La IA agéntica se posiciona como la solución clave para que bancos y comercios enfrenten el aumento de fraudes transaccionales durante el Hot Sale 2026. Descubre cómo actúa de forma autónoma para investigar alertas, correlacionar señales en tiempo real y escalar solo los casos de mayor riesgo.

Ciudad de México, 28 de mayo de 2026 — El Hot Sale se ha convertido en uno de los eventos más importantes para el comercio electrónico en México. En 2025, generó ventas por más de 42,725 millones de pesos, según la Asociación Mexicana de Venta Online (AMVO). Para 2026, se espera un crecimiento significativo, impulsado por el aumento de las transacciones digitales. Sin embargo, este incremento también eleva el riesgo de fraudes transaccionales, robo de identidad y operaciones sospechosas, obligando a las empresas a fortalecer sus mecanismos de prevención en tiempo real.

¿Por qué la IA agéntica es clave para el Hot Sale 2026?

La inteligencia artificial agéntica emerge como una herramienta esencial para equilibrar seguridad y experiencia del cliente. Según la AMVO, el 80% de los consumidores realizará compras durante el Hot Sale 2026, y 6 de cada 10 utilizarán IA para tomar decisiones de compra. Pero no solo los consumidores se benefician: las instituciones financieras y tiendas también recurren a esta tecnología para detectar fraudes de manera más eficiente.

Durante el webinar “IA agéntica contra fraude transaccional: pago, seguros e infracción”, organizado por SAS, líder global en analítica y datos, los especialistas explicaron que el desafío ya no es solo identificar transacciones sospechosas, sino hacerlo en tiempo real, con precisión y sin generar fricciones en la experiencia del usuario.

¿Cómo está evolucionando el fraude financiero?

El fraude financiero ha alcanzado niveles de sofisticación sin precedentes, impulsado por la inteligencia artificial generativa. Yuri Rueda, Domain Expert en Fraude para SAS Latinoamérica, explicó que ya no se trata solo de fraudes tradicionales con tarjetas o robo de identidad, sino de esquemas altamente organizados dirigidos directamente a los clientes.

La evolución de los canales digitales y la demanda de inmediatez por parte de los usuarios han reducido las ventanas de tiempo para validar riesgos. Además, muchas instituciones enfrentan una fragmentación de la información, lo que dificulta detectar patrones de comportamiento y tomar decisiones oportunas. “El fraude ya no es un evento aislado, sino un fenómeno sistemático y altamente organizado”, advirtió Rueda.

¿Qué es la industrialización del fraude?

Uno de los cambios más relevantes en el panorama actual es la “industrialización del fraude”, donde los delincuentes utilizan tecnologías avanzadas para escalar sus operaciones. Manuel Valadez, Customer Advisor de SAS Latinoamérica, explicó que la IA generativa ha reducido las barreras de entrada para los defraudadores: “Hoy, un equipo pequeño con conocimientos técnicos puede ejecutar ataques a gran escala. Antes el fraude era artesanal; ahora es industrial, automatizado y altamente coordinado”.

Entre los casos más representativos se encuentran:

• Ataques con deepfakes: Uso de modelos de IA para suplantar identidades en tiempo real, simulando videollamadas, voces y comportamientos con un alto nivel de realismo.
• Spear phishing y pig butchering: Técnicas donde los atacantes construyen relaciones de confianza con las víctimas antes de ejecutar el fraude, ahora automatizadas mediante agentes de IA.
• Open Source Intelligence (OSINT): Recopilación de datos públicos de redes sociales y contenido en línea para generar perfiles detallados de sus objetivos.

Estos métodos han generado un entorno donde el fraude no solo es más frecuente, sino también más difícil de detectar con métodos tradicionales.

¿Cómo combate la IA el fraude?

La industria financiera está adoptando la IA agéntica para contrarrestar el fraude. Robson Ohosaku, Security Intelligence Manager de SAS Américas, explicó que la clave está en complementar las tecnologías existentes con nuevas herramientas generativas. “La IA tradicional sigue siendo fundamental para identificar anomalías, pero la IA generativa mejora la eficiencia operacional y la capacidad de análisis en tiempo real”.

Este enfoque híbrido permite avanzar hacia sistemas más inteligentes, capaces de:

1. Sugerir y optimizar reglas: Proponer nuevas reglas basadas en tendencias emergentes de fraude.
2. Priorizar alertas: Identificar qué casos requieren atención inmediata.
3. Analizar información automatizada: Procesar documentos, noticias y datos no estructurados para investigaciones más rápidas.
4. Generar datos sintéticos: Entrenar modelos sin comprometer la privacidad de los datos reales.

Estas capacidades permiten a las instituciones pasar de un enfoque reactivo a uno proactivo, anticipando riesgos antes de que se materialicen.

¿Cuáles son los desafíos de implementar IA agéntica?

A pesar de los avances, la implementación de estas soluciones enfrenta desafíos, principalmente organizacionales. Ohosaku destacó que el mayor reto es incorporar la analítica como parte de la cultura de la empresa: “El fraude evoluciona constantemente, por lo que los modelos y las estrategias deben adaptarse de forma continua”.

Esto implica invertir no solo en tecnología, sino también en talento, procesos y gobernanza de datos. Además, surgen preocupaciones relacionadas con la privacidad, la seguridad de los datos y la explicabilidad de los modelos. La IA generativa, aunque poderosa, puede presentar riesgos si no se implementa con controles adecuados.

Los especialistas de SAS concluyeron que la convergencia entre IA tradicional, IA generativa y agentes inteligentes marca el inicio de una nueva etapa en la prevención del fraude, donde la velocidad, la precisión y la integración de datos serán factores determinantes.