La Brecha de 45 Días en Cuentas Mula: FRAML e IA Agéntica

Las instituciones financieras, en su mayoría, no localizan una cuenta mula mientras permanece en uso. La identifican cuarenta y cinco días más tarde, cuando el dinero ya circuló, el daño está hecho y el rastro se enfrió.

Esa cifra, tomada de informes de la Autoridad Bancaria Europea y el Consejo Europeo de Pagos divulgados a lo largo del ciclo 2024–2026, no constituye una rareza. Se trata de un promedio estructural. Las cuentas mula —cuentas auténticas abiertas por personas auténticas que después canalizan el movimiento de fondos ilícitos— se mantienen activas durante 45 días antes de su detección, sobre todo porque los dos sistemas capaces de señalarlas siguen funcionando en silos distintos: la detección de fraude y la prevención del blanqueo de capitales (AML, por sus siglas en inglés).

Ese es el problema para el que se ideó FRAML. Y, en 2026, la IA agéntica es lo que vuelve a FRAML viable en operación a la velocidad que impone la amenaza.

Qué Es Realmente una Cuenta Mula

Una cuenta mula no equivale a una identidad sintética. Tampoco es un bypass de deepfake. Quien la abrió es una persona real, verificada y, al momento del alta, plenamente alineada con los requisitos KYC. Justamente por esa razón esta categoría resulta tan difícil de detectar.

Quien recluta mulas trabaja por encima, captando a individuos que ya superaron la verificación de identidad y disponen de cuentas legítimas. La Agencia Nacional del Crimen del Reino Unido estima que el 60 por ciento de los mulas reclutados tienen menos de 30 años, captados con frecuencia mediante redes sociales, comunidades de videojuegos y ofertas de empleo falsas que prometen ingresos fáciles por "gestión financiera" o "procesamiento de pagos". Parte de los reclutados sabe que está facilitando un delito (mulas voluntarias). Otra parte cree participar en una actividad legal aunque en zona gris (mulas cómplices). Una minoría creciente es realmente engañada para entregar sus datos bancarios sin entender el propósito (mulas involuntarias).

En el Reino Unido, la Autoridad de Conducta Financiera señaló más de 207.000 cuentas personales activas como cuentas mula únicamente en 2024, un incremento interanual del 22 por ciento. No se trata de incidentes sueltos. Conforman un pipeline industrializado de captación y despliegue que opera a una escala que pone en duda la idea de que la verificación KYC, por exhaustiva que resulte, otorga inmunidad frente al fraude posterior al alta.

Por Qué el KYC en el Onboarding No Puede Detectar Esto

Quienes defienden el KYC perpetuo argumentan desde hace años lo siguiente: verificar la identidad en un único instante solo responde a quién era alguien en el momento del registro. Nada indica sobre lo que hace después.

Una cuenta que pasa todos los controles documentales, las pruebas de detección de vida y los cribados de sanciones en el onboarding puede tornarse cuenta mula seis semanas más tarde. La persona sigue siendo la misma. El riesgo, no. El expediente KYC no recoge ninguno de esos cambios.

Se trata de un modo de fallo estructuralmente distinto al fraude de apropiación de cuentas, en el que un delincuente secuestra una cuenta legítima. Con las cuentas mula, el titular conserva el control y facilita de forma activa la actividad criminal, aunque no siempre de manera consciente. Los sistemas tradicionales de detección de fraude no lo marcan porque no ha habido acceso no autorizado. Tampoco lo hace la monitorización AML tradicional, pues los volúmenes transaccionales en la fase inicial de actividad mula se calibran para permanecer por debajo de los umbrales de alerta.

El hueco entre esos dos sistemas —la detección de fraude y el AML— es el espacio en el que habitan las cuentas mula durante esos 45 días.

FRAML: Cuando el Fraude y el AML Comparten un Cerebro

FRAML —la convergencia de las funciones de detección de fraude y prevención del blanqueo de capitales— no es una idea reciente, pero su urgencia se ha intensificado de forma notable en 2026. En un evento de ACAMS en Nueva York en marzo de 2026, los profesionales formularon el tema como "el colapso de los silos en la era de la IA y los pagos instantáneos". Esa formulación recoge con exactitud lo que está en juego.

El esquema organizativo habitual reparte el fraude y el AML en equipos distintos, con infraestructuras de datos distintas y colas de alertas separadas. Esa separación tenía lógica administrativa cuando el fraude era, sobre todo, una cuestión de protección al consumidor —reembolsos, disputas— y el AML era, sobre todo, una obligación de información regulatoria. La actividad de cuentas mula deshace esa distinción. Una cuenta mula es a la vez las dos cosas: un vector de fraude, en especial para el fraude de pago autorizado (APP fraud), y un mecanismo de blanqueo de capitales.

El fraude APP plantea un reto particular porque es la víctima quien inicia la transferencia. Eso deja casi inútiles los marcos convencionales de detección de fraude: el titular de la cuenta está autenticado, la transacción está autorizada y el expediente KYC está limpio. Las pérdidas por fraude APP se proyectan en 5.250 millones de dólares en EE.UU., el Reino Unido y la India para 2026, con un crecimiento de alrededor de un 21 por ciento anual compuesto.

La Oficina del Contralor de la Moneda de EE.UU. (OCC) trató el asunto de forma directa en su Perspectiva de Riesgo Semestral de 2025: un evento de fraude que termina con fondos pasando por una cuenta mula se clasifica ahora formalmente como un incumplimiento de la Ley de Secreto Bancario y del AML. Las instituciones no se limitan a detener el fraude; también deben rastrear el movimiento de los fondos vinculados al fraude. Eso implica un cambio material en la responsabilidad regulatoria.

Un marco FRAML deshace los silos. Las señales de fraude alimentan las investigaciones AML. Los patrones de transacciones AML marcan posibles redes de fraude. Los datos de comportamiento circulan sin trabas entre ambas funciones. En la práctica, hace falta una infraestructura de datos unificada y, dado el volumen de transacciones, inteligencia de máquinas capaz de operar en tiempo real.

Los Pagos Instantáneos Cambian el Cálculo

El Reglamento de Pagos Instantáneos de la UE elevó de forma notable la urgencia. Los proveedores de servicios de pago de la zona euro debían estar en condiciones de recibir pagos instantáneos en enero de 2025 y de enviarlos en octubre de 2025. En entornos de pagos en tiempo real, el dinero puede liquidarse en segundos, de modo que el retraso medio de detección de 45 días no es un mero inconveniente operativo. Es una garantía casi segura de que los fondos resultan irrecuperables en el instante en que aparece una alerta.

El procesamiento AML por lotes —ejecuciones nocturnas, revisiones semanales, informes trimestrales— resulta arquitectónicamente incompatible con los raíles de pagos instantáneos. Si la detección y la investigación operan en un ciclo de 24 a 48 horas y las transferencias se cierran en menos de diez segundos, el sistema de cumplimiento trabaja en un horizonte temporal esencialmente distinto al de la amenaza que se supone debe detectar.

Lo Que la IA Agéntica Aporta al FRAML

Detectar actividad de cuentas mula a una velocidad relevante exige cruzar un umbral de capacidad que los sistemas basados en reglas no han alcanzado de forma consistente. Las tipologías de mulas son dinámicas: calibradas frente a los umbrales de alerta conocidos, variadas a propósito para eludir el reconocimiento de patrones, y repartidas entre múltiples cuentas e instituciones para fragmentar la señal.

La IA agéntica altera el modelo operativo en tres aspectos concretos.

Correlación entre cuentas. Una cuenta mula aislada produce señales débiles. Una red de veinte cuentas mula —cada una recibiendo entradas pequeñas del mismo origen fraudulento y reenviándolas a un punto de consolidación en horas— produce una firma a nivel de grafo que resulta detectable, pero únicamente si los datos de las veinte cuentas pueden analizarse de forma conjunta. Los modelos de aprendizaje no supervisado pueden señalar esos patrones a nivel de red en millones de cuentas sin requerir tipologías predefinidas. El informe del HKMA de junio de 2026 sobre adopción de IA en delitos financieros incorporó cuatro estudios de caso de bancos operacionales en los que la detección de redes mula impulsada por IA recortó el tiempo de identificación de semanas a horas.

Anomalía conductual a nivel de cuenta. Antes de que una cuenta mula quede formalmente activada, suele mostrar cambios de comportamiento: variaciones repentinas en la frecuencia de transacciones, nuevos destinatarios ajenos a los patrones establecidos, entradas de fondos de contrapartes desconocidas. Los sistemas agénticos vigilan esas señales de forma continua y disparan flujos de trabajo de investigación sin necesidad de intervención humana. La plataforma Ray de ThetaRay, lanzada en enero de 2026, demostró que los flujos de investigación agénticos pueden recortar el tiempo de resolución de casos en más de un 50 por ciento.

Integración de datos en tiempo real. El cuello de botella esencial de los enfoques en silos es la latencia en el movimiento de datos entre sistemas de fraude y AML. Las arquitecturas de IA agéntica levantadas sobre infraestructura de datos unificada suprimen esa latencia, de modo que las señales de fraude informan las alertas AML en el mismo ciclo de procesamiento.

Para las instituciones que construyen infraestructura de gestión de identidad agéntica, el planteamiento arquitectónico coincide: agentes autónomos que operan a lo largo de todo el ciclo de vida de la relación con el cliente, no solo en el punto de onboarding.

Lo Que Espera el Entorno Regulatorio en 2026

La dirección regulatoria no admite ambigüedad. La clasificación de incumplimiento BSA/AML de la OCC para eventos de fraude facilitados por mulas sitúa la responsabilidad de detección de forma directa sobre las instituciones receptoras. Las reglas de responsabilidad por fraude APP del Regulador de Sistemas de Pago del Reino Unido (PSR), vigentes desde octubre de 2024, obligan a que los bancos emisores y receptores compartan los costos de reembolso, lo que genera un incentivo financiero directo para que las instituciones receptoras detecten la actividad mula de forma agresiva y proactiva.

Dimensión	Enfoque tradicional en silos	FRAML + IA Agéntica
Retraso de detección	45+ días (promedio EBA)	Horas o menos
Alcance de los datos	Silos de fraude y AML separados	Vista unificada multicanal
Identificación de redes mula	Rara vez detectadas como redes	Correlación a nivel de grafo
Respuesta a umbrales	Calibrada por delincuentes	Detección de anomalías no supervisada
Exposición regulatoria	Riesgo de incumplimiento BSA/AML	Postura de cumplimiento proactivo
Carga de analistas	Alta — construcción manual de casos	Triaje agéntico y pre-investigación

Un marco FRAML con detección agéntica no borra el riesgo de cuentas mula. Lo que consigue es colapsar la ventana de detección de 45 días. Con monitorización conductual a nivel de red y datos unificados de fraude y AML, los plazos de detección de horas —en vez de semanas— resultan operativamente alcanzables. En entornos de pagos en tiempo real, esa es la única vía realista hacia la recuperación de fondos y la única postura de cumplimiento que los reguladores están dispuestos a aceptar.

---

Preguntas Frecuentes

¿Qué es una cuenta mula?

Una cuenta mula consiste en una cuenta bancaria legítima, titularidad de una persona real y verificada mediante KYC, empleada para recibir y reenviar fondos de origen delictivo. El titular puede ser un delincuente voluntario, un cómplice consciente o una víctima de ingeniería social. En los tres supuestos, la cuenta supera los controles de onboarding porque quien la abrió es real.

¿Qué es FRAML?

FRAML designa la convergencia de la detección de fraude y la prevención del blanqueo de capitales en una función de cumplimiento unificada. Las cuentas mula ocupan la intersección de ambas disciplinas: canalizan el fraude APP desde el ángulo de la víctima y posibilitan el blanqueo de capitales desde el ángulo de la red criminal.

¿Qué es la brecha de detección de 45 días?

Los datos de la Autoridad Bancaria Europea y el Consejo Europeo de Pagos relativos a 2024–2026 indican que las cuentas mula se mantienen activas una media de 45 días antes de su detección. El origen principal es la fragmentación de datos: los equipos de fraude y AML trabajan sobre infraestructuras separadas, de modo que la señal conductual combinada que permitiría identificar una cuenta mula jamás se ensambla en el momento y el lugar adecuados.

¿Cómo mejora la IA agéntica la detección de cuentas mula?

La IA agéntica es capaz de correlacionar datos de comportamiento en millones de cuentas a la vez, señalar firmas de redes mula a nivel de grafo y disparar flujos de trabajo de investigación sin intervención humana. Eso recorta los plazos de detección de semanas a horas al suprimir la latencia entre las señales de fraude y las alertas AML.

¿Cuáles son las consecuencias regulatorias de no detectar cuentas mula?

En EE.UU., la OCC ha establecido que el fraude que termina con fondos pasando por cuentas mula constituye un incumplimiento de la Ley de Secreto Bancario y el AML. En el Reino Unido, las reglas de responsabilidad del PSR obligan a que los bancos receptores compartan los costos de reembolso por fraude APP, lo que penaliza de forma directa a las instituciones que no detectan la actividad mula con prontitud.

¿En qué se diferencia el fraude con cuentas mula del fraude de identidad sintética?

El fraude de identidad sintética consiste en fabricar una identidad para superar el onboarding KYC. El fraude con cuentas mula se sirve de una identidad real y verificada que después facilita actividades delictivas. El fraude sintético golpea la capa de onboarding; el fraude mula golpea la capa conductual posterior al alta. Los dos exigen enfoques de detección distintos y ninguno se resuelve solo con la verificación de identidad en un punto del tiempo.