Joel Winteregg, CEO de Vyntra – Serie de entrevistas

Joel Winteregg, CEO de Vyntra, es un ejecutivo de tecnología financiera e ingeniero de software con casi dos décadas de experiencia desarrollando tecnología para la prevención de fraudes, la detección de delitos financieros y la seguridad de transacciones. Antes de asumir el liderazgo en Vyntra en junio de 2025, se desempeñó como CEO del Grupo Intix y pasó más de 18 años como CEO y cofundador de NetGuardians, donde ayudó a crear soluciones de inteligencia artificial y aprendizaje automático para instituciones financieras. Al inicio de su carrera, Winteregg trabajó como ingeniero de redes y software en el Institute for Information and Communication Technologies, centrado en plataformas de gestión de seguridad de código abierto y correlación de eventos en tiempo real. Ahora dirige Vyntra tras la combinación de Intix y NetGuardians.

Vyntra es una empresa de tecnología financiera que ofrece inteligencia de transacciones impulsada por IA a bancos, proveedores de servicios de pago, compañías fintech y otras instituciones financieras. Formada mediante la unión de 2025 de NetGuardians e Intix, la compañía combina la observabilidad de transacciones en tiempo real con la prevención de delitos financieros, permitiendo a las instituciones monitorizar flujos de pago, identificar anomalías operativas, detectar fraudes, rastrear riesgos de lavado de dinero e investigar amenazas internas. Su plataforma centraliza los datos de transacciones a través de sistemas y formatos mientras aplica análisis de comportamiento e inteligencia colectiva para ayudar a las organizaciones a responder a los riesgos sin interrumpir innecesariamente los pagos legítimos. Vyntra informa que sirve a más de 130 instituciones financieras en más de 60 países.

Pasó casi dos décadas construyendo NetGuardians como un actor reconocido en la prevención de fraudes impulsada por IA, y más recientemente dirigió Intix antes de convertirse en CEO de Vyntra. ¿Cómo ha evolucionado su perspectiva sobre el delito financiero a lo largo de estos roles, y qué brecha estratégica busca cerrar Vyntra hoy?

El delito financiero ya no es un problema operativo aislado. Se ha convertido en un riesgo sistémico para las instituciones financieras. En NetGuardians, Intix y ahora Vyntra,, el cambio ha sido bastante claro. El fraude ha pasado de ser un problema de TI a uno a nivel de la junta directiva. Antes, estaba mayormente por debajo del nivel ejecutivo, bajo la responsabilidad de los equipos de TI y ciberseguridad. Las consecuencias financieras, reputacionales y regulatorias ahora son lo suficientemente importantes como para que ocupe firmemente la agenda de los consejos y ejecutivos de nivel C, y la respuesta que exige ha cambiado en consecuencia. Además, el fraude ha dejado de ser una cuestión de detectar transacciones sospechosas dentro de una sola institución. Ahora opera a través de sistemas, instituciones y canales, y evoluciona continuamente, lo que expone una brecha entre cómo se comporta el fraude y cómo se aborda típicamente.

Vyntra se centra en cerrar esa brecha, basándose en la experiencia de trabajar con más de 130 instituciones en más de 60 países, donde la prevención de fraudes y la observabilidad de transacciones se encuentran en la misma plataforma. Eso significa ir más allá de controles estáticos y datos aislados, hacia inteligencia en tiempo real, comprensión conductual y una visión más conectada del riesgo. El objetivo es intervenir antes de que el fraude ocurra, al tiempo que se brinda a las instituciones una mejor visibilidad a lo largo de todo el ciclo de vida de la transacción.

Las pérdidas globales por fraude bancario están alcanzando ahora cientos de miles de millones anuales, con campañas de estafa cada vez más sofisticadas. Desde su punto de vista, ¿qué cambios estructurales han convertido el fraude en lo que parece un sistema industrializado en lugar de una actividad criminal aislada? 

El cambio definitorio es la escala. El fraude se ha vuelto organizado, repetible y cada vez más industrializado, y ya no es una serie de incidentes aislados. Durante años, el fraude se entendía principalmente en términos de volumen. Más ataques requerían más controles, y las instituciones respondían refinando las reglas de detección y reforzando la autenticación. Ese enfoque ahora ha alcanzado su límite.

Lo que vemos ahora es algo diferente. Los estafadores operan a escala con la coordinación y eficiencia de negocios legítimos. Prueban, refinan y optimizan sus enfoques. Son ágiles, no están limitados por el cumplimiento o las obligaciones legales, y constantemente experimentan con nuevas herramientas y tácticas. Los métodos exitosos se reutilizan y comparten, y las campañas se diseñan teniendo en cuenta el rendimiento. La IA está acelerando esto, pero no es la causa raíz. Simplemente turboalimenta un sistema ya organizado. Permite una focalización más rápida, una comunicación más convincente y una mayor personalización. Esa combinación hace que el fraude sea más escalable y significativamente más difícil de detectar. Ha dejado de ser oportunista y ha comenzado a asemejarse a una industria.

Una creciente proporción del fraude actual implica transacciones “autorizadas”, donde las víctimas son manipuladas para enviar fondos por sí mismas. ¿Por qué los marcos tradicionales de prevención de fraude tienen dificultades con esta categoría y qué necesita cambiar fundamentalmente?

Los marcos tradicionales se construyen alrededor de actividades no autorizadas. Están diseñados para detectar brechas, credenciales comprometidas o patrones de acceso sospechosos. Con el fraude autorizado, el sistema funciona como se espera. El cliente se autentica, la transacción se confirma y no hay ninguna anomalía técnica evidente. Desde la perspectiva del sistema, todo parece legítimo.

La escala de este problema es significativa. Según el último Informe Anual de Fraude de UK Finance, las pérdidas por fraude APP aumentaron 19% en 2025 a £576,4 millones, en 248.070 casos.  El problema es que el fraude ya ha ocurrido antes del pago. Sucede en la interacción, a través de la manipulación y la ingeniería social. Lo que necesita cambiar es el enfoque. En lugar de mirar solo si una transacción está autorizada, las instituciones deben comprender el contexto y la intención. Eso requiere insight conductual y análisis en tiempo real, no solo verificaciones a nivel de transacción.

Los sistemas de pagos instantáneos se están acelerando a nivel global, pero también reducen la ventana para detectar fraudes a segundos. ¿Cómo deberían las instituciones financieras replantear la gestión de riesgos en un mundo donde las transacciones son irreversibles casi de inmediato? 

La velocidad se ha convertido en uno de los factores definitorios tanto del fraude como de la prevención. Muchas estafas ahora se desarrollan en un solo día, y una vez que los fondos se transfieren, a menudo se mueven o retiran en minutos. Al mismo tiempo, la infraestructura de pagos está diseñada para ofrecer inmediatez, y la regulación está acelerando ese cambio. El Reglamento de Pagos Instantáneos de la UE exige que todos los proveedores de servicios de pago de la zona euro envíen transferencias de crédito instantáneas y ofrezcan servicios de Verificación del Beneficiario a partir de octubre de 2025.

Eso crea una tensión entre velocidad y seguridad. En ese entorno, la intervención retrasada ya no es viable. La gestión de riesgos debe operar en tiempo real. En lugar de ralentizar los pagos, la detección de riesgos, la toma de decisiones y la respuesta deben ser lo suficientemente rápidas como para ocurrir dentro del propio flujo de pago. Esto cambia fundamentalmente la forma en que las instituciones deben pensar sobre el fraude. Las instituciones deben pasar del análisis posterior al evento a la prevención en flujo, deteniendo las transacciones fraudulentas antes de la liquidación, no investigándolas después.

La IA se está utilizando ahora en ambos lados de la ecuación, por parte de los estafadores para escalar ataques y por parte de las instituciones financieras para detectarlos. ¿Cómo será la próxima fase de esta carrera armamentista y dónde ve que se inclina el equilibrio? 

La carrera armamentista está siendo acelerada por la IA, pero el resultado no será definido solo por la tecnología. Dependerá tanto de cuán eficazmente se comparta y aplique la inteligencia. Los estafadores ya operan como redes altamente coordinadas, y las instituciones financieras cada vez más necesitan responder de la misma manera. Comparten infraestructura, datos y tácticas, y cuando un enfoque es bloqueado, se adapta rápidamente y se despliega en otro lugar. La IA potencia esto al permitir iteraciones más rápidas y campañas más convincentes y escalables.

En el lado de la defensa, hay un cambio claro de tratar el fraude como un problema de una sola institución a reconocerlo como un desafío a nivel de red. Iniciativas como FPAD de EBA CLEARING y desarrollos de SWIFT reflejan un movimiento hacia la inteligencia de fraude compartida y en tiempo real, particularmente en el contexto de pagos instantáneos. Esto es importante porque muchas de las señales más valiosas se encuentran más allá de una sola institución, ya sea cuentas de mulas, anomalías conductuales o patrones emergentes. Cuando esa inteligencia se comparte e ingiere en tiempo real, la detección mejora. Cuando no lo es, el fraude simplemente se desplaza a otro lugar. El equilibrio favorecerá a quienes puedan combinar análisis en tiempo real con inteligencia colectiva. Aquellos que operen en aislamiento tendrán dificultades para mantenerse al día.

Vyntra enfatiza el análisis conductual y la inteligencia de transacciones en tiempo real. ¿Cómo difiere esto de los sistemas basados en reglas y por qué el comportamiento se está convirtiendo en la señal crítica en la detección de fraudes? 

Los sistemas basados en reglas son inherentemente estáticos. Dependen de condiciones predefinidas y patrones conocidos. Eso funciona hasta cierto punto, pero se vuelve menos efectivo a medida que el fraude evoluciona. El análisis conductual es diferente. Observa cómo las acciones se desvían de los patrones esperados en tiempo real. Eso incluye cómo interactúa un usuario, cómo se toman decisiones y cómo las transacciones encajan dentro de un contexto más amplio. Lo que hace que la detección conductual moderna sea más capaz es la combinación de enfoques que trabajan juntos. El aprendizaje no supervisado identifica anomalías sin necesidad de saber cómo se ve el fraude de antemano, el aprendizaje supervisado se basa en patrones de fraude conocidos para afinar la detección con el tiempo, y el aprendizaje activo alimenta resultados del mundo real al modelo de forma continua, de modo que el sistema mejora con cada decisión que toma.

Esto es importante porque el fraude moderno está diseñado para parecer legítimo a nivel transaccional. En muchos escenarios de fraude modernos, el comportamiento se convierte en el indicador más claro de que algo está mal, incluso cuando la propia transacción parece legítima. Al centrarse en el comportamiento y el contexto, las instituciones pueden identificar el riesgo antes, a menudo antes de que la transacción se complete.

Hay una discusión creciente sobre la “inteligencia comunitaria” o los datos de fraude compartidos entre instituciones. En la práctica, ¿qué tan realista es la colaboración a gran escala entre instituciones financieras dadas las restricciones regulatorias, y qué modelos funcionan realmente? 

La colaboración está pasando de ser opcional a esencial, pero debe adoptar una forma viable. Este no es un concepto nuevo para Vyntra. La inteligencia compartida ha sido parte de nuestro enfoque durante años, porque el fraude nunca ha operado de manera ordenada dentro de los límites institucionales. Algunos modelos están emergiendo en la práctica. Los enfoques de consorcio o utilidad compartida agrupan datos a través de un organismo central. Los diseños federados y que preservan la privacidad permiten a las instituciones entrenar con patrones compartidos sin exponer datos de clientes sin procesar. Las iniciativas de inteligencia a nivel de red, como FPAD de EBA CLEARING, impulsan señales de fraude entre los participantes en tiempo real a medida que los pagos instantáneos escalan. Cada uno funciona dentro de los marcos regulatorios existentes en lugar de eludirlos, lo que los hace viables a gran escala. Según nuestra experiencia, las instituciones que comparten inteligencia dentro de una red confiable y compatible con GDPR ven mejorar las tasas de detección en alrededor de 20%, aunque la cifra exacta varía según el diseño de la red y los niveles de participación. A medida que la regulación de pagos instantáneos acelera los volúmenes de transacciones transfronterizas, las instituciones y redes que inviertan ahora en infraestructura de inteligencia compartida estarán mejor posicionadas para gestionar el fraude que inevitablemente sigue a ese crecimiento.

Muchas instituciones financieras aún luchan con altas tasas de falsos positivos, lo que crea fricción para los clientes e ineficiencias operativas. ¿Cómo reducen los sistemas modernos impulsados por IA los falsos positivos sin aumentar la exposición al riesgo? 

Los falsos positivos a menudo son consecuencia de un contexto limitado. Cuando las decisiones se basan en señales estrechas, los sistemas tienden a sobrecompensar. Los enfoques modernos reducen esto al incorporar más datos y mejor contexto. El insight conductual, el historial de transacciones y las señales en tiempo real permiten una evaluación de riesgo más precisa. El objetivo no es simplemente bloquear más transacciones, sino tomar mejores decisiones. En toda la industria, las principales instituciones financieras que implementan sistemas de IA conductual han reportado reducciones de falsos positivos entre 60% y 90% en comparación con los controles basados en reglas heredados. Los falsos positivos dañan la confianza cuando los clientes legítimos son interrumpidos repetidamente. Cuando los sistemas pueden distinguir entre anomalías genuinas y comportamiento legítimo, pueden reducir la fricción innecesaria mientras mantienen una protección sólida.

El fraude interno y las amenazas internas siguen estando poco discutidas en comparación con los ataques externos. ¿Qué tan significativo es este riesgo hoy y cómo deberían las instituciones replantear la monitorización de comportamientos internos y patrones de acceso? 

El riesgo interno a menudo se subestima, pero forma parte del mismo desafío amplio. Según ACFE, la banca y los servicios financieros registraron más casos de fraude ocupacional que cualquier otra industria en el estudio, con una pérdida media de $120,000 por caso y un tiempo medio de detección de 12 meses. Cuanto más tiempo permanece abierta esa ventana, mayores son las pérdidas. Así como el fraude externo depende cada vez más del comportamiento y los patrones de acceso, lo mismo ocurre internamente. La monitorización debe ir más allá de permisos estáticos y verificaciones periódicas.

Comprender cómo se utilizan los sistemas, cómo evolucionan los patrones de acceso y dónde ocurren anomalías es fundamental. La supervisión interna eficaz no es vigilancia de los empleados. Es un escrutinio proporcional de la actividad dentro de sistemas financieros sensibles, centrado en el acceso y los comportamientos que conllevan un riesgo real. Esa distinción es importante, porque la monitorización general sin contexto produce ruido en lugar de insight, y conlleva sus propias consecuencias operativas y culturales. El principio es consistente: el comportamiento brinda la señal más significativa cuando otros indicadores parecen normales.

Mirando hacia adelante cinco años, ¿crees que la prevención de fraudes se volverá totalmente autónoma y predictiva, o el juicio humano seguirá siendo una capa crítica en el sistema? ¿Dónde se asentará finalmente el equilibrio? 

La prevención de fraudes se volverá más automatizada y más predictiva, particularmente a medida que la toma de decisiones en tiempo real se vuelva esencial. Los sistemas manejarán cada vez más una gran proporción de detección e intervención, especialmente donde la velocidad es crítica.

Sin embargo, no se volverá totalmente autónoma. El juicio seguirá siendo una capa necesaria, tanto dentro de las instituciones como del lado del cliente. Desde el punto de vista institucional, siempre habrá casos en los que el contexto, la ambigüedad y la escalada requieran que una persona intervenga. Muchos escenarios de fraude, particularmente las estafas autorizadas, aún implican manipulación humana e ingeniería social, que la automatización por sí sola no puede leer. Eso se refuerza con la dirección de la regulación. Ya sea a través del régimen de reembolso PSR del Reino Unido o de las propuestas PSD3 de la UE, se exige a las instituciones un estándar más alto para prevenir fraudes y proteger a los clientes. Eso aumenta la necesidad de supervisión, no solo de automatización. En cinco años, lo que separará a las instituciones que lo hagan bien de las que se queden atrás será saber exactamente cómo la automatización y el juicio trabajan juntos.

Gracias por la excelente entrevista, los lectores que deseen obtener más información deberían visitar Vyntra.