Esta es una guía estructurada para evaluar a los proveedores de prevención de fraude. Stripe Radar se incluye como punto de referencia en toda la guía; es un ejemplo concreto de cómo es la mejor infraestructura de prevención de fraude en 2026.

Esta guía incluye tanto los esquemas de las secciones como textos de ejemplo. Puedes diseñar tu propio documento de RFP con el logotipo de tu marca o utilizar el texto que se proporciona.

Portada

El objetivo de la portada es indicar a los proveedores exactamente qué están viendo y con quién deben hablar. También incluye fechas clave por adelantado e información sobre el aspecto que debe tener el envío final.

Información de contacto

Fechas clave

Formato de presentación

Todas las respuestas deben enviarse electrónicamente por correo electrónico en formato PDF. Las plantillas de precios y puntuación (que se proporcionan por separado en Excel) deben adjuntarse en sus formatos originales.

Convención sobre nomenclatura de archivos

[Nombre del proveedor]–[Nombre del proyecto]–RFP–Respuesta–[Fecha].pdf

Objetivo de esta RFP

[Tu empresa] busca un socio de facturación capaz de soportar transacciones seguras y en varias divisas, que se integre fácilmente con los sistemas internos a través de API modernas y que ofrezca una gran fiabilidad, detección de fraude proactiva y transparencia de datos en todas las regiones.

En este documento se describen los requisitos, los criterios de evaluación y el proceso de envío de propuestas.

Breve aviso sobre confidencialidad

Esta RFP contiene información confidencial y patentada que pertenece a [tu empresa]. Se proporciona únicamente con el fin de preparar una respuesta. Queda prohibida su distribución a cualquier persona que no participe directamente en la preparación de una propuesta. Al aceptar esta RFP, el destinatario acepta proteger esta información al menos con el mismo grado de cuidado que aplica para proteger su propia información confidencial.

Sección A: instrucciones administrativas

Esta sección establece las reglas básicas. Las relaciones con los proveedores de prevención de fraude implican un acceso profundo a los datos de tus transacciones y a tu infraestructura de riesgos. Cualquier ambigüedad aquí puede crear problemas jurídicos, operativos y de seguridad más adelante. Sé preciso.

A.1 Declaración de confidencialidad y de no divulgación

Toda la información de esta RFP es confidencial y tiene como único fin permitir que el proveedor prepare una respuesta. Los proveedores no deben revelar, reproducir ni distribuir este documento ni ninguna parte de él sin el consentimiento previo por escrito de [tu empresa]. La información exclusiva incluida en las propuestas debe estar claramente etiquetada; [tu empresa] la tratará en consecuencia.

A.2 Limitación de la responsabilidad financiera

Esta RFP no es una oferta de contrato. [Tu empresa] no tiene la obligación de adjudicar un contrato ni de reembolsar los gastos en los que se haya incurrido para preparar una respuesta. Los proveedores son los únicos responsables de sus propios gastos durante este proceso.

A.3 Línea temporal de RFP

A.4 Directrices para la presentación

• Todas las propuestas deben enviarse por correo electrónico a [dirección de correo electrónico de contacto].

• Los proveedores deben confirmar el recibo en un plazo de tres días hábiles desde su emisión.

• Las preguntas deben enviarse por escrito antes de la fecha indicada en A.3.

• Todas las comunicaciones deben pasar por el gestor de la RFP designado. El contacto directo con otros empleados de [tu empresa] durante el período de evaluación podría dar lugar a la descalificación.

A.5 Documentos de presentación obligatorios

A.6 Resumen de la evaluación

[Tu empresa] evaluará las propuestas en función de la calidad del modelo de IA, la amplitud de la cobertura del fraude, las tasas de falsos positivos, la preparación para el comercio agéntico, la fiabilidad de la API y la estabilidad del proveedor. Los proveedores deben demostrar mejoras mensurables en la reducción del fraude, las tasas de disputa y la eficiencia operativa con pruebas de producción. Las afirmaciones sin datos no se puntuarán.

A.7 Reconocimiento de proveedores

Los proveedores deben completar y devolver el siguiente acuse de recibo en un plazo de tres días hábiles tras recibir esta RFP.

Acusamos recibo de la RFP titulada «[Nombre de la RFP]» y confirmamos nuestra intención de ☐ enviar / ☐ no enviar una respuesta.

Nombre de la empresa: ________________________

Representante autorizado: ________________________

Cargo: ________________________

Fecha: _______

Sección B: resumen y alcance del trabajo

Un resumen ambiguo da lugar a propuestas genéricas. Proporciona a los proveedores el contexto específico que necesitan para responder de forma inteligente: tu modelo de negocio, tu exposición actual al fraude, los vectores de ataque que has identificado y los resultados que necesitas mejorar. El fraude evoluciona rápidamente y tu RFP debería reflejarlo.

A continuación se indican algunos detalles adicionales que puedes incluir para la personalización:

• Sede y mercados principales
  
• Volumen de transacciones y valor medio de los pedidos
  
• Distribución entre transacciones nacionales e internacionales
  
• Principales métodos de pago en uso (p. ej., tarjetas, ACH, SEPA o monederos digitales)
  
• Equipos internos implicados (p. ej., Ingeniería, Finanzas, Área jurídica y cumplimiento de la normativa u Operaciones)
  

B.1 Contexto de la empresa

• [Tu empresa] es un(a) [marketplace / empresa SaaS / empresa de comercio electrónico / plataforma] [B2B / B2C / C2C] que opera en [introducir mercados]. Procesamos alrededor de [X] transacciones al mes en [X] métodos de pago y divisas. Actualmente experimentamos una tasa de fraude aproximada del [X] % y una tasa de disputas del [X] %, y nuestros costes por fraude rondan los [X] $ al mes. Buscamos un socio de prevención de fraude cuya plataforma cubra toda la pila (fraude en transacciones, fraude en cuentas y abuso de clientes) sin requerir un mantenimiento de ingeniería continuo significativo.
  

B.2 Propósito del proyecto

• El objetivo de esta RFP es identificar a un socio de prevención de fraude que proteja nuestra empresa a medida que cambian las amenazas de fraude. Esta es nuestra situación actual: [describe la brecha (p. ej., nuestro sistema establecido por reglas genera demasiados falsos positivos, no tenemos cobertura para el fraude o el abuso en cuentas, nuestra tasa de disputas está aumentando o carecemos de visibilidad sobre los vectores de fraude emergentes)].
  

B.3 Alcance del trabajo

Entregables principales

• Prevención de fraude en transacciones: puntuación de fraude en cada pago mediante IA, con tasas de falsos positivos documentadas y cifras de reducción de fraude en el entorno de producción

• Prevención de fraude en cuentas: detección y actuación automatizadas en cuentas fraudulentas durante todo el ciclo de vida, desde el Onboarding hasta la supervisión de la actividad

• Prevención de abusos: detección y bloqueo de abusos de pruebas gratuitas, abusos de pago por uso y vectores de fraude de primera parte

• Gestión de disputas: automatización de contracargos que incluye el envío de pruebas, el seguimiento de la tasa de disputas resueltas a tu favor y la analítica de disputas

• Motor de reglas personalizadas: capacidad para que nuestro equipo de riesgos cree y pruebe reglas personalizadas sin la implicación de ingeniería

• Dashboard unificado e informes: visibilidad en tiempo real de las tasas de fraude, tasas de disputas, rendimiento de las reglas y resultados de los modelos en un solo lugar

• Acceso a la API: integración programática para equipos que necesitan incorporar inteligencia de fraude en flujos de trabajo personalizados

Entregables adicionales

• Protección de comercio con agentes: puntuación de fraude y detección de anomalías para transacciones iniciadas por agentes de IA

• Soporte para [introducir los métodos de pago necesarios (p. ej., ACH, SEPA, monederos, Compra ahora, paga después o stablecoins)]

• Controles de fraude a nivel de plataforma para operadores de marketplaces: reservas, restricciones de transferencias y acciones del ciclo de vida de la cuenta

B.4 Trabajo fuera del alcance

Define lo que queda excluido para que los proveedores no le pongan precio ni asuman la responsabilidad. A continuación se muestran algunos ejemplos:

• Infraestructura completa de cumplimiento de la normativa de KYC y AML (gestionada por separado por nuestro procesador de pagos)

• Verificación de la identidad del cliente más allá de las señales de riesgo de fraude

• Inteligencia empresarial general o almacenamiento de datos sin relación con el fraude

B.5 Resultados deseados

• Reducción de la tasa de fraude de al menos un [X] % en un plazo de 90 días tras pasar a modo activo (como referencia, Radar reduce el fraude en un 32 % de media)

• Tasa de disputas inferior al [X] % en un plazo de 90 días

• Tasa de falsos positivos inferior al [X] % (medida en función de las transacciones legítimas rechazadas o marcadas incorrectamente)

• Bloqueo de abusos de pruebas gratuitas con al menos un 90 % de precisión (referencia actual)

• Reducción del tiempo de ingeniería para mantener la infraestructura de fraude en un [X] %

• Configuración sin código completada en un plazo de [X] días a partir de la formalización del contrato

Sección C: instrucciones de la propuesta

Estandariza lo que recibes para poder comparar a los proveedores de forma paralela. Las propuestas de prevención de fraude suelen comenzar con descripciones de productos y jerga de aprendizaje automático. Exige resultados de producción en su lugar.

C.1 Formato y estructura de la presentación

Cada propuesta debe seguir esta estructura:

• Resumen ejecutivo (máximo tres páginas)

• Respuestas a todos los requisitos de la Sección E, con la numeración correspondiente

• Plantilla de precios completada en Excel

• Perfil del proveedor y resumen financiero

• Mínimo de tres referencias de clientes de empresas similares

• Documentos de respaldo: certificaciones de cumplimiento de la normativa, casos de éxito con métricas de producción, documentación de la API, descripción de los datos de entrenamiento de modelos de IA

Las propuestas que se desvíen significativamente o que omitan elementos obligatorios podrían considerarse no aptas.

C.2 Requisitos de formato

• Respuestas descriptivas en formato PDF; plantilla de precios como archivo de Excel

• Fuente mínima de 11 pt, márgenes de una pulgada, se requiere numeración de páginas

• Todas las cifras monetarias en USD a menos que se especifique lo contrario

• Nomenclatura del archivo: [Nombre del proveedor]–Fraude–RFP–[Fecha].pdf

C.3 Orientación sobre el contenido de la propuesta

Resumen ejecutivo

• Comienza con resultados medibles de implementaciones comparables: porcentajes de reducción de fraude, mejoras en la tasa de disputas, tasas de falsos positivos y precisión en la prevención de abusos. No describas tu producto. Muestra lo que produce.

• Incluye tu visión sobre esta asociación para los próximos tres años y, concretamente, cómo tu modelo de IA seguirá superando a la evolución del fraude.

Resumen y arquitectura de la solución

• Describe cómo tu plataforma cubre toda la pila de fraude (fraude en transacciones, fraude en cuentas, prevención de abusos y gestión de disputas) en una sola integración.

• Describe la base de datos de tus modelos de IA: el volumen de transacciones, la amplitud geográfica y de emisores, y la diversidad de métodos de pago. Esta base determina si el modelo funciona a escala. El punto de referencia para las principales infraestructuras de fraude es la IA entrenada con más de 1,9 billones de $ en transacciones anuales.

• Describe cómo se actualiza tu modelo a medida que cambian los patrones de fraude y con qué rapidez se incorporan nuevos vectores de fraude.

Comercio basado en agentes de IA

• Describe tus capacidades de producción actuales para detectar y prevenir el fraude en transacciones iniciadas por agentes de IA. El comercio basado en agentes es un requisito actual, no un elemento de la hoja de ruta para el futuro. Las propuestas que lo presenten como algo futuro se calificarán en consecuencia.
  

Cobertura y métodos de pago

• Especifica exactamente qué métodos de pago cubres (p. ej., tarjetas, ACH, SEPA, monederos digitales, Compra ahora, paga después o stablecoins).
  

Seguridad y cumplimiento de la normativa

• Confirma el cumplimiento de la normativa PCI DSS v4.0 (en vigor desde marzo de 2024) y la fecha de la auditoría más reciente.

• Proporciona datos históricos del tiempo de actividad de los últimos 12 meses. La expectativa para una infraestructura de fraude en producción es un tiempo de actividad superior al 99,999 %.

C.4 Aclaraciones y preguntas

Las preguntas deben enviarse por escrito antes de la [fecha límite para preguntas] al [correo electrónico del responsable de la RFP]. Las respuestas se distribuirán simultáneamente a todos los participantes. No se permiten conversaciones informales con otros empleados de [tu empresa] durante el proceso.

C.5 Validez de la propuesta

Las propuestas deben seguir siendo válidas durante 90 días a partir de la fecha límite de presentación, a menos que se prorroguen por mutuo acuerdo por escrito.

C.6 Derecho a rechazar o negociar

[Tu empresa] se reserva el derecho de rechazar cualquier propuesta, pedir aclaraciones o llevar a cabo negociaciones paralelas con uno o varios proveedores. La participación no constituye un compromiso de compra.

Sección D: proceso de evaluaciones

La transparencia en la puntuación empuja a los proveedores a responder con pruebas en lugar de afirmaciones. Cada criterio se asigna directamente a los requisitos de la Sección E.

D.1 Metodología de la evaluación

Todas las propuestas serán revisadas por un equipo multifuncional que incluye Ingeniería, Finanzas, Jurídico y Cumplimiento de la normativa, Riesgos y Operaciones.

La evaluación consta de tres etapas:

• Revisión de cumplimiento de la normativa: Confirma que todos los documentos necesarios están presentes y cumplen los requisitos de formato.

• Evaluación cualitativa: Puntúa cada envío con arreglo a criterios ponderados utilizando una escala del 1 al 5 (5 = excepcional, respaldado por pruebas de producción; 1 = no cumple el nivel de referencia). Una puntuación de 5 requiere métricas de producción documentadas.

• Demostración y revisión final: Los proveedores preseleccionados presentan demostraciones de la plataforma en vivo. Las demostraciones deben utilizar un entorno de prueba con paridad de producción, no un recorrido predeterminado.

D.2 Criterios y ponderaciones de la evaluación

La cobertura de amenazas emergentes y agentes tiene una ponderación del 15 % porque la capacidad de detectar fraudes en transacciones iniciadas por agentes de IA es una brecha de funcionalidad estructural entre los proveedores. Por ejemplo, el 65 % de los líderes de empresas están de acuerdo en que el fraude se está desarrollando con demasiada rapidez como para que sus empresas puedan seguir el ritmo. Los proveedores que hoy en día no puedan demostrar una cobertura adaptativa se quedarán aún más rezagados a medida que los vectores de fraude sigan cambiando.

D.3 Requisitos de demostración

Los proveedores preseleccionados demostrarán lo siguiente en vivo en un entorno de prueba:

• Puntuación de fraude en transacciones en tiempo real: activa una transacción de alto riesgo y muestra cómo la puntúa el modelo, con una explicación de las señales que contribuyen a ello

• Detección de fraude de cuentas: muestra cómo la plataforma identifica y toma medidas en una cuenta fraudulenta durante el Onboarding y después de la activación

• Prevención de abusos en acción: demuestra la detección de abuso de pruebas gratuitas con el punto de referencia de precisión del 90 %

• Creación de reglas personalizadas: un analista de riesgos crea una nueva regla sin la participación de ingeniería, la prueba en el entorno de prueba y revisa su impacto proyectado

• Flujo de trabajo de gestión de disputas: muestra el envío de pruebas automatizado para un contracargo, con el seguimiento de la tasa de disputas resueltas a tu favor

• Protección de comercio mediante agentes: muestra cómo la plataforma aplica la puntuación de fraude a una transacción iniciada por un agente de IA y marca el comportamiento anómalo del agente

• Dashboard unificado: tasa de fraude, tasa de disputas, rendimiento de reglas y revisión de los resultados del modelo en un solo lugar

Los proveedores deben proporcionar credenciales de demostración temporales que sean válidas durante al menos 10 días laborables después de la demostración.

D.4 Adjudicación de negociaciones y contratos

[Tu empresa] se reserva el derecho de llevar a cabo sesiones de aclaración, solicitar ofertas finales y llevar a cabo negociaciones paralelas. Ningún contrato es vinculante hasta que lo ejecuten ambas partes.

⚑ Notas del evaluador: eliminar antes de enviarlo a los proveedores

• Puntúa de forma independiente antes de la deliberación grupal. Una puntuación de 5 requiere métricas de producción documentadas, no funcionalidades declaradas.
  
• Pide a cada proveedor que indique la huella de datos de entrenamiento de su modelo de IA en términos específicos: volumen de transacciones, años de datos, amplitud geográfica, cobertura de emisores y diversidad de métodos de pago. La respuesta revela qué parte de su rendimiento de detección de fraude es real en lugar de afirmada. El punto de referencia es de 1,9 billones de $+ en transacciones anuales.
  
• Investiga la cobertura de los métodos de pago. Para cada método de tu lista (p. ej., ACH, SEPA, monederos, Compra ahora, paga después, monedas estables), pregunta si el modelo se ha entrenado con datos de ese método y cuáles son las cifras de reducción de fraude específicamente para él.
  
• La demostración del comercio mediante agentes no es negociable. Cualquier proveedor que hoy en día no pueda mostrar la detección de fraude en transacciones iniciadas por agentes de IA en un entorno de prueba, no está preparado para el rumbo que tomará tu plataforma.
  
• Solicita tasas de falsos positivos de producción, no proyecciones. Un modelo que bloquea el 40 % del fraude, pero rechaza el 5 % de las transacciones legítimas es un problema de ingresos, no una solución para el fraude.
  
• Solicita 12 meses de datos de tiempo de actividad, no solo un SLA. La diferencia entre un 99,900 % y un 99,999 % de tiempo de actividad es importante para la infraestructura de fraude que se ejecuta en cada transacción.
  

Sección E: requisitos básicos

Esta es la sección más importante. Exige respuestas basadas en hechos y pruebas. Cualquier proveedor que valga la pena implementar puede señalar resultados documentados de implementaciones reales. Para cada requisito, los proveedores deben indicar su estatus: Standard (en producción actualmente), Configurable (requiere configuración), Custom (requiere desarrollo) o N/A.

E.1 Calidad del modelo de IA y del conjunto de datos

La IA de prevención de fraude es tan buena como los datos con los que se entrena. Un modelo entrenado con decenas de miles de millones de transacciones en diferentes mercados, emisores y métodos de pago produce resultados significativamente mejores que un modelo creado con un conjunto de datos más reducido. Hay un 92 % de probabilidades de que una tarjeta utilizada en la red de Stripe se haya visto antes; ese nivel de señal previa es el punto de referencia. Esta es una ventaja acumulativa que no se puede replicar únicamente mediante el esfuerzo de ingeniería.

E.2 Prevención de fraude en las transacciones

El fraude en las transacciones va en aumento. Se preveía que el coste del fraude en los pagos en línea crecería un 15 % en 2025. La infraestructura adecuada detecta fraudes que otras no pueden, ya que su modelo ha visto el patrón anteriormente.

E.3 Prevención de fraude en la cuenta

El fraude de cuentas (cuentas fraudulentas creadas para explotar tu plataforma) opera a lo largo de todo el ciclo de vida de la cuenta. Detectarlo en el Onboarding es más barato que detectarlo después de la activación. El punto de referencia para una infraestructura líder es el bloqueo de más de 3,5 millones de cuentas conectadas fraudulentas al año.

E.4 Prevención de abusos

El abuso de primera parte (abuso de periodos de prueba, abuso de los sistemas de pago por consumo y fraude amistoso) cuesta a las empresas 200.000 millones de $ al año. En el último año, el 94 % de las empresas lo han experimentado. Las herramientas de prevención de fraude tradicionales no están diseñadas para detectarlo. Se requieren pruebas de producción, no una descripción de la hoja de ruta del proveedor.

E.5 Gestión de disputas

Las disputas cuestan a las empresas 35 $ por cada 100 $ en contracargos, si se tienen en cuenta los costes operativos, las comisiones de la red y el tiempo. La infraestructura adecuada automatiza la presentación de pruebas, muestra las probabilidades de tasas de disputas resueltas a tu favor por cada disputa para que tu equipo pueda clasificar los casos de manera eficaz e idealmente detiene las disputas antes de que se presenten.

E.6 Herramientas del equipo de riesgo y reglas personalizadas

Una plataforma de prevención de fraude que requiere la participación de ingenieros para ajustar la estrategia de riesgo supone un cuello de botella. Tu equipo de riesgo necesita moverse más rápido que el fraude. Eso significa que los usuarios no técnicos deben poder escribir, probar e implementar reglas sin presentar un ticket.

E.7 Comercio con agentes y amenazas emergentes

Los agentes de IA ya inician transacciones comerciales, y los actores fraudulentos utilizan las mismas herramientas de IA que emplean las empresas legítimas. Los marketplaces que no protegen las transacciones iniciadas por agentes de IA se enfrentarán a un problema cada vez mayor a medida que aumente el volumen generado por agentes. Cualquier proveedor que no pueda demostrar la detección de fraudes en transacciones iniciadas por agentes en un entorno de prueba a día de hoy no está preparado.

E.8 Análisis, informes e inteligencia en tiempo real

Los análisis e informes de fraude son obligatorios. Si tu equipo de riesgo no puede ver lo que sucede en tiempo real, investigar decisiones de transacciones individuales y recibir alertas proactivas cuando hay un ataque en curso, siempre estará reaccionando al fraude en lugar de adelantarse a él.

E.9 Arquitectura de la plataforma y calidad de la API

Una integración de prevención de fraude que requiere mantenimiento de ingeniería continuo para mantener su eficacia es un impuesto oculto para tu equipo de producto. Evalúa la API como si fuera la infraestructura principal.

E.10 Seguridad, cumplimiento de la normativa y privacidad de datos

La infraestructura de fraude se sitúa en la ruta de datos de cada transacción. Una tasa de éxito de auditoría PCI del 100 % es el estándar.

E.11 Certificación de proveedores

Por la presente, certifico que todas las respuestas son exactas en la fecha de presentación y que las capacidades marcadas como Standard o Configurable están disponibles en los entornos de producción en la actualidad. Las declaraciones que no estén respaldadas por documentación o una demostración en vivo no se evaluarán.

Representante autorizado: ________________________

Cargo: ________________________

Fecha: _______

⚑ Notas de los evaluadores (eliminar antes de enviar a los proveedores)

• Una puntuación de 5 en cualquier criterio requiere métricas de producción documentadas. Una afirmación como «Ofrecemos soporte a esto» que no aporta ninguna prueba merece, a lo sumo, una puntuación de 3.
  
• Pide a todos los proveedores que detallen la huella de los datos de entrenamiento de su modelo de IA en términos concretos: el número de transacciones, los años de datos, el alcance geográfico de los emisores y la diversidad de métodos de pago. Es el mayor elemento diferenciador en el rendimiento de detección de fraude.
  
• Analiza la cobertura de los métodos de pago. Para cada método de la lista (p. ej., ACH, SEPA, monederos, Compra ahora, paga después, y monedas estables) pregunta si el modelo se ha entrenado con datos de producción de ese método y cómo se ha reducido el fraude en su caso concreto.
  
• Pide las tasas de falsos positivos y no te limites a las tasas de reducción de fraude. Un modelo que reduzca el fraude en un 40 % pero cuya tasa de falsos positivos sea del 5 % es costoso.
  
• Pide ver la interfaz de redacción de reglas en lenguaje claro y en vivo. Los usuarios sin conocimientos técnicos deberían poder redactar y simular reglas nuevas en la demostración sin ayuda.
  
• Pide a los proveedores que hagan una demostración del modo en la sombra. Aplica una regla nueva con base en los datos históricos para mostrar el posible impacto de la norma antes de activarla. Es un flujo de trabajo fundamental en cualquier equipo de riesgo serio.
  
• Pregunta si las listas de bloqueados y permitidos incluyen campos de datos de empresas personalizados. Un proveedor que solo acepte atributos de transacciones estándar pronto tocará techo.
  
• En relación con las disputas, pregunta si las integraciones de Verifi y Ethoca son nativas o necesitan de contratos de terceros distintos. La integración nativa es importante por la velocidad de intervención.
  
• Pide una alerta de ataque de fraude de la fase de producción en tiempo real. ¿Cómo se mostraría esa notificación? ¿A qué velocidad se activaría y qué información se da para mitigar el ataque?
  
• La demostración del comercio agentivo es obligatoria. Se debería descartar a todo proveedor que no sea capaz de mostrar actualmente cómo se detecta el fraude en una transacción iniciada por agentes de IA en el entorno de prueba.
  
• Pide datos sobre el tiempo de actividad histórico correspondientes a los 12 últimos meses y el historial de auditorías de PCI. El ANS y el estado de la certificación actual no bastan.
  

Sección F: implementación y soporte

Activar la prevención de fraude en una plataforma activa conlleva riesgos. Una regla mal configurada o un umbral de modelo demasiado agresivo pueden bloquear ingresos legítimos. Esta sección determina si el proveedor tiene la metodología y la experiencia necesarias para gestionar ese riesgo.

F.1 Enfoque de implementación

Los proveedores deben describir:

• El tiempo documentado hasta la primera señal de fraude para empresas de un volumen de transacción comparable con ejemplos específicos, no rangos (el punto de referencia para la configuración sin código es la activación en el mismo día)

• Cómo abordan la calibración inicial del modelo (el proceso de establecimiento de umbrales que equilibra la reducción del fraude con las tasas de falsos positivos para tu combinación de transacciones específica)

• Sus procesos para una ejecución en paralelo (probar la nueva plataforma frente al tráfico activo antes de la implementación completa para que puedas validar el rendimiento antes de desactivar los controles existentes)

• Cómo gestionan la migración de reglas, si vas a transferir reglas personalizadas existentes desde otra plataforma

F.2 Recursos y gobernanza

Los proveedores deben proporcionar:

• Un gestor de cuentas y un especialista en fraude asignados a este proyecto

• La jerarquía de derivación y la frecuencia de toma de decisiones durante la implementación

• Si el equipo de implementación es el mismo que se encarga del soporte posterior al lanzamiento, ya que en el traspaso es donde suele disminuir la calidad del servicio

F.3 Formación y documentación

Los proveedores deben describir:

• La formación disponible para los equipos de riesgos, ingeniería, finanzas y operaciones

• La calidad y la actualidad de la documentación, teniendo en cuenta que las mejores plataformas de su clase mantienen una documentación que los analistas de riesgos prefieren consultar antes de hacer preguntas al equipo de soporte

• Cómo se actualiza la documentación a medida que el modelo y el producto incorporan nuevas funciones de detección de fraude

F.4 Modelo de soporte y SLA

Los proveedores deben especificar:

• Los niveles de soporte y qué incluyen (un pico de falsos positivos o la degradación del modelo a las 2:00 h es un incidente de gravedad 1 que requiere una respuesta inmediata)

• Los SLA de tiempo de respuesta por gravedad, con compromisos contractuales

• Cómo se notifica a los clientes durante los incidentes en el modelo de fraude o los eventos de degradación, y qué resultados produce la revisión posterior al incidente

• Datos históricos de tiempo de respuesta ante incidentes de gravedad 1, no solo el SLA

F.5 Mejora continua

Describe específicamente cómo usa tu plataforma el machine learning y la analítica de producción para mejorar los resultados del fraude con el tiempo. Proporciona ejemplos con métricas de producción: mejoras en la reducción de fraude implementadas en clientes existentes durante 12 meses, cambios en la tasa de falsos positivos y mejoras en la tasa de disputas.

F.6 Certificación del proveedor

Certifico que todos los detalles de implementación y soporte son precisos a partir de la fecha de envío y reflejan las prácticas de producción actuales.

Representante autorizado: ________________________

Cargo: ________________________

Fecha: _______

⚑ Notas del evaluador (eliminar antes de enviar a los proveedores)

• Pide ejemplos de implementación específicos de empresas comparables (p. ej., volumen de transacciones, tasa de fraude en ese momento, número de mercados). Rechaza los rangos.
  
• Pregunta específicamente sobre el proceso de calibración de umbrales. Un proveedor que establece un único umbral global y se desentiende no está tratando tu perfil de fraude como único.
  
• Solicita datos reales de tiempo de respuesta ante incidentes de gravedad 1 de los últimos 12 meses.
  
• Pregunta si el equipo de implementación es el mismo que se encarga del soporte posterior al lanzamiento.
  
• Pregunta con qué rapidez se incorporaría al modelo un nuevo vector de fraude (uno que tu empresa no haya detectado antes) después de su identificación.
  

Sección G: condiciones comerciales

Los precios de la prevención de fraude varían significativamente entre proveedores y modelos. Algunos aceptan pagos por transacción, otros por el resultado de reducción de fraude y algunos por nivel. Estandariza la divulgación para poder comparar los datos económicos reales.

G.1 Resumen de la estructura de precios

Los proveedores deben proporcionar lo siguiente:

• Precios desglosados de cada componente (prevención de fraude básica, acceso a reglas personalizadas, prevención de abusos avanzada, herramientas de gestión de disputas, acceso a la API y complementos)

• Una descripción que explique las suposiciones de precios (volumen de transacciones, valor medio del pedido, tasa de fraude y combinación de métodos de pago)

• Identificación clara de los compromisos mensuales mínimos o los umbrales de volumen que afectan a los precios

• Todas las cifras en USD, incluida la lógica de conversión si se citan otras monedas

G.2 Componentes de la fijación de precios

G.3 Sensibilidad al volumen

Proporciona el coste total estimado con los siguientes volúmenes de transacciones:

G.4 Condiciones del contrato

• Duraciones de los contratos disponibles e incentivos de precios para cada uno

• Si los precios se reducen automáticamente cuando disminuye el volumen

• Cláusulas de salida y portabilidad de los datos: cómo se devuelven las señales de fraude, las configuraciones de reglas y los datos históricos, en qué formato y en qué línea temporal

• Requisitos de gasto mínimo

G.5 Supuestos y dependencias

Enumera todos los supuestos comerciales en los que se basan tus precios. Los supuestos no declarados que se descubran después de la formalización del contrato podrían considerarse una tergiversación sustancial.

G.6 Certificación de proveedores

Certifico que todos los precios y la información comercial son completos y precisos a partir de la fecha de envío.

Representante autorizado: ________________________

Fecha: _______

⚑ Notas para los evaluadores: eliminar antes de enviar a los proveedores

• Conciliar la descripción con la hoja de Excel. Las discrepancias son una señal.
  
• El precio de la prevención de fraude suele ocultar el coste de las reglas personalizadas y la prevención de abusos avanzada en los niveles superiores. Modela el coste total en el flujo de trabajo de tu equipo antifraude, no solo en el nivel base.
  
• Pregunta cómo cambian los precios si mejora tu tasa de fraude. Algunos modelos penalizan el éxito al reducir el valor aparente del producto a medida que caen las tasas de fraude.
  
• La portabilidad de los datos suele ser el verdadero mecanismo de retención. Evalúa las condiciones de salida antes de firmar, no después.
  
• Pide a los proveedores que modelen el coste total multiplicando por diez tu volumen de transacciones actual. La curva de precios a lo largo del crecimiento importa tanto como la tarifa actual.
  

Sección H: perfil del proveedor

Tu socio de infraestructura de prevención de fraude se sitúa en la ruta de los datos de cada transacción. Comprende la empresa en su conjunto: su salud financiera, la profundidad del desarrollo de la IA, su tasa de mejora y su historial con empresas similares a la tuya.

H.1 Resumen de la empresa

Proporciona un resumen de dos o tres párrafos que explique tu historia, tu misión y tu posición en el mercado. Céntrate en tu experiencia con empresas de [tu sector o segmento (p. ej., comercio electrónico, SaaS, marketplace, empresas de IA, plataformas)]. Describe tu historial a la hora de mantener la calidad de detección a medida que se han desarrollado los patrones de fraude y tu trayectoria lanzando capacidades de prevención de fraude antes de que surjan nuevas amenazas.

H.2 Base de clientes e historial

Proporciona datos específicos sobre tu base de clientes:

• Número de empresas que utilizan tu infraestructura de prevención de fraude

• Volumen total de transacciones protegidas al año

• Sectores y modelos de empresa representados en tu base de clientes

• Porcentaje de empresas de tu segmento objetivo (p. ej., comercio electrónico, SaaS o plataformas) que proteges

• Reducción total documentada de fraude en toda tu base de clientes (el punto de referencia es de una reducción media de fraude del 32 %)

H.3 Estabilidad financiera

Proporciona estados financieros auditados o pruebas de solvencia equivalentes. Las empresas privadas deben proporcionar una carta del director financiero que certifique la liquidez. Describe tu estructura de financiación.

H.4 Certificaciones y cumplimiento de la normativa

H.5 Reconocimiento de analistas

Proporciona el reconocimiento de analistas independientes relevante para la prevención de fraude y la seguridad de los pagos. El punto de referencia actual para un proveedor líder en prevención de fraude es el reconocimiento como líder en las categorías de pagos y fraude. El 50 % de las empresas de la lista Fortune 100 confía en la IA de Stripe Radar. Describe la posición de tu plataforma en relación con ese punto de referencia.

H.6 Ritmo de mejora

Describe tu cadencia de lanzamiento de productos durante los últimos 12 meses, incluido el número de actualizaciones publicadas y las principales funciones lanzadas para la detección de fraude con IA, prevención de abusos y protección del comercio agéntico. El punto de referencia actual para una plataforma líder es de más de 200 actualizaciones de productos al año. Explica cómo tu hoja de ruta para los próximos 12-18 meses sigue invirtiendo en las capacidades importantes para [tu segmento].

H.7 Declaración de exactitud del proveedor

Certifico que toda la información de la Sección H es exacta a la fecha de presentación y que el [proveedor] tiene la capacidad financiera, técnica y operativa para prestar los servicios descritos.

Representante autorizado: ________________________

Fecha: _______

Sección I: referencias

Las referencias de empresas comparables tienen más valor que cualquier demostración. Da prioridad a las referencias que coincidan con tu modelo de negocio, tu combinación de transacciones y tu presencia geográfica. Un proveedor que proteja a una empresa con un perfil de fraude similar al tuyo debería tener referencias que puedan dar fe de resultados reales.

I.1 Requisitos de referencia

Los proveedores deben proporcionar un mínimo de tres referencias que cumplan estos criterios:

• Un modelo de negocio comparable al de [tu empresa]: mismo sector o tipo de transacción

• Volumen de transacciones o tasa de fraude comparables en el momento de la implementación

• Al menos una referencia que haya utilizado funciones avanzadas: reglas personalizadas, prevención de abusos o gestión de disputas

• Un cliente activo en el entorno de producción durante al menos 12 meses

I.2 Tabla de referencia

I.3 Resumen de resultados de referencia

Para cada referencia, proporciona resultados documentados: porcentaje de reducción de fraude, tasa de falsos positivos, mejora de la tasa de disputas, precisión en la prevención de abusos o ganancias de eficiencia operativa. Proporciona cifras específicas, no rangos.

I.4 Validación de referencia

Confirmo que cada cliente ha dado su consentimiento para actuar como referencia y que toda la información es exacta. [Tu empresa] se reserva el derecho a ponerse en contacto con las referencias directamente.

Representante autorizado: ________________________

Fecha: _______

⚑ Notas para el evaluador (eliminar antes de enviar a los proveedores)

• Llama a al menos dos referencias por teléfono. Los resúmenes escritos están seleccionados por el proveedor.
  
• Pregunta a las referencias concretamente si las tasas de reducción de fraude y falsos positivos de la propuesta coinciden con lo que experimentaron en el entorno de producción.
  
• Pregunta sobre la experiencia de implementación y el proceso de calibración de umbrales, no solo sobre la plataforma en estado estable.
  
• Pregunta si el modelo del proveedor se adaptó a los nuevos vectores de fraude que encontró la referencia después de pasar a modo activo, y con qué rapidez lo hizo.
  
• Señala las referencias de modelos de negocio no comparables. Una referencia de una empresa de comercio minorista físico dice muy poco sobre el rendimiento contra el fraude digital.
  

Sección J: Apéndices

J.1 Lista de verificación de presentación (uso del proveedor)

Adjúntalo como primera página de tu paquete de respuesta. Los envíos incompletos podrían excluirse de la evaluación.

J.2 Glosario de condiciones

J.3 Matriz de puntuación de la evaluación (uso interno)

J.4 Lista de comprobación de referencia rápida de requisitos

Para la autoevaluación del proveedor antes del envío.

Calidad del modelo de IA y conjunto de datos

• Huella de los datos de entrenamiento del modelo de IA descritos en términos específicos (volumen, geografía, emisores y métodos de pago)

• Reducción documentada del fraude en producción (el 32 % de media es el punto de referencia)

• Puntuación de riesgo granular (0-99) con explicabilidad a nivel de señal por transacción

• Puntuación de fraude por transacción con tasa de falsos positivos documentada

• Frecuencia de actualización del modelo (si es continua o periódica), incluida la línea temporal de incorporación para los nuevos vectores

• Inteligencia a nivel de Network a escala

• Soporte de varios responsables del tratamiento: puntuaciones de riesgo disponibles para pagos procesados externamente

• Puntuaciones de riesgo de preautorización para decisiones de ruta de pagos

• Revisión flexible en varios puntos en el flujo del proceso de compra

Prevención de fraude de transacciones

• Puntuación de fraude en tiempo real: latencias p50, p95 y p99 documentadas

• Umbrales de bloqueo configurables: sin programación necesaria

• 3DS y SCA dinámicos: aplicados solo a transacciones de alto riesgo, no a todas

• Cobertura en tarjetas, ACH, SEPA, monederos, compra ahora, paga después y monedas estables

• Detección de prueba de tarjetas: elevar la tasa de detección del 59 % al 97 % es el punto de referencia de mejora

• Portabilidad PAN: las listas de bloqueados y permitidos, así como el historial de fraude, son transferibles entre procesadores

• Detección de fraudes transfronterizos

Prevención de fraudes de cuentas

• Puntuación de fraude a nivel de cuenta en el onboarding con tasas de falsos positivos documentadas

• Supervisión continua de la cuenta tras la activación

• Verificación mejorada para cuentas en el límite (no son concluyentemente fraudulentas)

• Vista de cuentas marcadas: lista en tiempo real de cuentas sospechosas

• Alertas en tiempo real de fraudes de comerciantes a nivel de plataforma

• Acciones de cuenta automatizadas: reservas, restricciones de transferencias y bloqueos

• Más de 3,5 millones de cuentas conectadas bloqueadas al año (se requiere métrica equivalente)

• Reducción de 5,3 veces la exposición al fraude (se requiere métrica equivalente)

Prevención de abusos

• Prevención de abusos en la prueba gratuita: el 90 % de precisión es el punto de referencia

• 715 000 pruebas de alto riesgo bloqueadas y 6 millones de dólares en pérdidas evitadas en dos meses (se requiere el equivalente)

• Una detección 6,2 veces mejor para nuevos vectores de abuso (se requiere el equivalente)

• Prevención de abusos por uso

• Cobertura de abusos en el ciclo de vida de los clientes

Gestión de disputas

• Envío de pruebas automatizado por tipo de disputa

• Probabilidad de la tasa de disputas resueltas a tu favor por cada disputa de particular

• Recomendaciones de pruebas por disputa de particular

• Reembolsos inteligentes (Smart Refunds) o reembolsos proactivos antes de los contracargos

• Alertas tempranas de fraude de los emisores antes de que se produzca el contracargo formal

• Integración nativa de Verifi y Ethoca

• Seguimiento y análisis de la tasa de disputas resueltas a tu favor

• Situación en los programas de supervisión y VAMP en el Dashboard

Reglas personalizadas y herramientas del equipo de riesgos

• Creación de reglas sin código hoy en producción

• Redacción de reglas en lenguaje sencillo para usuarios no técnicos

• Listas de bloqueo y permisos: dirección IP, correo electrónico, BIN de la tarjeta y huella del dispositivo

• Sugerencias de reglas establecidas en tus principales indicadores de fraude

• Modo oculto o simulación de escenarios con datos históricos

• Datos de empresa Custom en las reglas (p. ej., loyalty_tier, product_category)

• Análisis del rendimiento de las reglas en tiempo real

• Umbrales configurables por importe, región, tipo de cuenta o método de pago

• cola de revisión manual con herramientas de flujo de trabajo

Análisis e informes

• dashboard Unificado: fraude, pagos y disputas en una sola vista

• Actualizaciones del dashboard en tiempo real, sin demoras

• Revisión por transacción con puntuación de riesgo y desglose de señales

• Alertas de ataques de fraude en tiempo real con recomendaciones de mitigación

• Herramientas de investigación de tendencias de fraude

• Estado del programa de supervisión en tiempo real

• Sincronización del almacén de datos (p. ej., Snowflake, BigQuery, Redshift)

• Filtrado de análisis por responsable del tratamiento

• Gestión programática de disputas a través de la API con webhooks

Cobertura de amenazas emergentes y agentes

• Puntuación de fraude en transacciones iniciadas por agentes de IA: demostración en entorno de prueba

• Detección de anomalías en el comportamiento de los agentes

• Cobertura de abuso propio para modelos de empresa nativos de IA

• Más de 200 actualizaciones de productos al año: cadencia de mejora demostrada

Arquitectura de la plataforma y API

• Configuración sin código: activación en el mismo día

• Latencia de la API en p99: se requieren cifras de producción

• 99,999 %+ de tiempo de actividad: datos históricos de 12 meses

• Tasa de éxito del 100 % en auditorías PCI: historial completo

• entorno de prueba completo con paridad de producción, incluidos los flujos de agentes

• Reglas sin código y configuración de umbrales

Seguridad y cumplimiento de la normativa

• PCI DSS v4.0 (en vigor desde marzo de 2024): tasa de éxito en auditorías del 100 %

• SOC 2 Tipo II

• Reglamento General de Protección de Datos (RGPD) y CCPA

• Cuenta con la confianza del 50 % de las empresas de la lista Fortune 100

J.5 Certificación de presentación del proveedor

Certifico que este envío está completo y que toda la información proporcionada es precisa según mi leal saber y entender. [Tu empresa] se reserva el derecho de verificar cualquier afirmación realizada en esta respuesta.

Nombre de la empresa: ________________________

Representante autorizado: ________________________

Cargo: ________________________

Firma: ________________________

Fecha: _______

Cómo puede ayudarte Stripe Radar

Stripe Radar utiliza modelos de IA, entrenados a partir de los datos de la red internacional de Stripe, para detectar y prevenir el fraude. Estos modelos se actualizan continuamente con las últimas tendencias de fraude para proteger a tu empresa frente a nuevas amenazas.

Stripe también ofrece Radar for Fraud Teams que permite a los usuarios añadir reglas personalizadas para hacer frente a situaciones de fraude específicas de sus empresas y acceder a información avanzada sobre fraudes.

Estos son algunos de los beneficios de trabajar con Radar:

• Prevenir pérdidas por fraude: Stripe procesa más de un billón de dólares en pagos al año. Esta escala permite a Radar detectar y prevenir el fraude con precisión, lo que te ahorra dinero.

• Aumenta los ingresos: los modelos de IA de Radar se entrenan con datos reales sobre disputas, información de clientes, datos de navegación y mucho más. Esto permite a Radar identificar transacciones de riesgo y reducir los falsos positivos, lo que aumenta tus ingresos.

• Ahorra tiempo: Radar está integrado en Stripe y no requiere ninguna línea de código para su configuración. También puedes supervisar tu rendimiento en materia de fraude, escribir reglas y mucho más en una única plataforma, lo que aumenta la eficiencia.

Obtén más información sobre Stripe Radar o empieza hoy mismo.