. El campo de batalla ha cambiado de abuso obvio a manipulación de identidad de precisión. La defensa debe moverse de la moderación reactiva a la orquestación en vivo.
¿Cuál es el mayor malentendido que tienen los usuarios?
Muchos usuarios asumen que si un perfil existe, ha sido verificado profundamente. Equiparan la longevidad con la legitimidad y las fotos que parecen auténticas con la autenticidad.
En realidad, la verificación es capa y probabilística. Las plataformas reducen el riesgo, pero no pueden garantizar la autenticidad en todo momento. Aprobar una verificación en un momento no significa legitimidad continua.
La seguridad es gestionada de riesgos, no garantizada. La presencia de un perfil significa que una cuenta cumplió con ciertos umbrales, no que represente una identidad humana completamente autenticada de forma indefinida.
¿Qué capacidad de producto aumentaría más la barrera para los estafadores?
La capacidad más impactante sería un centro de comando de fraude en tiempo real integrado directamente en el proceso de registro que pueda evaluar el riesgo a nivel de entidad a través de señales de dispositivo, correo electrónico, teléfono y red antes de que comience la mensajería. Puede detectar patrones de clústeres temprano, no después de que las víctimas informen el daño. Puede aplicar fricción progresiva y consciente del contexto en lugar de verificación en blanco.
La protección más efectiva ocurre antes de que se envíe el primer mensaje. Una vez que comienza la participación emocional, la carga defensiva aumenta significativamente.
¿Cómo pueden las plataformas equilibrar la detección de fraude y la experiencia del usuario?
El supuesto intercambio entre una experiencia sin fricciones y segura es un mal diseño del sistema, no una ley inmutable.
La prevención de fraude inteligente aplica fricción dinámica, escalando la verificación solo cuando las señales de alerta del comportamiento o técnico lo justifican. Los usuarios de bajo riesgo se mueven sin problemas. El riesgo elevado desencadena un escrutinio más profundo.
Cuando las plataformas miden la seguridad y la conversión juntas, la prevención de fraude mejora la experiencia del usuario. Eliminar a los actores maliciosos al principio aumenta la confianza y reduce el desgaste emocional y financiero que impulsa la rotación de usuarios.
La precisión reemplaza la fricción en blanco.
¿Qué papel deben desempeñar las plataformas de prevención de fraude externas?
Ninguna plataforma de citas ve el paisaje de amenazas completo. Las redes de fraude operan en varias industrias, plataformas y geografías.
El 85% de las organizaciones planea agregar o reemplazar un proveedor de fraude en 2026, según el informe de SEON. Esto indica que los líderes reconocen la necesidad de una inteligencia más fuerte y más integrada.
Las plataformas de prevención de fraude externas proporcionan enriquecimiento de señales de alerta entre industrias y reconocimiento de patrones más amplio. Detección de la reutilización de infraestructura, tácticas de adversarios emergentes y redes coordinadas que pueden no ser visibles dentro de un ecosistema.
La inteligencia de fraude se fortalece cuando la visibilidad se expande. A medida que la inteligencia artificial permite a los atacantes coordinarse a escala, la defensa debe volverse igualmente conectada y adaptable.
¿Qué nuevas capacidades de inteligencia artificial utilizarán los estafadores en los próximos 12 a 18 meses?
Estamos entrando en una era de inteligencia artificial adversaria, o sistemas diseñados específicamente para engañar a otros sistemas de inteligencia artificial.
El informe de SEON señala que el 25% de los líderes ahora citan el uso avanzado de la inteligencia artificial y las técnicas de ofuscamiento por parte de los delincuentes como una de las principales amenazas externas. Esa preocupación está bien fundamentada.
Podemos esperar más intentos de bypass de liveness con deepfakes, clonación de voz en tiempo real para escalación fuera de la plataforma y mimicry de comportamiento impulsado por inteligencia artificial entrenado en datos de usuarios legítimos. Los estafadores pueden “envejecer” perfiles con el tiempo para simular un historial a largo plazo y gradualmente construir confianza antes de la activación.
El desafío definitorio será probar la humanidad a través de señales de alerta del comportamiento, biométricas y ambientales matizadas en lugar de credenciales estáticas.
¿Qué consejo daría a los usuarios que sospechan de un estafador asistido por inteligencia artificial?
Desacelera la interacción. Los estafadores asistidos por inteligencia artificial dependen de la aceleración emocional y la urgencia.
Sea escéptico de relaciones que avanzan rápidamente, especialmente si aparecen narrativas de dificultades financieras. Nunca envíe dinero fuera de la plataforma. Solicite una videoconferencia en tiempo real no guiada y verifique imágenes de forma independiente a través de búsquedas inversas.
Si algo parece incorrecto, informe inmediatamente. La notificación temprana permite a las plataformas detectar clústeres y desmantelar redes coordinadas antes de que más usuarios sean dañados.
El romance debe sentirse orgánico. Cuando el comportamiento se siente diseñado, a menudo lo es.
Gracias por la gran entrevista, los lectores que deseen aprender más pueden visitar SEON.
