Cada tanto, a uno de nosotros le llega un mensaje de un proveedor de pagos que salió a producción en Brasil o México hace un trimestre y no logra entender por qué su tasa de rechazo se duplicó. El motor de riesgo es el mismo que ha funcionado sin problemas en Europa durante años. Nadie tocó una regla. Lo que cambió es que ahora ese motor está leyendo transacciones que nunca antes había visto.
Un comprador en São Paulo que adquiere una lavadora en doce cuotas mensuales genera una forma de transacción que un modelo entrenado en Europa califica como sospechosa: ticket alto, captura diferida, un patrón repetido que en Frankfurt apuntaría a una tarjeta comprometida. El motor rechaza. Multiplique eso por una docena de métodos de pago locales y el proveedor pasa sus primeros meses en la región rechazando justamente a los clientes que fue a conquistar.
El argumento para conservar el modelo que ya se tiene
La segunda versión de este error es concluir que la inteligencia construida sobre datos europeos y norteamericanos no sirve en América Latina y empezar de cero. Un modelo sin historia detrás detecta muy poco, y la historia tarda años en acumularse.
Un caso de hace algunos años lo ilustra. Un único BIN indonesio empezó a aparecer en un grupo de comercios latinoamericanos, respaldado por cientos de miles de cuentas abiertas con identidades falsas. Dentro del portafolio de cualquier adquirente, el volumen parecía normal. A nivel de red, cruzando emisores y adquirentes, fue legible en días, porque ese mismo BIN ya había aparecido en otra parte.
Lo que el modelo tiene que hacer es conservar esa historia y aprender el comportamiento de compra local por encima de ella. Eso requiere un periodo de reentrenamiento, que es la línea que los nuevos entrantes dejan fuera del presupuesto de lanzamiento.
Pix comprimió los tiempos
El fraude con tarjetas le deja días de margen a un equipo de riesgo, y la disputa al final asume que el dinero todavía se puede encontrar. Pix eliminó ese margen, y con Pix Automático, lanzado en junio de 2025, la facturación recurrente se mudó al mismo riel.
La recuperación posterior sigue siendo limitada. En 2024, el mecanismo especial de devolución recuperó R$ 459 millones de los R$ 6.500 millones defraudados, cerca del 7% (Poder360, con datos del BCB). Y desde 2025 el control de fraude es una obligación regulatoria: el Banco Central exige rechazar pagos dirigidos a cuentas con sospecha fundada de fraude (Resolución BCB 501) y su Manual de Penalidades prevé multas y, ante la reincidencia, la exclusión del Pix (Resolución BCB 507).
El fraude también cambió de forma. En buena parte de los golpes por Pix la víctima no es hackeada, es convencida, y autoriza la transferencia ella misma. Del otro lado está una cuenta mula, cada vez más a nombre de una empresa con un CNPJ activo que pasa sin problema un control documental. Lo que la delata es su comportamiento (cuánto entra contra cuánto sale, a qué velocidad, desde cuántos remitentes) y la red que la rodea, que casi nunca cabe dentro de una sola institución. Todo lo que un proveedor pretenda hacer ante un pago fraudulento por Pix tiene que ocurrir antes de que la transferencia se ejecute.
Lo que cambiamos en el desarrollo
Nuestro primer diseño para la protección de Pix se parecía a todos los productos antifraude que habíamos lanzado antes: un servicio de scoring que el comercio activaba, ubicado al lado del método de pago, invocado antes de la autorización y que respondía a su propio ritmo. Aguantó en pruebas y se desarmó a la latencia de Pix, porque dos sistemas que se pasan mensajes gastan la mayor parte del tiempo en el traspaso.
El scoring se movió entonces dentro de la ruta de enrutamiento, como parte de la misma decisión que elige a dónde va la transacción. El conjunto de datos de red de Fraudio aporta el contexto; la capa de orquestación de Akurateco aporta la posición en el flujo. El modelo corre sobre dos rieles: uno scorea cada transferencia y el otro perfila la cuenta receptora en el tiempo, que es donde aparece la señal de mula.
Es una decisión costosa de revisar. Agregar scoring en tiempo real a una arquitectura ya asentada implica reconstruir la ruta del pago, por eso la pregunta corresponde a la fase de diseño y no al roadmap. Cualquier proveedor que espere soportar Pix u otro método inmediato en los próximos dos años ya vive bajo la restricción de los milisegundos, se haya escrito o no la integración.
Si comprimiéramos todo esto en un consejo para quien planea un lanzamiento latinoamericano en los próximos doce meses: asuma que su modelo actual lee mal la región hasta que los datos de rechazo digan lo contrario, presupueste el reentrenamiento como trabajo real y decida dónde corre el scoring antes de que alguien abra un ticket de integración. Pix no deja espacio para una segunda vuelta, y en Brasil el regulador tampoco.
Sobre los autores
Andrew Riabchuk es Fundador y CTO de Akurateco, una plataforma de orquestación de pagos white-label con sede en Lisboa, Portugal. Es miembro del Forbes Technology Council y ha dedicado más de 20 años a construir infraestructura de pagos para PSP, bancos y comercios enterprise en Europa, MENA y América Latina.
Rodrigo Vilariño es VP Go to Market, Americas en Fraudio, plataforma global de detección de fraude y cumplimiento con sede en Ámsterdam, enfocada en adquirentes, payfacs, emisores y procesadores. Uruguayo, con más de diez años en pagos entre América Latina, EMEA y Estados Unidos, trabaja con los equipos de riesgo de sus clientes en la estrategia de detección sobre cada producto.