Sovint es tendeix a imaginar el defraudador com un estafador extern, un criminal que suplanta identitats. Tot i això, la realitat actual demostra que no tots els fraus venen de fora.

Cada cop amb més freqüència, són els mateixos clients —els que aparenten ser fiables i complidors— els que cometen enganys acuradament planificats des de dins del sistema financer o comercial.

Aquest tipus d’engany representa una amenaça silenciosa per a les empreses, perquè no es percep com un delicte tradicional sinó com un impagament o una pèrdua ordinària.

Aquesta aparença de normalitat el converteix en un dels reptes més difícils de detectar dins de l’ecosistema del risc financer.

Segons dades de l’Associació Europea per a la Prevenció del Frau (EFPA, 2024), els casos en què el client utilitza la seva identitat veritable per defraudar van créixer el 27 % a Europa durant l’últim any, impulsats en part per la digitalització dels processos de crèdit i les compres en línia.

Un perfil que es camufla com a client legítim

El frau en primera persona consisteix que un individu aparentment solvent fa servir la seva identitat real per obtenir avantatges econòmics, productes o finançament sense intenció de complir les condicions establertes.

A diferència de l’estafador extern, que roba o falsifica documents, el defraudador no necessita ocultar-se darrere d’una identitat falsa. Aquesta autenticitat superficial confon fins i tot els algorismes més sofisticats de scoring creditici.

Aquest fenomen ha esdevingut especialment rellevant en sectors com el bancari, l’assegurador o el comerç electrònic.

Segons la firma d’anàlisi Juniper Research, les pèrdues globals per aquest tipus de pràctiques superaran els 32.000 milions de dòlars el 2025, i una part creixent provindrà de clients amb historials aparentment nets. El més preocupant és que aquest tipus de frau sol ser classificat com a morositat o impagament, cosa que oculta la seva veritable naturalesa i retarda la seva detecció.

Les formes més comunes d’engany

Entre les manifestacions més habituals hi ha la sol·licitud de crèdits sense intenció de tornar-los, la manipulació de dades d’ingressos per obtenir millors condicions o l’ús de promocions i bonificacions amb finalitat abusiva.

Alguns individus simulen pèrdues o reclamen devolucions de compres legítimes, argumentant no haver rebut el producte o servei. En tots els casos, l’estratègia es basa a aprofitar la confiança que l’empresa diposita en el client, construïda a partir de comportaments previs reals.

En altres casos més complexos, es recorre al model conegut com a «Explosió», en el qual el defraudador comença amb mesos de pagaments regulars per construir una reputació impecable i després esgota totes les línies de crèdit disponibles abans de desaparèixer.

Aquest tipus d’operacions, documentades per la consultora LexisNexis al seu informe de 2023, suposen el 15 % de les pèrdues per frau detallista a Europa.

Així evoluciona cap a l’entorn digital

La frontera entre aquest frau i el ciberfrau és cada cop més difusa. El pas cap a què és digital amplifica l’abast d’aquests enganys, perquè els defraudadors aprofiten canals en línia, aplicacions mòbils i plataformes automatitzades per executar els seus plans amb més rapidesa.

Les eines tecnològiques que abans servien per facilitar l’autenticació d’usuaris o accelerar les aprovacions de crèdit ara poden ser usades en contra.

Per exemple, un client pot utilitzar bots per automatitzar sol·licituds a múltiples entitats, o valdre’s de VPN i emuladors de dispositius per dissimular la seva ubicació real i simular diferents perfils d’usuari.

Això converteix el frau en primera persona en un problema híbrid: neix com a engany financer tradicional, però evoluciona amb trets de ciberdelicte.

D’acord amb l’Informe de Frau Digital 2025 de TransUnion, més del 40 % dels incidents de frau d’aquest tipus a Europa involucren algun component tecnològic, com ara manipulació de formularis o ús d’identitats digitals múltiples des d’un mateix dispositiu.

Els desafiaments en la detecció

L’obstacle principal rau que el defraudador no necessita falsejar documents ni suplantar ningú. Fa servir les seves pròpies dades, cosa que permet superar sense problemes les verificacions d’identitat.

Els sistemes convencionals, centrats a avaluar risc creditici, no estan dissenyats per identificar patrons de comportament anòmals.

A més, els equips de frau, risc i recobrament solen operar per separat. Aquesta fragmentació de la informació impedeix obtenir una visió completa del client.

Una anàlisi conjunta permetria, per exemple, detectar senyals subtils com canvis bruscos en els hàbits de navegació, ús repetit de la mateixa adreça IP per a diferents comptes o alteracions en la velocitat d’escriptura als formularis.

Tots aquests indicadors són claus per anticipar el frau en primera persona abans que es materialitzi.

Intel·ligència conductual i aprenentatge automàtic (ML) com a aliats

La solució, asseguren els especialistes, passa per un enfocament unificat que integri intel·ligència conductual, analítica avançada i aprenentatge automàtic. Combinant dades tradicionals amb senyals dinàmics, les organitzacions poden distingir entre un impagament involuntari i una acció premeditada.

Els models d’aprenentatge automàtic permeten correlacionar variables de comportament -com la interacció al web o l’ús de dispositius- amb resultats financers.

Així, un sistema pot aprendre que un client que copia i enganxa informació en un formulari o canvia repetidament la seva adreça sol tenir més probabilitat de frau.

Empreses líders al sector financer ja implementen plataformes d’anàlisi en temps real que creuen dades de crèdit, telecomunicacions, geolocalització i comportament digital.

Segons IDC Financial Insights, les entitats que apliquen aquesta estratègia redueixen fins a un 35 % les pèrdues associades a fraus interns el primer any d’adopció.

En definitiva, fins i tot el client més fidel pot amagar un delinqüent o ciberdelinqüent de vegades puntual. I no es pot abaixar la guàrdia.