Ricardo Amper, CEO y Fundador de Incode – Serie de Entrevistas

Ricardo Amper, CEO y Fundador de Incode, es un emprendedor en serie y ejecutivo tecnológico con más de dos décadas de experiencia construyendo y escalando empresas en los sectores de tecnología, productos de consumo e industriales. Fundó Incode en 2015 con la visión de transformar la forma en que las personas verifican y autentican sus identidades en el mundo digital. Anteriormente, Amper se desempeñó como CEO de Grupo Amco, la principal empresa de químicos aromáticos y aceites esenciales de América Latina, donde desarrolló OneView, una plataforma de datos predictiva basada en aprendizaje automático, antes de que la compañía fuera adquirida por Brenntag Group. También cofundó y dirigió Amco Foods, que fue adquirida por Grupo Bimbo, y anteriormente fundó La Burbuja Networks. Su carrera combina emprendimiento, inteligencia artificial, sistemas basados en datos y experiencia en la construcción exitosa de empresas mediante adquisiciones.

Incode es una plataforma de identidad impulsada por IA diseñada para ayudar a las organizaciones a establecer confianza en las interacciones con personas, empresas y, cada vez más, agentes de IA. Su tecnología combina verificación de documentos, autenticación biométrica, reconocimiento facial, detección de vida, detección de deepfakes y verificaciones directas contra los sistemas gubernamentales de registro, mientras soporta áreas como Conozca a su Cliente (KYC), cumplimiento de Anti-Lavado de Dinero (AML), Conozca a su Negocio (KYB), garantía de edad, verificación de la fuerza laboral y prevención de toma de control de cuentas. Incode desarrolla su tecnología de IA internamente y ha ampliado su plataforma para abordar amenazas emergentes como identidades sintéticas y fraude habilitado por IA generativa, así como herramientas de Identidad Agente para verificar a los propietarios de agentes de IA y rastrear sus acciones.

Fundaste Incode en 2015 después de crear empresas en industrias muy diferentes, y has argumentado que abordar los problemas con una mentalidad fresca y basada en primeros principios puede ser más valioso que depender de suposiciones heredadas de la industria. ¿Qué viste en la verificación de identidad que los proveedores establecidos estaban pasando por alto, y cómo ha influido esa visión original en el desarrollo de Incode?

Antes de 2015, la industria trataba la identidad como un problema de cumplimiento y una reflexión posterior: escanear un documento, hacer que alguien en una oficina de respaldo lo revise, marcar la casilla. Llegué sin esa inferencia y vi un problema de IA con el enfoque de la industria hacia la identidad.

Así que tomé tres decisiones el primer día que nadie más estaba tomando:

La IA realiza la verificación en lugar de que los humanos revisen tus datos, desarrollamos cada capa de la tecnología nosotros mismos en lugar de ensamblar piezas de otros, y la privacidad es arquitectura, no política. Diez años después, la IA generativa ha convertido esas en las únicas decisiones que se mantienen.

Esa elección moldeó la empresa en la que nos convertimos.

1. Somos constructores primero: incluso hoy, una mayor proporción de nuestro personal trabaja en ingeniería y producto que en una empresa típica de software B2B, y eso es lo que nos mantiene lo suficientemente ágiles para adaptarnos tan rápido como lo hace la amenaza.
2. También iniciamos deliberadamente en uno de los entornos de fraude más difíciles del mundo, América Latina, y lo resolvimos en gran medida para algunos de los bancos y empresas más grandes de la región. Cuando tu tecnología sobrevive allí, los mercados donde el fraude es real pero menos implacable se convierten en una prueba mucho más fácil.

Nunca nos ha interesado parchear problemas o hacer que las empresas simplemente cumplan con los requisitos de hoy. Disfrutamos la versión difícil de este problema: verificar a una persona real con la menor fricción posible y la mayor privacidad posible, y hacerlo para un futuro que está cambiando.

Incode ha sido nombrado líder en el Gartner® Magic Quadrant™ para Verificación de Identidad durante tres años consecutivos. ¿Qué crees que dice esta consistencia sobre cómo ha evolucionado la empresa, y qué capacidades fueron más importantes para mantener esa posición a medida que el panorama de amenazas cambiaba?

Cualquiera puede tener un buen año. Tres años consecutivos reflejan consistencia, y la consistencia es lo que las empresas buscan. Esos tres años abarcan toda la ola de fraude impulsada por IA generativa, y lo que nos ayudó a mantener nuestro estatus de líder de la industria durante ese periodo es que poseemos toda nuestra pila tecnológica. Cuando aparece una nueva clase o vector de ataque, reentrenamos nuestros propios modelos en días en lugar de esperar la hoja de ruta o actualizaciones del producto de otro. Los otros constantes son nuestras conexiones directas con fuentes de identidad autorizadas y la disciplina de tratar la conversión tan seriamente como el fraude, porque las empresas necesitan ambas.

Incode describe una nueva generación de ataques de fraude autónomos en los que los agentes de IA pueden generar documentos sintéticos, producir deepfakes dirigidos, probarlos contra sistemas de verificación y adaptarse después de cada rechazo. ¿Qué tan cerca estamos de ver estos flujos de ataque totalmente automatizados operando a gran escala?

El fraude a gran escala siempre requirió personas a gran escala. El cuello de botella era humano, y la IA lo ha eliminado. Buscamos la evidencia y publicamos lo que encontramos: incidentes de fraude habilitado por IA, reportados públicamente y obtenidos de fuentes independientes en Estados Unidos, gran parte de ellos confirmados en presentaciones judiciales o acciones regulatorias. Cuando evaluamos cuánto de cada esquema podía ejecutar un agente autónomo por sí solo, casi todos podían ejecutarse de principio a fin, y ninguno estaba inmune. El modelo antiguo estaba limitado por cuántas personas calificadas podías reclutar. El nuevo está limitado solo por la capacidad de cómputo.

Incode dice que ejecuta continuamente un atacante agente contra sus propias defensas. ¿Cómo funciona este proceso de pruebas adversarias y qué puede descubrir un atacante de IA que las pruebas de penetración convencionales o los benchmarks estáticos de fraude podrían pasar por alto? 

La idea es simple: la única forma de construir defensas contra estos ataques es ejecutar los ataques contra nosotros mismos primero. Así operamos un atacante que funciona exactamente como los criminales. Genera deepfakes, documentos sintéticos e intentos de inyección, los envía a nuestras propias defensas en vivo, aprende de cada rechazo y vuelve con una variante mejorada. Una prueba de penetración convencional verifica una lista conocida de ataques una sola vez y se retira. Un atacante adaptativo nunca deja de inventar nuevos, por lo que encuentra el punto débil y el ataque que aún no existe antes de que lo haga un criminal.

A medida que los modelos generativos hacen que los documentos sintéticos y los medios biométricos sean cada vez más convincentes, ¿qué señales siguen siendo las más difíciles de falsificar de manera fiable para los atacantes?

Los píxeles son un juego perdido si eso es lo único que observas, porque los modelos generativos mejoran cada mes. Lo que los atacantes aún no pueden falsificar de manera fiable es todo lo que está fuera de la imagen: la integridad del dispositivo y la ruta de captura por la que pasó el medio, el comportamiento que se mantiene consistente entre sesiones y el registro que posee la fuente que emitió la identidad. Ese es el principio detrás de Deepsight, nuestra tecnología de detección de deepfakes. Nunca juzga solo la imagen: analiza el medio, el hardware, la ruta de software y el comportamiento del usuario en una única decisión en tiempo real, y puede identificar qué modelo generativo produjo la falsificación. La Universidad de Purdue lo probó de forma independiente contra 24 sistemas gubernamentales, académicos y comerciales y lo validó como el más preciso.

Incode enfatiza la verificación de identidades contra registros gubernamentales autorizados en lugar de depender únicamente del documento presentado por el usuario. ¿Cómo cambia esto la precisión de la verificación de identidad y qué desafíos técnicos o regulatorios surgen al implementar este enfoque en diferentes países?

Un documento te indica lo que se presentó. El registro autorizado te dice lo que es verdadero. Cada verificación que juzga si un artefacto parece auténtico pierde terreno a medida que la IA generativa mejora, pero un registro gubernamental no lo hace, porque es la verdad de base que el estafador no puede controlar. Los desafíos son reales: cada país tiene fuentes autorizadas diferentes, reglas de acceso distintas y leyes de privacidad diferentes, por lo que construimos conexiones directas mercado por mercado y procesamos todo bajo el principio de privacidad desde el diseño.

Los sistemas de verificación de identidad deben detener el fraude sofisticado sin crear fricción innecesaria para los usuarios legítimos. ¿Cómo evalúas el equilibrio entre seguridad, rechazos falsos, velocidad de incorporación y conversión?

Cada proveedor de identidad está manejando palancas entre esas cuatro cosas. La verdadera pregunta es qué palancas posees. Gran parte de la industria implementa tecnología que licencian de terceros, por lo que cuando el fraude aumenta no pueden ver dentro del modelo ni reentrenarlo, y la única palanca que queda es la fricción: más pasos, más revisión manual, más usuarios buenos rechazados. Nosotros tomamos la decisión opuesta y desarrollamos cada modelo de IA internamente, la detección de vida, la detección de deepfakes, la verificación de documentos, todo, de modo que nuestra palanca es la precisión. Reentrenamos en días, empujamos el fraude dentro del modelo y dejamos la experiencia del usuario intacta. Por eso permitir que todos los usuarios buenos pasen y detener cada ataque es una tarea para nosotros, no un intercambio.

La red de confianza de Incode está diseñada para identificar fraudes repetidos y reconocer historiales de confianza entre organizaciones sin agrupar datos personales sin procesar. ¿Qué tecnologías hacen posible ese tipo de intercambio de inteligencia que preserva la privacidad?

La criptografía es la habilitadora, pero el concepto es el punto clave: colaboración sin exposición. Las organizaciones en la red pueden saber si una señal de identidad ha sido vinculada a fraude en otro lugar sin que ninguna parte vea los datos de la otra, por lo que no hay una base de datos agrupada, nada que vulnerar y no hay intermediación de datos. Por eso adquirimos Identiq, cuyo equipo pasó años construyendo exactamente esta tecnología criptográfica que mejora la privacidad, y por eso estamos comprometiendo más de 100 millones de dólares este año a una infraestructura de identidad que preserva la privacidad. La red se vuelve más inteligente con cada verificación mientras los datos de cada individuo permanecen sellados, a escala de más de 7 mil millones de verificaciones de confianza y 400 millones de perfiles. Siempre hemos creído que la privacidad y la prevención de fraude no son un compromiso. Son el mismo problema, resuelto conjuntamente o no se resuelve en absoluto.

A medida que los agentes de IA comienzan a realizar compras, acceder a cuentas, firmar acuerdos y comunicarse en nombre de las personas, ¿cómo deberían las organizaciones verificar no solo al propio agente, sino también a su propietario, sus permisos y la autoridad para ejecutar una acción específica?

Comience con el propietario, porque la autoridad de un agente no significa nada si no se remonta a un ser humano verificado. Eso es exactamente para lo que creamos Agentic Identity: verificamos al propietario con pruebas de identidad de alta garantía y detección de vida resistente a deepfake, emitimos al agente un token seguro que vincula cada acción a esa persona responsable, y verificamos el alcance de sus permisos para que un agente autorizado para una tarea no pueda desviarse silenciosamente a otras. Luego monitoreamos de forma continua, porque los agentes cambian de comportamiento más rápido que cualquier revisión de acceso trimestral. Son las mismas biométricas, la misma inteligencia contra fraudes, la misma red que usamos para los humanos, ampliada a los sistemas que actúan en su nombre.

De cara al futuro, ¿seguirá la verificación de identidad siendo un punto de control distinto durante la incorporación, o se convertirá en una capa de confianza continua que opere a lo largo de cada interacción digital entre personas, empresas y agentes de IA autónomos?

Ambas cosas por un tiempo, y luego la continuidad prevalece. La incorporación sigue siendo el ancla donde la identidad se establece con la mayor garantía, pero la confianza no puede permanecer como un momento aislado cuando los ataques se adaptan a lo largo de las sesiones y los agentes operan las 24 horas. El objetivo es una capa de confianza persistente: re‑verificación en momentos de riesgo real, señales de comportamiento y de red correlacionadas de forma continua, y la misma responsabilidad ampliada a los agentes de IA que actúan en nombre de las personas. La identidad deja de ser un punto de control y se convierte en infraestructura, y estamos construyendo para ese mundo.

Gracias por la excelente entrevista, los lectores que deseen obtener más información deberían visitar Incode.