Puntos Clave
- En el primer semestre de 2026, los sistemas de riesgo impulsados por IA de Binance ayudaron a proteger a más de 8 millones de usuarios y evitaron pérdidas potenciales por aproximadamente $4.6 mil millones.
- La IA ahora informa entre el 80% y el 90% de las decisiones de riesgo en tiempo real en verificación de identidad, seguridad de cuentas, pagos y filtrado de transacciones, mientras que los revisores humanos se encargan de los casos límite que requieren un juicio más fino.
- Más de 100 modelos de IA impulsan los controles antifraude para detectar estafas, documentos falsificados e intentos de ingeniería social a gran escala.
📷
Ahora se puede generar una captura de pantalla de pago falsa o un documento de identidad alterado en segundos, y un guion de estafa puede personalizarse para un solo objetivo casi sin costo. A medida que el engaño se vuelve más barato de producir, la única forma realista de mantenerse al día es evaluar el riesgo continuamente, a escala y en tiempo real.
Aquí es donde la IA se ha vuelto central en cómo Binance protege a sus usuarios. En el primer semestre de 2026, los sistemas de riesgo impulsados por IA de Binance ayudaron a proteger a más de 8 millones de usuarios y evitaron pérdidas potenciales por aproximadamente $4.6 mil millones, cubriendo actividad comercial anormal, intentos de toma de control de cuentas, estafas y fraude en transacciones.
Este blog desglosa los números: dónde opera la IA a lo largo del recorrido del usuario, cómo trabajan juntos los modelos internos y externos, por qué los revisores humanos siguen siendo centrales en el ciclo, y cómo este enfoque va más allá de la prevención de pérdidas hacia el cumplimiento normativo y las operaciones internas.
Binance Convierte Más de 100 Modelos de IA en Protección Real-Time para Usuarios
En el H1 de 2026, Binance interceptó millones de intentos de estafa y phishing, incluyó en listas negras más de 42,000 direcciones maliciosas y emitió más de 14,000 advertencias en tiempo real diariamente.
Estos resultados provienen de una infraestructura de IA que Binance construye, entrena y supervisa internamente. Ahora ejecutamos más de 100 modelos de IA en nuestros controles antifraude y antiestafas, con analistas de riesgo humanos estableciendo los umbrales, revisando casos límite y reentrenando modelos a medida que surgen nuevos patrones de estafa.
En KYC (verificación de identidad), nuestras líneas de revisión habilitadas por IA han logrado ganancias de eficiencia operativa de hasta 100x sobre los procesos manuales en flujos de trabajo específicos, manteniendo a los especialistas involucrados en los casos de mayor riesgo.
Binance Integra Protección de Riesgos con IA en Todo el Recorrido del Usuario
La IA está integrada en todo el recorrido del usuario, allí donde se necesite tomar una decisión de riesgo en tiempo real. Esto incluye verificación de identidad, seguridad de cuentas (como detectar señales de toma de control), pagos y protección y filtrado más amplios de transacciones.
Cada acción se evalúa mientras ocurre, y la gran mayoría se resuelve automáticamente. Esto es lo que permite que la protección opere a escala de plataforma sin ralentizar a los usuarios legítimos, ya que la mayoría de las personas nunca ven las comprobaciones que se ejecutan detrás de su actividad.
Un Stack de Modelos Híbrido, Construido Internamente y Más Allá
Binance utiliza una mezcla de tecnología propietaria y externa. Los modelos internos están diseñados específicamente para los riesgos observados en la plataforma, mientras que los principales modelos de IA externos y de base manejan tareas de razonamiento más amplias.
Este enfoque híbrido mantiene la detección en la frontera de la capacidad de la IA mientras preserva una ventaja adaptada a los usuarios, productos y escala de Binance. También significa que nuevas capacidades pueden adoptarse rápidamente a medida que avanza el campo más amplio de la IA.
Junto con los modelos de detección, Binance opera un Red Team interno que prueba las defensas como lo haría un adversario real, incluyendo sondear cómo la tecnología emergente podría usarse contra la plataforma.
Jimmy Su, Chief Security Officer en Binance, explica: “Estos ejercicios nos ayudan a identificar debilidades antes de que lo hagan los atacantes, validar que nuestros controles funcionan bajo condiciones realistas y fortalecer continuamente a las personas, procesos y tecnología que protegen a nuestros usuarios. En seguridad, no puedes simplemente asumir que tus defensas funcionarán – tienes que desafiarlas.”
Ejemplo: Defensas en Capas Contra la Ingeniería Social
Algunos ataques están diseñados para eludir la tecnología por completo y apuntar a la confianza en su lugar. El trading P2P es un área donde los intentos de ingeniería social son especialmente comunes.
En Binance, los modelos internos de visión por computadora detectan imágenes falsas de comprobante de pago analizando detalles de transacciones y manipulaciones sutiles de imagen. Los modelos de procesamiento de lenguaje natural identifican mensajes de estafa en chats. Los modelos tradicionales de machine learning evalúan el nivel de riesgo de cada orden. Además de eso, los grandes modelos de lenguaje ayudan a interpretar la intención del mensaje y capturan texto de estafa incrustado dentro de imágenes.
Las Máquinas Filtran, los Humanos Deciden, los Modelos Aprenden
Si bien la IA es excepcional en descubrimiento y filtrado grueso, los humanos siguen siendo esenciales para la validación fina y el juicio contextual. La detección de vitalidad y falsificación de documentos de identidad es un buen ejemplo. La IA puede pre-filtrar rápidamente grandes volúmenes y destacar los sospechosos, pero muchos casos límite aún requieren revisores humanos para etiquetar y juzgar con mayor precisión.
A medida que surgen nuevos patrones de ataque, la IA ayuda a descubrirlos e identificarlos, y esos hallazgos luego se usan para ajustar finamente los modelos. El resultado es un ciclo continuo donde la IA proporciona escala y las personas proporcionan precisión. En los controles de fraude, los modelos de IA toman entre el 80% y el 90% de las decisiones de riesgo en tiempo real y asisten en alrededor del 45% de los flujos de trabajo de revisión humana.
Para mantener la responsabilidad de la IA a esta escala, Binance aplica una gobernanza estructurada de modelos a lo largo de todo el ciclo de vida del modelo, desde el desarrollo y la validación hasta el despliegue y el monitoreo continuo. Los modelos se prueban en sesgo y precisión antes de entrar en producción, y su rendimiento se rastrea continuamente contra resultados del mundo real.
Cuando la precisión de un modelo deriva o las tasas de falsos positivos aumentan más allá de los umbrales aceptables, como lo encuentra el proceso de revisión humana mencionado anteriormente, se marca automáticamente para reentrenamiento. Esto asegura que las decisiones automatizadas sigan siendo justas, explicables y audibles — no solo rápidas.
Más Allá de la Prevención de Pérdidas: Cumplimiento y Eficiencia Interna
Más allá de proteger a nuestros usuarios, nuestros equipos de cumplimiento utilizan herramientas de automatización asistida por IA para escalar y estandarizar procesos como la detección de fraude KYC y la ejecución del monitoreo de transacciones.
Se han desplegado más de 24 iniciativas de IA en la incorporación de usuarios, escaladas de filtrado y diligencia debida de socios. Estos modelos clasifican casos por prioridad, identifican patrones en conjuntos de datos complejos – incluyendo actividad on-chain y huellas digitales de dispositivos – y dirigen los problemas correctos a los revisores humanos minimizando las alertas falsas.
Internamente, el efecto es similar. Los analistas usan IA para moverse más rápido en análisis, monitoreo y despliegue de modelos, mientras que los equipos de operaciones la usan para asistir con investigaciones y detalles de casos. En ambos casos, el objetivo es el mismo: delegar el trabajo repetitivo para que las personas puedan concentrarse en llamadas de juicio de mayor valor. Eso se refleja en la adopción – la herramienta agéntica interna de Binance ahora ve aproximadamente un 72% de uso entre equipos, respaldada por capacitación corporativa, programas de ingeniería de prompts y supervisión estructurada.
Subyacente a todo esto hay un compromiso con la privacidad desde el diseño. Los sistemas de IA de Binance operan dentro de un marco centrado en la privacidad, donde la minimización de datos, la limitación de propósito y las salvaguardas de derechos del usuario están integradas en cómo se construyen y despliegan los modelos de IA. El objetivo es sencillo: proteger a los usuarios del abuso financiero y el daño sin comprometer su derecho a la privacidad de datos — y hacerlo de manera transparente, para que los usuarios entiendan que las salvaguardas están trabajando en segundo plano sin que sus datos sean usados más allá de lo que requiere la tarea.
Reflexiones Finales
En Binance, la protección del usuario es una prioridad en la que seguimos invirtiendo. La IA proporciona la escala; las personas proporcionan el juicio. A medida que las herramientas para producir engaños se vuelven más baratas, esa combinación tiene que seguir mejorando – lo que significa reentrenar modelos, refinar umbrales y mantener analistas experimentados en los casos que los necesitan.
Descargo de responsabilidad: Este contenido se presenta "tal cual" para fines generales de información y educativos únicamente, sin representación ni garantía de ningún tipo. No debe interpretarse como asesoramiento financiero, ni pretende recomendar la compra de ningún producto o servicio específico. Los precios de los activos digitales pueden ser volátiles. El valor de tu inversión puede bajar o subir y podrías no recuperar la cantidad invertida. Eres el único responsable de tus decisiones de inversión y Binance no es responsable de ninguna pérdida que puedas incurrir. No es asesoramiento financiero. Para más información, consulta nuestros Términos de Uso y Advertencia de Riesgo.
