Este blog fue traducido del japonés al inglés, y fue publicado originalmente aquí.
Asoview Co., Ltd., operadora de "Asoview!", una de las principales plataformas de reservas de ocio y experiencias en Japón, buscaba desarrollar una capacidad de detección de fraude independiente de sus proveedores de servicios de pago (PSP). Para lograrlo, la empresa implementó Sardine, una solución de próxima generación para la detección de fraude.
DGBT habló con Junya Ebe, director ejecutivo senior y CIO, sobre el camino que llevó a esa decisión y los resultados que siguieron.
Este artículo se basa en una presentación realizada en "DGBT CommerceDay 2025", celebrada en diciembre de 2025.
"Una experiencia segura" como principio fundamental del servicio
¿Puedes comenzar con una descripción general de Asoview y con qué principios guías la forma en que gestionas el servicio?
Asoview opera dos productos interconectados: "Asoview!", una plataforma dirigida al consumidor para reservar experiencias de ocio y actividades al aire libre, y "Urakata", un SaaS de gestión de reservas y venta de entradas para instalaciones de ocio y operadores de actividades. Juntos funcionan como una plataforma integrada que actualmente da servicio a aproximadamente 6.000 empresas asociadas y 16 millones de miembros registrados. Nuestra base principal de usuarios se concentra en adultos de entre 20 y 40 años, con una fuerte representación de parejas y familias. La pandemia fue un período extremadamente difícil, pero la aprovechamos como punto de inflexión al captar la creciente demanda de las instalaciones de ocio que buscaban digitalizar sus operaciones.
El principio que guía todo lo que hacemos es la seguridad y la protección. Cuando la gente sale a disfrutar de su tiempo libre, esos momentos deben ser especiales. No podemos ser la razón por la que esa experiencia se arruine.
En términos concretos, consideramos las siguientes tres áreas como los pilares de lo que significa la «seguridad» para nuestros usuarios:
- Inversión activa en seguridad de la información y gestión de datos de clientes
- Priorización de la disponibilidad y estabilidad del sistema
- Garantizar experiencias fluidas tanto para los usuarios como para los operadores de las instalaciones
Cuando las entradas de alta demanda salen a la venta y el tráfico aumenta drásticamente, las transacciones deben seguir fluyendo. Por eso mantenemos sistemas de respaldo para escenarios de interrupción y tratamos la disponibilidad como una prioridad constante.
Romper con la dependencia de los PSP
¿Qué te llevó a desarrollar tu propia capacidad de detección de fraude?
Cuando dependes de las herramientas de prevención de fraude integradas de un PSP, cada vez que cambias de proveedor se reinicia por completo toda tu estrategia de prevención de fraude. Los datos que has acumulado, los patrones que has aprendido: nada de eso se transfiere. Llegamos a la conclusión de que tener nuestra postura de seguridad ligada a las decisiones comerciales de un proveedor de pagos generaba un riesgo estructural a medio y largo plazo.
La seguridad y la protección son fundamentales en lo que ofrecemos. Decidimos desarrollar una capacidad independiente de detección de fraude, que no quedara supeditada al PSP que estuviéramos utilizando.
Seis criterios de evaluación y por qué ganó Sardine
¿Cómo abordó la evaluación de proveedores?
Evaluamos a los candidatos en seis dimensiones:
- Flexibilidad de la tecnología de detección (IA frente a reglas, metodología)
- Latencia y rendimiento
- Facilidad de implementación y operación continua
- Flexibilidad para aplicar la cobertura a categorías de productos específicas
- Rentabilidad
- Viabilidad a largo plazo
La velocidad de procesamiento fue el factor al que dimos mayor peso. Cuando una entrada popular sale a la venta, el volumen de transacciones puede dispararse en un instante. Cualquier latencia en el procesamiento de pagos en ese momento degrada directamente la experiencia del usuario. La media de tiempo de respuesta ante fraude de menos de 0,2 segundos, combinada con su capacidad para gestionar cientos de solicitudes por segundo bajo picos de carga, fue un factor decisivo.
También valoramos la capacidad de aplicar la detección de fraude de forma selectiva, dirigiéndola a las categorías de productos de mayor riesgo en lugar de aplicarla de manera general a todas las transacciones. Esa flexibilidad se tradujo directamente en una estructura de costos más racional.
¿Cómo evaluaste específicamente la tecnología de Sardine?
La combinación de biometría conductual e inteligencia del dispositivo destacó como especialmente eficaz. El sistema analiza señales de comportamiento sutiles, como el movimiento del ratón, la cadencia de escritura y la inclinación de un teléfono inteligente en la mano del usuario, para distinguir entre bots y usuarios legítimos. En una era en la que la IA generativa facilita cada vez más la falsificación de información personal, los patrones de comportamiento inconscientes son mucho más difíciles de imitar. Precisamente ahí es donde este enfoque de detección tiene una ventaja.
La capacidad de Sardine para identificar el verdadero origen de las conexiones, incluso cuando las direcciones IP se manipulan para que el acceso desde el extranjero parezca doméstico, también llamó nuestra atención. Vemos este tipo de suplantación con frecuencia en los datos de transacciones de Asoview, y el impacto de esa capacidad ha sido tangible.
La arquitectura híbrida que combina IA y lógica basada en reglas fue otro punto a favor de Sardine. La IA pura necesita tiempo para alcanzar una alta precisión. Las reglas puras no pueden seguir el ritmo de las tácticas de fraude en evolución. El enfoque de dos capas, donde cada una compensa las debilidades de la otra, nos da confianza en producción.
¿Cómo evaluaron la trayectoria a largo plazo de Sardine?
Las tácticas de fraude evolucionan constantemente, por lo que la capacidad de una solución para mantenerse al día es crucial para un compromiso a largo plazo. Sardine lanza nuevas funciones con una cadencia mensual, lo que indica una inversión sostenida en el producto. La incorporación reciente de una funcionalidad de puntuación para distinguir agentes de IA legítimos de bots maliciosos es un buen ejemplo de ese impulso hacia adelante.
¿Fue sencillo el proceso de implementación?
Nuestro equipo interno de desarrollo se encargó de la integración y estuvimos en producción en poco menos de un mes, lo cual fue mucho más rápido de lo que habíamos previsto.
Resultados: una reducción significativa del fraude sin sacrificar la experiencia del cliente
¿Qué ha cambiado desde la puesta en marcha?
Lanzamos en agosto, que es la temporada alta de verano para Asoview y uno de nuestros períodos de mayor volumen del año. A pesar de ese momento, logramos reducir de forma significativa las tasas de transacciones fraudulentas durante el primer mes de operación. Mantener ese rendimiento durante la demanda máxima fue una prueba significativa de su eficacia.
Lo que más nos satisface en cuanto a precisión es que los falsos positivos no aumentaron. Ahora estamos bloqueando el fraude con una precisión quirúrgica, utilizando parámetros granulares como el sistema operativo, el tamaño de la pantalla y las señales de comportamiento, sin interrumpir la experiencia de compra de los clientes legítimos.
A medida que han disminuido los contactos relacionados con fraudes, nuestro equipo de atención al cliente ha podido redirigir su capacidad hacia los problemas principales del servicio.
¿Cómo funciona en la práctica el modelo operativo con DGBT?
No necesitamos gestionar internamente los cambios de configuración. Enviamos los datos de fraude y la retroalimentación a DGBT, y ellos se encargan del ajuste, lo cual ha sido realmente valioso. En la práctica, los patrones y tácticas identificados en las operaciones diarias se incorporan de nuevo a la configuración del sistema, y el modelo de IA aprende de esa información para mejorar la precisión de la detección con el tiempo. Cuando se necesita intervención manual —por ejemplo, cuando debemos bloquear de inmediato un patrón de fraude muy específico— el equipo de consultoría de DGBT lo traduce directamente en lógica de reglas.
Comenzamos con una configuración principalmente basada en reglas en el lanzamiento y, a medida que se han ido acumulando datos, la precisión del modelo de IA ha mejorado progresivamente. Ejecutar ese ciclo en colaboración con DGBT significa que estamos elevando continuamente la calidad de la detección mientras mantenemos bajos nuestros propios costos operativos. De cara al futuro, tenemos la intención de apoyarnos aún más en el modelo de IA y avanzar hacia una detección de precisión aún mayor.
Una estrategia de seguridad diseñada para operar a escala global
¿Cómo se ve el camino por delante?
Asoview se está expandiendo horizontalmente desde actividades y ocio hacia eventos y categorías relacionadas con los viajes, y estamos acelerando a nivel internacional. A medida que el mercado crece, también lo hace la superficie de ataque. Los avances en IA están generando eficiencias operativas por un lado y vectores de ataque más sofisticados por el otro. Precisamente por eso, una asociación con una solución como Sardine, que evoluciona de forma continua, combinada con la experiencia operativa de un socio como DGBT, no es opcional, es esencial.
La prevención del fraude es un esfuerzo continuo. Los adversarios se adaptan constantemente. Los datos de fraude que acumulamos alimentan las mejoras del modelo de Sardine, lo que a su vez incrementa nuestra propia precisión de detección y crea una relación compuesta y mutuamente reforzadora. Ese es el tipo de dinámica sostenida y beneficiosa para ambas partes que queremos mantener.