Estudio de modelos de detección de muleros en la banca digital: análisis de limitaciones y nuevas estrategias.

Abstract

La digitalización financiera, si bien democratiza el acceso a servicios, ha abierto una nueva brecha para el crimen organizado a través de las cuentas mula, un eslabón clave para conectar el fraude con el blanqueo de capitales al ofuscar el rastro del dinero. Los modelos de detección actuales sufren limitaciones críticas: operan con datos no integrados y una visión parcial del cliente, son reactivos y vulnerables a los cambiantes patrones de fraude, y su eficacia es baja debido al desbalance de clases y su ceguera ante las redes criminales. Frente a esto, se propone un cambio de paradigma hacia un modelo de detección holístico y proactivo. Este nuevo enfoque analiza el ciclo de vida completo del cliente (alta, operativa y desconexión) y emplea el análisis de grafos para descubrir las redes delictivas y los patrones de colusión que los sistemas tradicionales ignoran. Este trabajo presenta un marco estratégico y teórico, sin una implementación técnica directa. Su validez se basa en una extensa revisión de la literatura y en la experiencia práctica de NTT DATA, donde varios de sus componentes ya se aplican con éxito en proyectos reales, lo que demuestra su pertinencia y potencial. El objetivo final es ofrecer a las entidades financieras una hoja de ruta para evolucionar desde una estrategia de contención de daños hacia una de anticipación y desarticulación activa de las redes criminales, fortaleciendo así la seguridad del sistema financiero.Financial digitalization, while democratizing access to services, has opened a new vulnerability for organized crime through the use of mule accounts. These accounts are a key link for connecting fraud with money laundering by obfuscating the money trail. Current detection models suffer from critical limitations: they operate with non-integrated data and a partial view of the customer, are reactive and vulnerable to evolving fraud patterns, and their effectiveness is low due to class imbalance and a blindness to underlying criminal networks. In response, this work proposes a paradigm shift toward a holistic and proactive detection model. This new approach analyzes the complete customer lifecycle—from onboarding and operation to disconnection—and employs graph analysis to uncover the criminal networks and collusion patterns that traditional systems miss. This work presents a strategic and theoretical framework without direct technical implementation. Its validity is grounded in an extensive literature review and the practical experience of NTT DATA, where several of its components are already being successfully applied in real projects, demonstrating both its relevance and potential. The ultimate goal is to provide financial institutions with a roadmap to evolve from a strategy of damage containment to one of active anticipation and disruption of criminal networks, thereby strengthening the security of the financial system.