Singapur prueba una IA que cruza datos entre bancos para cortar las estafas antes de que el dinero desaparezca

Por Zendoric · 12 de septiembre de 2026.

La Autoridad Monetaria de Singapur (MAS) está probando modelos de inteligencia artificial que cruzan datos entre bancos, la policía y el propio regulador para detectar cuentas usadas en estafas casi en tiempo real. Lo anunció el director gerente Chia Der Jiun en una intervención en el Global FinTech Fest, según recoge Finance Magnates. El objetivo declarado es simple: detectar el fraude antes, intervenir más rápido y reducir las pérdidas.

El problema que intenta resolver este experimento es estructural. El dinero de una estafa suele pasar por cuentas en varios bancos distintos antes de esfumarse, y cada entidad solo ve el tramo que pasa por sus propios libros. Ningún banco individual tiene visibilidad de la cadena completa, así que patrones que serían evidentes vistos en conjunto pasan desapercibidos vistos por partes. MAS no ha revelado qué bancos participan en la prueba, qué conjuntos de datos se están usando ni qué criterios determinarán si el sistema pasa de piloto a despliegue real; solo ha dicho que espera resultados para finales de 2026. En paralelo, el regulador mantiene PathFin.ai, un programa distinto que empareja a entidades financieras con soluciones de IA ya validadas y que según Chia supera ya los 300 participantes, pensado sobre todo para que los bancos pequeños no tengan que asumir en solitario el coste de evaluar herramientas.

Singapur no está solo en este movimiento. Como contexto del sector, varios reguladores están aplicando IA y analítica avanzada al fraude, cada uno en un punto distinto de la cadena. La Autoridad Monetaria de Hong Kong ha indicado a sus bancos que consideren el uso de IA y analítica de redes para vigilar estafas de pago autorizadas —aquellas en las que la víctima aprueba la transferencia engañada— y detectar redes de cuentas mula, y también ha probado el análisis conjunto de información entre bancos. La FCA británica usa aprendizaje automático y rastreo web para localizar webs potencialmente fraudulentas. El regulador australiano ASIC se centra en desmantelar la infraestructura online que capta víctimas: coordinó la retirada de 11.964 webs de phishing e inversión falsa en 2025, un 90% más que el año anterior. Y FINRA, el supervisor bursátil estadounidense, aplica machine learning a otro nivel: cientos de miles de millones de eventos de mercado para detectar manipulación, no estafas minoristas.

Nuestra lectura es que el cuello de botella real en la lucha contra el fraude financiero nunca fue la falta de algoritmos de detección, sino la fragmentación institucional: cada banco optimiza su propio perímetro mientras el estafador opera precisamente en las costuras entre perímetros. Lo que prueba Singapur no es tanto un modelo más listo como una arquitectura de coordinación —bancos, policía y regulador compartiendo señales— para tratar el fraude como un problema de red y no de cuenta aislada. Es, además, la otra cara de una tesis que ya hemos defendido en Zendoric: el daño más verificable de la IA a corto plazo no viene de escenarios especulativos, sino de la industrialización del fraude y las estafas asistidas por deepfakes y automatización. Esta iniciativa es la respuesta institucional a ese mismo fenómeno, y es una noticia bienvenida: la IA defensiva empieza a igualar en sofisticación a la IA ofensiva que la alimenta.

Eso sí, conviene no adelantar conclusiones. MAS no ha explicado con qué salvaguardas se comparten estos datos entre entidades privadas y cuerpos de seguridad, ni qué pasa si el modelo genera falsos positivos que bloqueen cuentas legítimas. Esa opacidad, unida al hecho de que Singapur opera con un nivel de confianza institucional en el uso compartido de datos que otros países no comparten —Estados Unidos discute ahora mismo, en sentido contrario, hasta qué punto tolerar herramientas de vigilancia como los lectores de matrículas—, deja claro que este tipo de gobernanza avanza aplicación por aplicación y país por país, no por decreto general sobre los modelos. El resultado de aquí a final de año dirá si compartir datos entre bancos sirve para frenar el dinero antes de que se disperse, o si el experimento se queda en una prueba de concepto sin traducción operativa. Mientras tanto, es exactamente el tipo de infraestructura defensiva que necesitamos construir para atravesar con menos fricción la fase dura de esta transición.