Cada vez que se pincha una Mastercard, la red dispone de menos de una décima de segundo para evaluar la probabilidad de que la compra sea fraudulenta. Hizo este llamado sobre 175 mil millones de transacciones el año pasado. Ahora el comprador del otro lado de ese juicio está empezando a cambiar, y Greg Ulrich, jefe de IA y datos de la compañía, explicó las implicaciones para la audiencia de VB Transform 2026 en Menlo Park el 14 de julio. «Construimos un conjunto de reglas de riesgo a lo largo del tiempo que tenían como objetivo evitar que un bot realizara transacciones», dijo Ulrich. «Ahora necesitamos permitir que el robot realice transacciones, lo que requiere un cambio en nuestro marco de riesgo y en nuestras reglas de riesgo».
Ulrich se unió a Mastercard hace once años cuando adquirió la empresa de análisis en la que trabajaba y dijo que la confianza lo invadió desde el primer día en el trabajo. «Es lo que le permite a un comerciante que nunca lo ha conocido aceptar un pago y asegurarse de que se pague. Es lo que le permite a usted, como consumidor, realizar transacciones y garantizar que las cosas sucedan de manera confiable y segura. Y si algo sale mal, existe un camino seguro para resolver una disputa», dijo.
175 mil millones de transacciones, registradas en menos de 100 milisegundos
Llevó a la audiencia a cada una de estas llamadas. “Cuando usas tu Mastercard para pagar un producto o servicio, asignamos una puntuación a esa transacción”, dijo. «Tenemos menos de 100 milisegundos para revisar esto y dar una puntuación de cero a 999 sobre la probabilidad de que sea fraudulento o real. Y se lo pasamos al banco emisor».
La IA generativa ha ampliado lo que esta puntuación puede ver. «Con la nueva tecnología, podemos aportar más datos, más contexto, y ahora estamos viendo que podemos identificar entre un 300 y un 400 por ciento más de transacciones fraudulentas en estas bandas de alto riesgo», dijo Ulrich, sin agregar fricciones ni falsos positivos para los consumidores. El sistema Safety Net de la compañía ha detenido más de 70 mil millones de transacciones fraudulentas, dijo a la audiencia, y Mastercard está construyendo su propio modelo transformador a partir de sus datos de transacciones como base para nuevas soluciones de seguridad y personalización. El podcast Beyond the Pilot de VentureBeat analizó en detalle este fraude de producción a principios de este año.
Un tercio de las actividades de servicios ya funcionan gracias a la IA
Las cuestiones comerciales van más allá del fraude. Alrededor del 40% del negocio de Mastercard se basa ahora en servicios, afirmó Ulrich, incluidos los servicios de marketing; fraude, seguridad y protección; e inteligencia económica. «Un tercio de ellos dependen de la IA, y están creciendo a un ritmo mucho más rápido que todo lo demás», dijo.
Una línea que retomó a lo largo de la sesión fue más allá. «Lo que permitirá que la IA siga evolucionando no son las capacidades de los agentes, sino el grado en que confiamos en que esos agentes actuarán en nuestro nombre como consumidor, como empresa, como institución financiera o de otra manera», dijo.
Cinco capas se interponen entre los agentes y la red
El oficio de agente modifica el objeto a asegurar. «En lugar de una única transacción atómica en la que digo que vayamos a comprar algo, en realidad delego una autoridad, o la autoridad de un consumidor, una empresa delega una autoridad», dijo Ulrich. «Y cuando eso sucede, es una transacción mucho más complicada». La confianza, a su vez, tiene un requisito previo. «La única manera de que esto funcione con confianza es poder identificar cuál fue la intención, cuáles son los comportamientos, cuáles son las limitaciones previstas en esa transacción».
Ulrich pasó por cinco niveles que Mastercard construyó para resolver este problema. La identidad es lo primero. «Quiero asegurarme de que puedo entender no sólo quién es el consumidor, sino también quién es el agente, que los combino y tengo KYA o conozco a su agente, que valido que es una tecnología legítima, que es un agente legítimo», dijo. «Podemos iniciar sesión en nuestro sistema».
La intención verificable resuelve el problema de las “Malas Nike”
A continuación viene la intención verificable, un registro criptográfico a prueba de manipulaciones de las instrucciones originales que acompañaron a la transacción. «Si pediste Nike negras talla 12, pero las obtuviste en una venta final y no se pueden devolver y eso no estaba en tus instrucciones, hay una manera de verlo de manera objetiva y clara al final del día», explicó.
Los controles constituyen el tercer nivel, que define qué comerciantes puede comprar un agente, con qué límite y bajo qué restricciones. El cumplimiento se realiza a través de Mastercard Agent Pay, que integra «marco de tokenización, autenticación y aceptación» y se lanzó con Microsoft, OpenAI, Google y otros, dijo Ulrich. La inteligencia constituye el quinto nivel, que cubre reglas de riesgo, tokens de información que otorgan “acceso consentido o autorizado a la información” para recomendaciones personalizadas y monitoreo a través de Recorded Future para identificar actores de amenazas en el sistema.
El premio mayor es un agente de adquisiciones con un presupuesto.
Las compras de los consumidores son el punto de partida del comercio de agentes. Ulrich mostró a los presentes que las compras entre empresas eran la mayor oportunidad. Su ejemplo fue el de un fabricante que quiere una línea de montaje permanente, con un agente que gestione los niveles de existencias, realice un seguimiento de los productos agotados, reabastezca automáticamente y comprenda el presupuesto y los proveedores aprobados. «Cuando puedas empezar a habilitar eso, necesitarás esos mismos cinco niveles para ese tipo de transacción», dijo.
Hacer que funcione en todas las empresas multiplica las partes que necesitan confiar entre sí. «Se necesitan estándares claros en torno a la identidad, se necesitan estándares claros en torno a la intención, es necesario aplicarlos de manera transversal. Tendrá un agente de adquisiciones, un agente proveedor, un agente bancario. Todos necesitarán comunicarse para permitir que esto suceda de forma autónoma, y eso requerirá una infraestructura de confianza verdaderamente a gran escala».
Nuevos modelos potentes, mismo movimiento de seguridad
Mastercard participó en la primera ola del proyecto Glasswing con el modelo Mythos de Anthropic y trabajó con GPT-5.5-Cyber de OpenAI, dijo. «Lo que vimos en ambos casos fueron modelos increíblemente poderosos que descubrieron nuevas vulnerabilidades en el ecosistema que antes eran difíciles de detectar, pero esto es en realidad una nueva herramienta y no un nuevo movimiento», dijo Ulrich.
Dentro de la empresa, el responsable de seguridad lidera esta labor. Un equipo dedicado priorizó los activos más críticos, los ejecuta a través de plantillas con regularidad, realiza un seguimiento de los resultados por gravedad alta, media y baja y utiliza la misma tecnología para administrar parches. Ulrich dijo que el enfoque ya se ha ampliado y Mastercard está trabajando para que la misma arquitectura y parches estén disponibles para otros también.
Lo que Mastercard construiría de manera diferente después de 14 meses
«Las barreras de seguridad, la seguridad, todo eso tiene que estar integrado desde el principio. Estas no pueden ser cosas que agreguemos en segundo plano. Esa es la primera lección. La segunda lección es que hay que operar a escala, y la segunda es que la observabilidad y la responsabilidad son tan importantes como la inteligencia», dijo Ulrich, contando lo que la construcción dentro de Mastercard le enseñó al equipo. La empresa construyó lo que describió como una fábrica de agentes, un sistema operativo con cumplimiento, observabilidad y barreras de seguridad integradas en lugar de atornilladas por el agente. La deriva del modelo, que anteriormente era rastreada manualmente por equipos dedicados, ahora está automatizada en esta fábrica.
Cuando un espectador le preguntó sobre los obstáculos, Ulrich no suavizó los obstáculos desde el piloto hasta la producción. «Si intentas ampliarlo y luego añades barandillas a medida que lo haces, una vez que ya lo has construido, creo que estás condenado al fracaso», afirmó.
Mastercard creó una suite de agentes para sus 4.000 consultores el año pasado, que cubre investigación profunda, texto a SQL, Excel y PowerPoint, herramientas que, según dijo, no existían al nivel que Mastercard requería. Si la empresa empezara hoy, afirma Ulrich, los construiría de forma totalmente diferente. «No sé si anticipamos, cuando construimos las cosas hace catorce meses, que ya estaríamos repensando la arquitectura y el enfoque fundamentales».
La identidad del agente se une a KYB y KYC
Ulrich espera que el mercado evolucione a continuación en el nivel de identidad. En Agent Pay, Mastercard autentica al consumidor como en el comercio electrónico tradicional y vincula al agente con esa persona. «Fuera de ese marco, creo que habrá estándares abiertos para identificar quién es un agente y vincularlo con el consumidor», dijo. «Y luego podemos vincular eso a una intención verificable».
El estudio Pulse de junio de 2026 de VentureBeat destaca la misma brecha. Solo el 32 % de las 107 empresas encuestadas otorgan a cada agente su propia identidad extendida y administrada, y solo el 12 % incluye un producto de identidad de agente en su conjunto de consideración.
Llamó a la identidad «uno de los ecosistemas de más rápido crecimiento», y señaló que Mastercard ha estado creciendo allí de manera orgánica e inorgánica durante unos seis o siete años, y el trabajo ahora cubre «la identidad del agente, así como la identidad tradicional KYB y KYC». Las reglas de riesgo que impiden que los bots accedan a la red son el resultado de más de dos décadas de aplicar IA a estas transacciones. La reescritura, para los agentes que Mastercard ahora quiere dejar entrar, ya está en marcha en la misma red que registró 175 mil millones el año pasado.
Suscríbete y recibe las historias más importantes del día.
Al suscribirte aceptas nuestros términos y condiciones y política de privacidad.
