Jueves 12 de Noviembre del 2026 Jue 12 Nov
Cotizaciones
Dólar Oficial $1570
Dólar Tarjeta $2041
Dólar Blue $1565
Dólar CCL $1668.4
Euro $1708.55
Riesgo País 813
EN VIVO

Incode presentó TrustGraph en México: la red privada que busca frenar el fraude con inteligencia artificial

Incode presentó TrustGraph en México, una red para compartir señales de fraude entre bancos y fintechs sin intercambiar datos de clientes.

12 de noviembre, 2026 | 17.08
TrustGraph, la red de Incode que comparte señales de fraude

Incode lanzó en México TrustGraph, una red que permite a bancos, fintechs y tiendas en línea compartir señales de fraude sin intercambiar los datos de sus clientes. La idea responde a un problema concreto: los atacantes saltan de una plataforma a otra y cada una los ve como un caso aislado.

La empresa lo presentó el 14 de octubre, en un momento en que la automatización cambia el juego. Los agentes de inteligencia artificial pueden probar registros sin pausa, modificar datos tras un rechazo y mudar sus intentos a otras organizaciones, lo que borra el patrón.

Cómo funciona sin centralizar datos

TrustGraph usa una arquitectura entre pares: los datos originales quedan en la institución que los recaba y la red solo permite consultar señales, sin acceso directo a los registros de otras organizaciones. No funciona como una lista negra, y cada entidad decide si aprueba, pide más verificaciones, envía a revisión o rechaza.

Detrás hay mecanismos criptográficos basados en patentes de Identiq, la compañía que Incode adquirió en junio de 2026. Entre ellos destaca la computación segura multiparte (SMPC), que permite comparar información cifrada sin revelar los datos de fondo.

Qué detecta la herramienta

Son tres capacidades. La primera conecta señales de fraude entre instituciones y las vincula con identidades verificadas por Incode, de modo que el patrón se reconozca aunque el atacante cambie nombre, documento o dispositivo. La segunda halla relaciones entre solicitudes aparentemente independientes dentro de una misma organización, como dispositivos compartidos o documentos parecidos.

La tercera funciona al revés: suma señales de confianza. Si una persona completó la verificación en otra institución participante, esa referencia puede reducir requisitos innecesarios, y cada organización define cómo la usa. En pruebas tempranas, Incode asegura que detectó hasta 53 casos adicionales por cada 100 que los modelos existentes ya identificaban.

Por qué el problema pesa en México

Un estudio de Incode y Endeavor señala que 41% de las organizaciones en México depende por completo de contraseñas tradicionales. Además, Incode estima que la inteligencia artificial impulsará más del 60% de los intentos de fraude para finales de 2026.

Ricardo Amper, fundador y director ejecutivo de la compañía, sostiene que los atacantes aprovechan que cada institución ve “únicamente sus propias interacciones”. La propuesta es convertir esos intentos sueltos en señales compartidas. La gran ventaja de este modelo está en que suma visibilidad entre competidores sin que ninguno entregue su base de clientes.

Las más vistas