Binance, plataforma global de activos digitales por volumen y número de usuarios, informó que sus sistemas de gestión de riesgo impulsados por inteligencia artificial ayudaron a proteger a más de 8 millones de usuarios y a prevenir aproximadamente US$4.600 millones en pérdidas potenciales durante el primer semestre de 2026.
La cifra contempla diferentes tipos de amenazas, entre ellas actividad de trading anormal, intentos de toma de control de cuentas, estafas y fraude transaccional. Durante este período, Binance interceptó millones de intentos de estafa y phishing, incorporó más de 42.000 direcciones maliciosas a listas negras y emitió más de 14.000 advertencias en tiempo real por día.
Ante la creciente disponibilidad de herramientas para generar engaños y ataques más sofisticados, la compañía sostiene que resulta necesario evaluar los riesgos de manera continua, automatizada y en tiempo real. En este contexto, la inteligencia artificial se convirtió en uno de los principales componentes de la estrategia de protección de Binance.
La compañía desarrolla, entrena y supervisa internamente su infraestructura de IA, integrada en distintas etapas de la experiencia del usuario, incluyendo la verificación de identidad, seguridad de cuentas, pagos y monitoreo de transacciones. Cada acción es evaluada a medida que ocurre y la mayoría de los casos puede resolverse automáticamente, mientras que los especialistas intervienen en situaciones que requieren un análisis adicional.
Más de 100 modelos de IA para protección en tiempo real
Actualmente, Binance opera más de 100 modelos de inteligencia artificial destinados a controles antifraude y antiestafa. Estos sistemas trabajan junto con analistas de riesgo humanos, que establecen los umbrales de detección, revisan casos excepcionales y participan en el reentrenamiento de los modelos cuando aparecen nuevos patrones de fraude.
En los procesos de verificación de identidad (KYC), los sistemas de revisión asistidos por IA alcanzaron mejoras de eficiencia operativa de hasta 100 veces frente a procesos manuales en determinados flujos de trabajo. Los especialistas humanos continúan participando en los casos considerados de mayor riesgo.
Un enfoque híbrido con Red Team interno
La estrategia de Binance combina modelos desarrollados internamente con herramientas externas y modelos fundacionales. Los sistemas propios están orientados a los riesgos específicos detectados dentro de la plataforma, mientras que modelos externos pueden utilizarse para tareas de razonamiento más amplias.
La compañía también cuenta con un Red Team interno, encargado de poner a prueba las defensas de seguridad mediante escenarios que buscan replicar el comportamiento de un atacante real.
“Estos ejercicios nos ayudan a identificar debilidades antes que los atacantes, validar que nuestros controles funcionen en condiciones realistas y fortalecer continuamente a las personas, los procesos y la tecnología que protegen a nuestros usuarios. En seguridad, no puedes simplemente asumir que tus defensas funcionarán: tienes que desafiarlas”, señaló Jimmy Su, Chief Security Officer de Binance.
Defensas en capas contra la ingeniería social
Uno de los ámbitos donde Binance aplica diferentes tecnologías de IA es el trading P2P, debido a la presencia de intentos de ingeniería social. La compañía utiliza modelos de visión por computadora capaces de detectar comprobantes de pago falsificados, mientras que modelos de procesamiento de lenguaje natural analizan los mensajes de los chats para identificar posibles estafas.
A estas herramientas se suman modelos tradicionales de machine learning, que evalúan el nivel de riesgo de cada orden, y grandes modelos de lenguaje (LLM) capaces de analizar la intención de los mensajes y detectar contenido fraudulento incluso cuando se encuentra incorporado dentro de imágenes.
La IA automatiza, mientras los especialistas supervisan
Según Binance, los sistemas de IA toman actualmente entre el 80% y el 90% de las decisiones de riesgo en tiempo real y brindan asistencia en aproximadamente el 45% de los flujos de trabajo de revisión humana.
La supervisión humana continúa siendo un componente central para la validación y el análisis contextual. Cuando un modelo presenta una desviación en su precisión o los niveles de falsos positivos superan determinados umbrales, el sistema puede marcarlo para su reentrenamiento. El objetivo es mantener procesos automatizados que puedan ser auditables y explicables.
IA aplicada también al cumplimiento y la eficiencia
El uso de inteligencia artificial en Binance no se limita a la prevención de pérdidas. Los equipos de cumplimiento y compliance utilizan herramientas automatizadas para ampliar y estandarizar procesos relacionados con la detección de fraude durante el KYC, el monitoreo de transacciones y la debida diligencia de socios.
La compañía asegura haber implementado más de 24 iniciativas de IA vinculadas con el onboarding de usuarios, los procesos de monitoreo y diferentes tareas de cumplimiento. Además, una herramienta agéntica interna registra una adopción aproximada del 72% entre los equipos.
Todos estos sistemas funcionan bajo un enfoque de privacidad primero, que incorpora principios como la minimización de datos, la limitación de propósito y diferentes salvaguardas para los derechos de los usuarios desde las etapas de diseño y despliegue.
Para Binance, la protección de los usuarios requiere combinar escala tecnológica y supervisión humana. La IA permite analizar grandes volúmenes de actividad en tiempo real, mientras que los especialistas aportan el criterio necesario para abordar los casos más complejos. La compañía sostiene que este enfoque requiere un proceso permanente de reentrenamiento de modelos, ajuste de umbrales y revisión humana a medida que evolucionan las técnicas de fraude y engaño.
Leer más
Apple Intelligence deja afuera a estos iPhone en 2026
OpenAI presentó Dots: los agentes de inteligencia artificial que trabajan sin descanso
Compartir nota:
