November 6, 2026
Anular una alerta de fraude es una decisión rutinaria para la mayoría de los analistas. Los nuevos datos de nuestra propia revisión de resultados de transacciones indican que no debería tratarse así.
Las transacciones que fueron marcadas y aprobadas de todos modos presentaron hasta 4,4 veces la tasa de fraude de las transacciones que nunca se marcaron, en unos 127 millones de transacciones procesadas entre enero de 2025 y abril de 2026.
Eso convierte la anulación de alertas de fraude en algo que ya no es una cuestión de criterio, sino una métrica que merece medirse por sí misma.
| Categoría | Punto clave |
|---|---|
| ¿Qué es una anulación de alerta de fraude? | Aprobar una transacción después de haber sido marcada, en lugar de bloquearla o escalarla |
| Hallazgo principal | Las transacciones anuladas presentaron entre 4,2x y 4,4x la tasa de fraude de las no marcadas |
| Fuente de datos | Revisión interna de unos 127 millones de transacciones, de enero de 2025 a abril de 2026 |
| Tasa de fraude en verde | 4,03 puntos básicos |
| Tasa de fraude en amarillo | 16,75 puntos básicos |
| Tasa de fraude en rojo | 17,82 puntos básicos |
| Conclusión práctica | Las tasas de anulación merecen una métrica y un ciclo de revisión, no solo el volumen de alertas |
Una anulación de alerta de fraude ocurre cuando una transacción marcada se aprueba de todos modos, en lugar de bloquearse o enviarse a una revisión adicional.
Es una parte normal de la gestión de alertas de fraude, ya que ningún sistema acierta en todos los casos y los analistas anulan alertas a diario para no rechazar a clientes legítimos.
Ese instinto responde a un problema real: una tasa alta de falsos rechazos cuesta ingresos y confianza, por lo que los equipos tienden a aprobar los casos dudosos y tratar las marcas como falsos positivos en lugar de riesgo real.
No toda anulación es un error, pero una transacción marcada sigue siendo más arriesgada después de aprobarse: la marca acertó más a menudo de lo que la anulación suponía.
Nuestro motor de scoring clasifica las transacciones en niveles de color en el momento de la autorización:
Cuando una recomendación amarilla o roja se anula y la transacción sigue adelante, esa es la anulación que medimos frente al tráfico verde que nunca fue marcado.
| Nivel de recomendación | Tasa de fraude residual |
|---|---|
| Verde (aprobada, nunca marcada) | 4,03 puntos básicos |
| Amarillo (marcada, anulada) | 16,75 puntos básicos |
| Rojo (marcada, anulada) | 17,82 puntos básicos |
Son cifras de resultados, no tasas de detección: miden el fraude que apareció después de la aprobación, no cuántas transacciones fraudulentas detectó un modelo.
La diferencia entre 4,03 y 16,75 puntos básicos muestra que las marcas detectaban un riesgo real y que aprobar una transacción marcada mantiene ese riesgo en los libros.
El salto de amarillo a rojo es menor que el salto de verde a amarillo: una vez marcada, el riesgo de la anulación de alertas de fraude se dispara y no crece mucho más entre los dos niveles marcados.
La mayoría de los equipos de fraude miden el volumen de alertas, la tasa de falsos rechazos y la pérdida total por fraude, pero pocos miden con qué frecuencia se anulan las transacciones marcadas ni qué ocurre con ellas después.
Eso es una laguna: si las transacciones anuladas tienen una tasa de fraude que multiplica la del tráfico limpio, la decisión de anular es en sí misma una palanca operativa, no solo un criterio individual.
Un equipo que anula el 30 % de sus alertas amarillas asume bastante más riesgo que uno que anula el 10 %, incluso con el mismo modelo de scoring.
Tratar la tasa de anulación como un número medido cambia la forma de gestionar a diario el flujo de trabajo de un analista de fraude. Da al responsable de riesgos una cifra que reportar junto con la tasa de falsos rechazos.
De ese modo, los dos costes de un programa de fraude, los buenos clientes bloqueados y los malos aprobados, se sitúan uno junto al otro en lugar de gestionarse de forma aislada.
Medir la tasa de anulación es un comienzo. Construir un ciclo a su alrededor es lo que cambia los resultados:
Nada de esto requiere nuevas herramientas si tu sistema actual puede etiquetar y filtrar por motivo de decisión.
Solo tienes que tratar la anulación como una decisión que merece revisión, igual que se revisa un rechazo cuando un cliente se queja.
Nuestro motor de scoring ya genera las recomendaciones verde, amarillo y rojo que hacen posible este tipo de seguimiento, ya que cada transacción lleva un score de fraude y un nivel desde el momento de su autorización.
Las reglas se activan primero y nuestra capa de IA analiza detrás de ellas, así que cada marca lleva la regla o el score que la generó. Como el score y la recomendación viven en el mismo panel que usan los analistas, etiquetar una anulación por nivel no requiere ningún paso adicional.
Para los equipos que evalúan su configuración actual de detección de fraude en pagos, esta suele ser la pieza que falta: no un mejor score, sino una mejor visibilidad de lo que ocurre después de anularlo.
También puedes consultar nuestra selección de software de detección de fraude en pagos que explica qué más conviene buscar.
La diferencia de 4,2x a 4,4x recuerda que la anulación de alertas de fraude no es una acción neutral, aunque en el momento parezca la opción más segura. Cada anulación tiene un coste medible, y la mayoría de los equipos de fraude no tienen forma de verlo hasta que aparece un contracargo semanas después.
Nuestro motor de scoring te da el nivel y el historial de scores para construir un ciclo de revisión de anulaciones sin nuevas herramientas, ya que cada marca ya lleva el nivel y el score que la generó.
Si eres analista de operaciones de fraude o de riesgos en un adquirente, PayFac, PSP o emisor y te corresponde la decisión de anular, esa visibilidad merece la pena mucho antes de que se cierre el próximo ciclo de contracargos.
Solicita una prueba de 'Proof of Results' para ver cómo podría ser el seguimiento de anulaciones con tus propios datos de transacciones.
Una anulación de alerta de fraude es cualquier caso en que una transacción marcada se aprueba en lugar de bloquearse o escalarse, ya sea por un analista o por una regla. Es una parte habitual de la gestión de alertas de fraude, ya que no toda marca refleja un riesgo real. Nuestros datos muestran que las transacciones anuladas presentaron entre 4,2 y 4,4 veces la tasa de fraude de las no marcadas en unos 127 millones de transacciones, lo que hace que la propia decisión de «anular» merezca seguimiento.
Las transacciones anuladas tienen tasas de fraude más altas porque fueron marcadas por una razón antes de que una persona o una regla las dejara pasar de todos modos. Las anulaciones de nivel amarillo tuvieron 16,75 puntos básicos y las de nivel rojo 17,82, frente a 4,03 en el tráfico verde sin marcar. Son cifras de resultados medidas después de la aprobación, no tasas de detección, y la diferencia sugiere que las marcas detectaban un riesgo real que la anulación aceptó.
Los equipos de fraude pueden reducir el riesgo de las anulaciones etiquetando cada una en el momento de la decisión, dirigiéndolas a una cola de revisión aparte y volviendo a puntuar una muestra cada semana. Devolver los resultados al ajuste de reglas y modelos cierra el ciclo en lugar de dejar que se repita el mismo motivo de anulación, y reportar la tasa de anulación junto con la tasa de falsos rechazos ofrece a la dirección una visión más completa de las contrapartidas del flujo de trabajo del analista de fraude.
No existe un referente universal para una tasa de anulación saludable, ya que depende del mix de transacciones, los umbrales de cada nivel y el apetito de riesgo. Importa más conocer tu propio número y ver cómo evoluciona mes a mes. Un equipo que no sabe responder qué porcentaje de sus alertas amarillas y rojas se anula tiene una laguna de visibilidad que conviene cerrar primero.
¿Quieres probar nuestra solución y experimentar la próxima generación por ti mismo?
