Shahid Hanif, CEO y cofundador de Shufti – Serie de entrevistas

Shahid Hanif, CEO y cofundador de Shufti, es un empresario tecnológico con amplia experiencia en la creación de plataformas de verificación de identidad, fintech, blockchain y software descentralizado. Cofundó Shufti en 2017 y pasó más de siete años como director de tecnología, liderando el desarrollo interno de su tecnología de verificación de biometría y documentos impulsada por inteligencia artificial antes de convertirse en CEO en diciembre de 2024. Hanif también es el fundador de Developers Studio, una empresa de desarrollo de blockchain con más de 100 especialistas, y anteriormente se desempeñó como director de tecnología de Quickbit, donde ayudó a desarrollar su tecnología de pago de criptomonedas antes de la oferta pública inicial de la empresa. Anteriormente, cofundó Programmers Force y ayudó a expandir la empresa de software y ciencia de datos a más de 500 empleados en diez oficinas de tres continentes.

Shufti es una plataforma de verificación de identidad impulsada por inteligencia artificial que ayuda a las organizaciones a establecer confianza, prevenir el fraude y cumplir con los requisitos de Conozca a su Cliente, Conozca a su Empresa y Anti-Lavado de Dinero. Su plataforma combina la verificación de documentos y biometría, verificación de identidad electrónica, comprobaciones basadas en NFC, verificación de empresas, garantía de edad, detección de fraude, monitoreo continuo y gestión de casos a través de una infraestructura unificada. La empresa admite miles de tipos de documentos y más de 150 idiomas en más de 240 países y territorios, lo que permite a las empresas verificar a los clientes y organizaciones a través de una sola integración global. Su tecnología examina la autenticidad del documento, la vida biométrica, la inteligencia del dispositivo y otros señales de riesgo para detectar documentos falsificados, deepfakes, manipulación de cuentas y ataques de identidad coordinados.

Cuando cofundó Shufti en 2017, inicialmente lideró el desarrollo tecnológico de la empresa como director de tecnología antes de convertirse en CEO en 2024. ¿Qué deficiencias en la verificación de identidad digital lo motivaron originalmente a crear la plataforma, y cómo ha cambiado su comprensión del problema con el surgimiento de la inteligencia artificial generativa?

Cuando cofundamos Shufti en 2017, los mayores desafíos eran la verificación lenta, el trabajo manual excesivo y los sistemas que no funcionaban bien en diferentes países. Muchas soluciones de verificación de identidad eran inconsistentes, especialmente en industrias de alto riesgo. También luchaban por verificar documentos en idiomas no latinos y no podían verificar de manera confiable las identidades de todo el mundo.

Hoy en día, la inteligencia artificial generativa ha cambiado el problema. Ya no se trata solo de leer un documento de identidad. Se trata de saber si el documento y la persona que lo presenta son reales. La inteligencia artificial ha hecho que el fraude de identidad sea más rápido, más barato y más fácil de escalar. Hemos aprendido que verificar a alguien una sola vez durante la incorporación ya no es suficiente. Las empresas ahora necesitan inteligencia artificial que pueda detectar incluso los documentos y identidades falsas más avanzados.

Las autoridades belgas advirtieron recientemente que más de 10,000 personas fueron víctimas de fraude de identidad habilitado por inteligencia artificial en el último año. ¿Qué revela este caso sobre la velocidad a la que está evolucionando el delito de identidad, y por qué las copias generadas por inteligencia artificial de documentos legítimos son especialmente difíciles de detectar?

La advertencia de las autoridades belgas sobre 10,000 víctimas es solo la punta del iceberg. Revela que los delincuentes han pasado de la edición básica de documentos a la síntesis de identidad a gran escala.

Las copias generadas por inteligencia artificial son difíciles de detectar porque pueden imitar plantillas gubernamentales con precisión de píxel. La reconocimiento óptico de caracteres (OCR) tradicional se centra en extraer texto, pero ignora la integridad visual de la imagen. La inteligencia artificial ahora puede replicar características de seguridad que anteriormente requerían presencia física para verificar, lo que convierte una imagen plana de un documento en una responsabilidad en lugar de una prueba de identidad.

¿Cómo difiere una copia generada por inteligencia artificial de un documento de identidad robado de una falsificación convencional, un documento manipulado y una identidad completamente sintética?

Es importante distinguir entre estos métodos:

Falsificación convencional: Un documento físico falsificado.

Documento manipulado: Un documento de identidad legítimo donde se han alterado campos específicos (como un nombre o fecha de nacimiento).

Identidad sintética: Una “persona de Frankenstein” construida combinando datos reales robados (como un número de seguro social) con detalles fabricados.

Copia generada por inteligencia artificial: Un documento de deepfake creado desde cero o a partir de una plantilla robada utilizando Redes Adversarias Generativas (GAN). Estos a menudo carecen de historial digital y contienen artefactos forenses como inconsistencies de ruido de sensor que el ojo humano no puede ver.

Shufti proyecta que los deepfakes de documentos podrían aumentar casi un 3,900% este año. ¿Qué actividad impulsa esta proyección, y qué suposiciones o limitaciones deben entender las organizaciones al interpretarla?

Esperamos un aumento del 3,900% en los deepfakes de documentos porque la inteligencia artificial ha hecho que el fraude sea mucho más fácil de crear y escalar. Los delincuentes ya no solo intercambian caras en fotos. Ahora pueden generar documentos de identidad falsos completos que a menudo pasan desapercibidos por los sistemas de verificación más antiguos.

Es importante entender que esta proyección refleja cómo está creciendo rápidamente el fraude impulsado por inteligencia artificial, no solo cuántos documentos falsos existen. El mayor desafío es que muchos sistemas de verificación de identidad se diseñaron hace años y no pueden detectar falsos avanzados generados por inteligencia artificial, como hologramas realistas o morfing de caras. Como resultado, las identidades falsas pueden pasar las comprobaciones y permanecer ocultas en las bases de datos de las empresas.

Muchas empresas todavía tratan una fotografía o escaneo de un documento de identidad como prueba suficiente de identidad. ¿Qué señalesales debe examinar un sistema de verificación moderno más allá de la información visible en el documento?

El mayor cambio es que las empresas ya no pueden confiar en las comprobaciones de documentos tradicionales. Necesitan lo que llamamos un enfoque de “Ojo Digital”. En lugar de simplemente leer la información en un ID, el sistema debe examinar si el documento en sí es genuino.

Esto significa buscar señalesales sutiles que los humanos no pueden detectar fácilmente, como si la imagen se capturó desde una pantalla, patrones de píxeles inusuales, iluminación inconsistente o trazas dejadas por generadores de imágenes de inteligencia artificial. También verificamos si partes del documento se han copiado, movido o alterado digitalmente, junto con inconsistencies en los metadatos y la calidad de la imagen. Cuando se combinan todas estas señalesales, es mucho más probable detectar documentos avanzados generados por inteligencia artificial que los sistemas de verificación más antiguos simplemente aceptarían como reales.

Usted ha argumentado que la garantía de identidad debe ser continua en lugar de limitarse a la incorporación del cliente. ¿Cómo se vería la verificación continua en la práctica, y cómo pueden las empresas implementarla sin introducir una vigilancia excesiva, riesgos de privacidad o fricción para el cliente?

La era de la “comprobación única” ha terminado. La Garantía de Identidad Continua significa actualizar el riesgo del usuario contra más de 1,700 listas de vigilancia tan frecuentemente como cada 15 minutos para prevenir la “no conformidad retrospectiva”.

Para implementar esto sin fricción ni riesgos de privacidad, utilizamos identidades reutilizables vinculadas a biometría (FastID). Una vez que un usuario es verificado, puede volver a verificar para acciones de alto riesgo (como retiros grandes) en menos de dos segundos utilizando solo una exploración facial. Esto elimina la necesidad de subir documentos repetidamente mientras mantiene una postura de seguridad alta.

Los estafadores ahora pueden combinar documentos sintéticos con intercambios de caras, deepfakes de video, ataques de inyección y información personal robada. ¿Cómo deben las plataformas de identidad conectar la integridad del documento, la vida biométrica, la inteligencia del dispositivo y el análisis de comportamiento para identificar estos ataques coordinados?

Los estafadores se están volviendo mucho más sofisticados. En lugar de usar solo una técnica, ahora combinan documentos generados por inteligencia artificial, intercambios de caras y ataques de inyección para eludir las comprobaciones de identidad. Es por eso que las empresas necesitan mirar el panorama completo en lugar de confiar en un solo paso de verificación.

En Shufti, hacemos esto a través de la puntuación de riesgo consciente del contexto. Analizamos el dispositivo utilizado para detectar emuladores o navegadores sin cabeza, verificamos que el usuario esté físicamente presente con detección de vida pasiva certificada por iBeta Nivel 2, y buscamos patrones sospechosos en cuentas analizando datos de identidad, huellas digitales de dispositivos y comportamiento del usuario. Combinar estas señalesales hace que sea mucho más fácil identificar el fraude antes de que cause daño.

Los modelos generativos seguirán mejorando, mientras que los estafadores pueden comprimir, volver a escanear o alterar los medios sintéticos para ocultar artefactos de manipulación. ¿Cómo prueban los proveedores de verificación si sus sistemas de detección siguen siendo efectivos contra nuevos métodos de ataque no vistos anteriormente?

El desafío es que el fraude generado por inteligencia artificial evoluciona mucho más rápido que los ciclos de prueba de seguridad tradicionales. Los proveedores de verificación necesitan evaluar continuamente sus sistemas contra nuevas técnicas de ataque en lugar de confiar en conjuntos de datos históricos. Eso significa probar con documentos sintéticos, imágenes recomprimidas, capturas de pantalla, ataques de inyección y otros medios manipulados diseñados para ocultar artefactos obvios. Cada vez más, el enfoque se está desplazando desde la detección de un tipo específico de deepfake hacia la identificación de inconsistencies a través de múltiples señalesales, porque esas tendencias a permanecer más difíciles para los atacantes para replicar a medida que mejora la inteligencia artificial generativa.

Los sistemas de verificación de identidad pueden crear consecuencias graves cuando rechazan incorrectamente a usuarios legítimos. ¿Cómo deben los desarrolladores medir los falsos positivos, el rendimiento demográfico y la accesibilidad junto con la precisión de detección de fraude?

La precisión no debe ser solo sobre atrapar a los “malos”; es sobre asegurar un camino sin fricción para los “buenos”. En nuestra industria, nos centramos en la Tasa de Fallo de Extracción (FTXR), que mide con qué frecuencia un sistema simplemente no puede “leer” una cara o un documento, y la Tasa de Falsa No Coincidencia (FNMR), donde los usuarios genuinos son rechazados incorrectamente. Según las fuentes, el rendimiento de Shufti en el Benchmark RIVR 2025 del DHS demostró una tasa de fallo de extracción del 0% en múltiples dispositivos y una FNMR peor del 0,68%.

Los desarrolladores deben ir más allá de los “promedios de laboratorio” y medir el rendimiento contra resultados demográficos “peor de los casos”. Esto significa probar específicamente para la consistencia en tonos de piel, estructuras faciales y atuendos culturales diversos. Logramos esto capacitando nuestra inteligencia artificial en conjuntos de datos globalmente diversos que contienen millones de tramas. Una evaluación robusta no está completa hasta que se haya demostrado que el sistema es tan preciso para un usuario en una región rural con mala iluminación como lo es en un entorno de oficina controlado. El objetivo es una Capa de Identidad Unificada que permanece justa, inclusiva y accesible para todos.

Mirando hacia adelante, ¿tecnologías como las carteras de identidad digital respaldadas por el gobierno, las credenciales verificables criptográficamente y las identidades vinculadas a biometría eventualmente harán que las imágenes de documentos cargados sean obsoletas, o simplemente crearán un nuevo conjunto de superficies de ataque?

Definitivamente nos dirigimos hacia un futuro en el que la gente no necesitará cargar fotos de sus documentos de identidad tan a menudo. Las carteras de identidad digital respaldadas por el gobierno y las identidades digitales de confianza permiten probar la identidad de manera más rápida y segura porque permiten que la información se verifique directamente, en lugar de confiar en una imagen de un documento. También crean una experiencia de usuario más fluida al reducir el tiempo que se tarda en completar la verificación.

Dicho esto, cada nueva tecnología crea nuevas oportunidades para los delincuentes. En lugar de falsificar documentos, los atacantes pueden intentar robar credenciales digitales, tomar el control de cuentas o secuestrar identidades de confianza. Es por eso que las credenciales digitales solas no son suficientes. Todavía es importante confirmar que la persona que utiliza la identidad es el propietario legítimo, por ejemplo, a través de la verificación biométrica y las comprobaciones de vida. El futuro de la verificación de identidad probablemente combinará credenciales digitales de confianza con biometría, creando múltiples capas de protección en lugar de confiar en un solo método. Gracias por la gran entrevista, los lectores que deseen aprender más pueden visitar Shufti.