Qué es un score de riesgo transaccional y cómo funciona

Un score de riesgo transaccional es una puntuación (o probabilidad) que estima qué tan riesgosa es una operación de pago —o un evento relacionado— en el momento en que ocurre. En antifraude moderno, el score casi nunca viaja solo: suele acompañarse de una decisión recomendada (aprobar, revisar, rechazar) y de las reglas o señales que más pesaron.

Esta explicación está pensada para product managers, ingenieros y analistas de riesgo en pasarelas, PSP, fintechs y e-commerce en Colombia.

1. Score ≠ “sí o no”

El score responde: ¿cuánto riesgo hay?
La política responde: ¿qué hacemos con ese riesgo?

Dos empresas pueden recibir el mismo score 0.72 y decidir distinto: una revisa, otra rechaza, otra pide autenticación adicional. Por eso un buen sistema separa:

Modelo / reglas → score y señales
Política de negocio → umbrales y acciones
Operación humana → cola de revisión

2. Qué señales suelen alimentar el score

Depende del producto, pero es común combinar:

Monto, moneda, velocity (frecuencia/monto en ventana de tiempo)
Método de pago (tarjeta, PSE, Bre-B, wallet…)
Historial del usuario o del comercio
Dispositivo, IP, geolocalización aproximada, anomalías de sesión
Consistencia entre pagador, beneficiario y destino de fondos
Listas internas (dispositivos quemados, merchants en observación)

Ninguna señal es “prueba forense” por sí sola. El valor está en el patrón.

3. Cómo se usa en tiempo real

Flujo típico vía API:

Su backend arma un payload con datos de la transacción
Llama al endpoint de evaluación
Recibe score, decision, rules_triggered (nombres ilustrativos)
Aplica su política: confirma el pago, pone en hold, o rechaza

Eso es lo que ofrece, a alto nivel, Kairo Shield API: evaluación en milisegundos para no romper la experiencia de checkout o de payout.

4. Aprobar, revisar, rechazar

Decisión	Cuándo	Efecto
Aprobar	Riesgo bajo / coherente	Sin fricción extra
Revisar	Zona gris	Cola humana o challenge
Rechazar	Riesgo alto acumulado	Bloqueo según política

El error clásico es mapear “score alto” siempre a rechazo. A veces lo correcto es revisar y salvar un cliente bueno.

5. Reglas vs. machine learning

Reglas: transparentes, rápidas de ajustar, ideales para tipologías conocidas (“primer depósito + retiro en < X minutos”).
Modelos: capturan combinaciones no obvias; necesitan datos, monitoreo de drift y explicación.

En early stage, muchas operaciones ganan más con reglas + score bien operados que con un modelo opaco sin dueño. Con el tiempo, ambos conviven.

6. Dónde se aplica (casos)

Pasarelas/PSP: autorización o pre-liquidación — antifraude pasarelas
E-commerce: checkout — antifraude retail
Marketplaces: cobro y payout al seller — antifraude marketplaces
Apuestas: depósito y retiro — antifraude gambling
Crédito/BNPL: originación y desembolso — antifraude crédito fintech
Billeteras/remesas: cash-in y cash-out — antifraude remesas

También ayuda a bajar disputas: cómo reducir chargebacks.

7. Cómo medir si el score “sirve”

Precision/recall de fraude capturado (cuando tiene labels)
Falsos positivos y conversión
Tiempo a decisión en cola de revisión
Chargeback rate o pérdida por fraude post-implementación
Estabilidad del score (¿cambió el mix de métodos de pago?)

Sin baseline, cualquier vendor parece un milagro.

8. Privacidad y minimización de datos

Envíe lo necesario para evaluar riesgo. Defina retención, acceso y contratos de tratamiento. En Colombia, el marco de datos personales (Ley 1581 y normas concordantes) aplica según el rol de cada parte. Su política de privacidad y DPA con proveedores deben estar alineados.

Preguntas frecuentes

¿Un score 0–1 es estándar de la industria?
Es común, pero no universal. Algunos usan 0–1000 o categorías. Lo importante es calibrar umbrales a su pérdida y a su tolerancia de fricción.

¿El score reemplaza KYC?
No. KYC identifica; el score evalúa comportamiento/transacción. Complementarios: KYC y AML en Colombia.

¿Puedo empezar sin historial propio?
Sí, con reglas y señales de la transacción actual; el historial mejora con el tiempo.

Contenido educativo de Kairo Connect S.A.S. Los ejemplos de API son ilustrativos; el contrato real se define en documentación de integración.