👋 Hola!, Soy Zaira Zatarain y aquí te comparto lo que sé sobre Producto, tecnología e IA.
En fintech hay una regla no escrita: si no hay fraude, nadie te felicita, y si hay fraude, todos te buscan.
Por eso, cuando el fraude sube, el primer impulso es apretar todo. Más validaciones, más reglas, más bloqueos. Suena responsable, ¿verdad? El problema es que cada candado que pones para el estafador también lo tiene que abrir tu cliente honesto.
¿Cómo se decide cuánto proteger sin espantar a nadie? Te cuento cómo me tocó vivirlo hace ya varios años en un anterior trabajo.
1. El caso: la semana que todo se puso rojo
Hace un tiempo, en uno de los productos que llevaba, tuvimos un pico de fraude. Varias cuentas con datos robados empezaron a hacer operaciones en muy poco tiempo, y las pérdidas se notaron en el reporte semanal.
La reacción fue rápida: endurecimos las reglas. Cualquier operación desde un dispositivo nuevo, con un monto fuera de lo normal o en un horario raro quedaba bloqueada o en revisión manual.
Y funcionó. El fraude bajó casi de inmediato. Hubo festejo discreto, de esos de “bien hecho, equipo”.
Hasta que, unas semanas después, empezaron a llegar otros números.
2. El problema real: el fraude bajó, pero también los clientes
La tasa de aprobación cayó. Soporte empezó a recibir más quejas de usuarios que no podían completar su operación. Y lo que más dolió: varios de los bloqueados eran clientes recurrentes, de los buenos, de los que siempre pagan.
¿Qué había pasado? Muchos simplemente habían cambiado de celular. Otros estaban de viaje. Otros hicieron una compra más grande de lo usual, por ejemplo en temporada de ofertas. Para nuestras reglas nuevas, todos se veían sospechosos.
Aquí me cayó el veinte: no habíamos resuelto el fraude, solo lo habíamos cambiado de lugar. Antes lo pagábamos en pérdidas; ahora lo pagábamos en clientes que se iban con la competencia y en un equipo de operaciones ahogado en revisiones manuales.
Y lo peor: esa pérdida no aparecía en el reporte de fraude. Nadie la estaba midiendo.
3. Cómo lo razoné
Lo primero fue dejar de ver una sola métrica. Pusimos lado a lado:
Pérdidas por fraude: lo que nos robaban.
Falsos positivos: clientes legítimos bloqueados por error.
Tasa de aprobación y conversión: cuántas operaciones lograban completarse.
Costo operativo: cuántas revisiones manuales hacía el equipo y cuánto tardaban.
Con esa foto completa, la pregunta cambió. Ya no era “¿cómo bajamos el fraude?”, sino “¿cuánto nos cuesta cada fraude que evitamos?”. Si para frenar un fraude de $1,000 pesos bloqueas a diez clientes que iban a dejarte mucho más, tu regla no te está protegiendo, te está saliendo carísima.
Después revisamos quiénes eran los bloqueados y encontramos patrones claros: la mayoría de los falsos positivos eran clientes con historial bueno que solo habían cambiado una variable.
4. La decisión (y el trade-off)
En lugar de “bloquear o dejar pasar”, pasamos a un modelo por niveles:
Riesgo bajo: pasa sin fricción. Si el cliente tiene historial bueno, no lo castigues por cambiar de celular.
Riesgo medio: en lugar de bloquear, pide una verificación extra, como un código o una validación de identidad. Al cliente honesto le cuesta unos segundos; al estafador, casi siempre lo detiene.
Riesgo alto: ahí sí, bloqueo o revisión manual.
¿El trade-off? Aceptamos que algo de fraude se iba a colar. Cero fraude no es una meta realista; es una forma cara de no tener clientes. Definimos con negocio y con el equipo de riesgo un nivel de pérdida tolerable, y a partir de ahí optimizamos la experiencia.
El resultado: la aprobación se recuperó, las revisiones manuales bajaron y el fraude se mantuvo controlado. No en cero, pero sí en el rango que acordamos.
5. El aprendizaje para cualquier PM
Aunque esto pasó en fintech, la lección aplica a cualquier producto:
Toda solución mueve el problema a otro lado. Pregúntate siempre quién paga el costo de tu decisión, aunque no aparezca en tu reporte.
Mide el lado que no duele (todavía). Si solo mides el fraude, siempre vas a apretar de más. Mide también lo que pierdes por proteger.
No todo es blanco o negro. Entre “sí” y “no” casi siempre hay un “sí, pero verifícame”. Ahí vive la mejor experiencia.
El riesgo se negocia, no se elimina. Ponle número a lo que estás dispuesta a perder y decide desde ahí, junto con riesgo, operaciones y negocio.
En mi opinión, un PM de fintech no está para eliminar el fraude, está para encontrar el punto donde proteger no le cuesta más al negocio que el fraude mismo.
🧠 Ejercicio para ti
Piensa en algún control de tu producto: una validación, un requisito, un paso de seguridad o hasta un formulario obligatorio.
¿Qué problema evita? ¿Quién paga el costo de esa fricción? ¿Lo estás midiendo? Si tuvieras que crear un nivel intermedio entre “pasa” y “bloqueado”, ¿cómo sería? Cuéntame en los comentarios.
En resumen
Endurecer reglas contra el fraude se siente seguro, pero si no mides a quién estás bloqueando, puedes estar perdiendo más de lo que proteges. El trabajo del PM es ver las dos caras de la moneda, ponerle número al riesgo y diseñar fricción solo donde vale la pena.
El mejor control de fraude es el que el cliente honesto ni siquiera nota.
¿Quieres saber qué tanto sabes de pagos? Haz mi test de habilidades para Payments PM: Construí un Payments PM Skills Assessment.
Si conoces a alguien que trabaja en riesgo, fraude o producto fintech, compártele este post. Y si todavía no te suscribes, ¿qué esperas? 😉