Nuestra lectura
Las fintechs y empresas de pagos nombradas documentan cuatro tareas: decisiones sobre pagos con tarjeta, monitoreo de transacciones con gestión de casos, filtrado de clientes y pagos, y revisión de alertas asistida por IA. Empiece por su tarea y busque una empresa documentada parecida. Las fuentes muestran despliegues y resultados publicados por los proveedores, no qué herramienta rinde mejor.
¿Qué herramienta para cada trabajo?
| Su trabajo | Ejemplo documentado | La referencia a leer | Lo que documenta |
|---|---|---|---|
| Migrar bancos emisores a una plataforma multiinquilino |  Feedzai |  Elo | Elo migró más de 35 bancos emisores a Feedzai, que construyó un modelo por emisor y un gestor de casos para que escriban sus propias reglas. 5 |
| Subir la aprobación de pagos en mercados nuevos |  Sardine |  Prezzee | Prezzee sustituyó un servicio de fraude gestionado por Sardine e informa de hasta un 70 % más de aprobaciones en mercados nuevos. 6 |
| Sustituir el monitoreo de transacciones en hojas de cálculo |  Unit21 |  Sila | Sila pasó de hojas de cálculo y consultas a Unit21 para monitorear transacciones e informa de que preparar una auditoría bajó de dos semanas a dos días. 7 |
| Reemplazar umbrales propios por filtrado y monitoreo |  ComplyAdvantage |  Inpay | Inpay sustituyó un sistema interno basado en umbrales por ComplyAdvantage para filtrar pagos y monitorear transacciones. 8 |
| Frenar el fraude al crear el pedido | ComplyAdvantage |  Mama Money | Mama Money usa ComplyAdvantage Mesh para filtrar clientes y monitorear transacciones, y su equipo de fraude cambia reglas sin desarrolladores. 9 |
¿Qué tareas de fraude y AML documentan las fintechs nombradas?
Las fuentes públicas se agrupan en cuatro tareas: decidir sobre transacciones con tarjeta y pagos, monitorear transacciones y gestionar casos, filtrar clientes y pagos, y trabajar colas de alertas con agentes de IA. La mayoría de los casos de cliente cubre una o dos.
A 2026-10-31, 55 empresas del sector Fintech y pagos usan una herramienta de la categoría Fraude y antiblanqueo: 32 están confirmadas por una fuente del cliente y 23 aparecen observadas en la página del proveedor. Son recuentos de empresas nombradas, no cuota de mercado; una empresa observada solo indica adopción, sin tarea.
¿Qué herramientas deciden sobre fraude en tarjetas y pagos?
Elo, red de tarjetas brasileña, usó la plataforma multiinquilino de Feedzai para que sus bancos emisores escribieran reglas, vieran alertas y decidieran sobre el fraude; Feedzai también construyó un modelo por emisor. Elo cita una caída del 90 % en puntos básicos de fraude de un emisor entre el primer trimestre de 2023 y el de 2024: un solo emisor, cifra publicada por el proveedor.
Los casos de Sardine tratan de aprobaciones. Prezzee, plataforma de regalos digitales, usaba un servicio gestionado opaco que rechazaba de más a clientes legítimos en EE. UU. y Reino Unido; tras pasar a Sardine formó un equipo pequeño de científicos de datos y analistas, así que la mejora exigió personal. Novo eligió otro camino: verificación por SMS o código de un solo uso en lugar de rechazo directo, con lo que dice recuperar el 84 % de las transacciones antes bloqueadas y reducir más del 90 % las disputas no autorizadas.
¿Qué herramientas sirven para monitoreo de transacciones y casos?
Las páginas de clientes de Unit21 ofrecen los flujos de monitoreo más detallados. Central Payments, que gestiona programas de varias entidades financieras, pasó de un único conjunto de reglas a reglas por producto, programa o banco, probadas en modo shadow con datos históricos, con el filtrado de sanciones y PEP integrado en el mismo flujo. Intuit usa Unit21 para monitoreo y gestión de casos e informa de un 65 % menos de tiempo de investigación de alertas, ayudado por reportes SAR prerrellenados. El resultado de Sila está en la tabla.
Los clientes documentados de ComplyAdvantage combinan filtrado y monitoreo. Inpay superó sus reglas por umbral desarrolladas internamente; Mama Money quería reglas editables por su equipo de fraude y datos de sanciones en la misma vista. Factor común con los casos de Unit21: cambiar reglas ya no espera a ingeniería. Si una herramienta lo hace mejor que otra, estas fuentes no lo resuelven.
¿Dónde aparece la revisión de alertas asistida por IA?
Los clientes fintech confirmados de Bretton AI la usan en la gestión de alertas. Fluz emplea Alerts AI para evaluar alertas antilavado de forma automática, según sus propios estándares de riesgo, y la lista de casos de Bretton cita un 98 % menos de tiempo dedicado a falsos positivos. El caso de Sling Money cita el tiempo de gestión de alertas AML reducido a la mitad. Poblaciones y métricas difieren, así que no es una comparación. Bretton muestra un informe SOC 2 Type II en su centro de confianza.
Hawk describe un agente de investigación AML en su plataforma, y Alviere es cliente CONFIRMED de Hawk; el registro de Alviere documenta solo adopción, no un flujo concreto. Unit21, Sardine y ComplyAdvantage también describen agentes en sus sitios, pero los casos de cliente leídos aquí para esas tres herramientas documentan flujos de reglas y casos.
¿Qué conviene comprobar antes de copiar un flujo documentado?
Son sugerencias editoriales, no capacidades de los proveedores. Primero, la tarea: el caso de aprobaciones de Prezzee trata de fraude con tarjeta; el de Sila, de monitoreo en un agregador. Segundo, quién ajusta las reglas: Prezzee necesitó analistas, mientras Central Payments y Mama Money valoran cambiar reglas sin desarrolladores. Tercero, cómo se prueba una regla antes de producción: Central Payments menciona el modo shadow y el responsable de estrategia de fraude de Novo describe pruebas sobre 30, 60 o 90 días.
Los precios son desconocidos según las fuentes leídas. ComplyAdvantage menciona un plan Starter de autoservicio para empresas pequeñas. Unit21 indica un informe SOC 2 Type II.
Método y límites
2026-10-31
Alcance: 55 empresas clasificadas en Fintech y Pagos en usedby con una línea pública en una herramienta de Fraude y antiblanqueo. Cada cifra de esta página cubre solo este sector, no toda la base de clientes de las herramientas. El tamaño de las empresas no se registra ni se afirma.
Esta instantánea fechada cuenta empresas distintas con pruebas públicas de clientes. CONFIRMED indica un caso de estudio, testimonio identificado o fuente de prensa; DECLARED, una declaración de la propia empresa; OBSERVED, una lista de clientes del proveedor; SIGNAL, una oferta de empleo. Los cuatro niveles cuentan, con distinta solidez. Se excluyen las líneas retiradas o sin nivel. Los ejemplos son una selección limitada verificada en los últimos 90 días. Los datos del proveedor tienen fuentes comprobadas en los últimos 60 días. La cobertura es desigual y la ausencia de pruebas es desconocida. Las cifras no miden cuota de mercado ni rendimiento; las fechas de captura no son fechas de adopción.
