Anti-Fraud Detection Pipeline

La historia

Pipeline de detección de fraude para una entidad de banca digital colombiana (bajo NDA, por lo que omito nombres y números concretos de volumen). Lectura de logs transaccionales en streaming, enriquecimiento con catálogos de riesgo (dispositivo, geo, merchant) y scoring en dos capas: reglas explícitas declarativas para los patrones que el equipo de operaciones ya sabe que son fraude, y un modelo ML supervisado para los patrones nuevos. La decisión técnica clave fue híbrida a propósito: el modelo no podía ser caja negra porque ops tiene que poder explicar a un cliente real, por teléfono, por qué se bloqueó su transacción. Cada disparo deja un rastro auditable con la regla o feature que pesó más. Stack: Python + Kafka + Postgres + un servicio de scoring en FastAPI.