Secuencia de trabajo, sin fechas ni hitos inventados
Antes de mirar cualquier documento, el método revisa la cara que acompaña la solicitud. Los generadores de retratos dejan rastros en la textura de la piel, en cómo se continúa el pelo entre el rostro y el fondo, y en los reflejos que aparecen en ojos y gafas. No son marcas evidentes: son patrones que se repiten de forma antinatural cuando se comparan con miles de rostros reales. Un revisor humano puede pasar por alto esa repetición en una imagen, pero no en cientos de solicitudes al día.
Cuando el retrato no arroja señales claras, el análisis se desplaza a la estructura del documento. Las plantillas falsas suelen fallar en la tipografía, en la alineación del holograma respecto al resto del diseño y en la nitidez del microtexto. Un modelo entrenado compara la coherencia interna del documento con emisiones reales del mismo tipo, y detecta cuándo un elemento de seguridad no encaja con el conjunto aunque a simple vista parezca correcto.
Los extractos manipulados rompen la coherencia entre saldos, fechas y formato de columnas. El método no se limita a leer el texto: comprueba que la suma de movimientos cuadre con el saldo final, que las fechas sigan un orden lógico y que la tipografía sea la misma en todas las filas. Las capturas de pantalla son más difíciles de validar que un PDF original, así que la prioridad cambia según cómo llegó el archivo.
Ninguna de estas señales es concluyente por sí sola. El problema aparece cuando el volumen de solicitudes crece: revisar cada textura, cada holograma y cada fila de un extracto deja de ser viable a mano. El método no sustituye el criterio del equipo de verificación, lo ordena. Define qué mirar primero, qué señales pesan más y en qué momento conviene detener una solicitud para revisarla con más detalle.
El análisis de artefactos digitales funciona como una capa dentro del proceso de e-KYC, no como una decisión final. Los modelos señalan dónde hay algo que no encaja; la persona que revisa decide qué hacer con esa señal. Esa división importa porque los falsos positivos existen: una imagen comprimida, un escaneo con poca luz o un documento antiguo pueden parecerse a una manipulación sin serlo. El método asume esa ambigüedad en lugar de esconderla.
El método no promete resultados sobre casos concretos, no atribuye hallazgos a clientes ni equipos específicos y no describe paneles, cargas de archivos ni funciones que no estén implementadas. Lo que ofrece es un orden de revisión: retrato, documento, extracto, y una jerarquía clara de señales para que el equipo sepa dónde concentrar su atención cuando el volumen de solicitudes no permite mirar todo con la misma calma.
El método no reemplaza el criterio del equipo. Ordena qué señales revisar y con qué prioridad cuando llegan cientos de solicitudes al mismo tiempo.
Los generadores de rostros dejan marcas que no aparecen en una foto tomada con una cámara real. La piel pierde variación en zonas donde debería tenerla, el pelo se corta en mechones que no siguen una dirección física y los reflejos en ojos o gafas no coinciden con la fuente de luz del resto de la escena. Un filtro de belleza suaviza, pero no rompe esa continuidad. El modelo busca precisamente esas rupturas.
Cuando un documento se fabrica con una plantilla generativa, los errores rara vez están en el retrato. Aparecen en el kerning de las tipografías, en un holograma que no cambia al inclinarlo, en un microtexto que se repite o desaparece. El detector compara la coherencia interna del documento con la de emisiones reales del mismo tipo y revisa el fondo, que suele ser el punto más difícil de imitar sin dejar rastro.
Un extracto manipulado casi siempre rompe la coherencia entre saldos, fechas y formato de columnas. El modelo no se limita a leer el texto: comprueba que la suma de movimientos cuadre con el saldo final, que las fechas sigan un orden lógico y que la tipografía sea la misma en todas las filas. También detecta rastros de edición como sombras inconsistentes o píxeles repetidos en zonas donde debería haber variación.
La revisión manual de cada señal deja de ser viable cuando el número de solicitudes sube. El método asigna prioridad a los artefactos que un revisor humano no alcanza a ver a velocidad real: patrones repetidos en la textura, incoherencias numéricas, elementos de seguridad que no responden al ángulo. La detección se plantea en fracciones de segundo, no como un juicio final, sino como una capa que filtra antes de que alguien dedique tiempo a mirar.
El sistema señala artefactos, no culpables. Una imagen comprimida, un escaneo degradado o una captura de pantalla pueden producir señales ambiguas, y ahí el criterio del equipo sigue siendo el que cierra el caso. El método ordena qué mirar y con qué prioridad, pero no sustituye la lectura humana cuando el contexto lo exige.