MWS AI prueba redes neuronales multimodales en la detección de documentos falsos

MWS AI, división de MTS Web Services, ha comprobado hasta qué punto los modelos multimodales (Visual Language Models, VLM) son capaces de distinguir los documentos falsos de los auténticos. La noticia apareció en CNews el 9 de octubre de 2026. El tema da en el clavo: bancos, aseguradoras, marketplaces y departamentos de RR. HH. se topan con falsificaciones a diario, y los modelos generativos las han vuelto baratas. El fragmento disponible del material no incluye ni la lista de modelos probados, ni el tamaño de la muestra, ni los porcentajes finales, por lo que de momento no se puede elaborar un ranking. Sí se puede, en cambio, analizar qué mide este tipo de prueba y dónde están sus trampas.

Qué se evaluó y para qué

Los VLM reciben como entrada una imagen junto con una consulta de texto. En el caso de los documentos, esto significa que el modelo recibe el escaneo de un pasaporte, un certificado o un contrato y responde a preguntas como «¿hay indicios de edición?». Antes, esta tarea se resolvía con una combinación de varios componentes: OCR para reconocer el texto, un conjunto de reglas para validar los campos y modelos forenses independientes para analizar los artefactos de la imagen. Los VLM prometen reunir todo eso en una sola llamada.

Las falsificaciones, además, son de muy distintos tipos. Unas simplemente redibujan las cifras de un importe o de una fecha. Otras sustituyen la fotografía, y otras más combinan un fondo a partir de varias fuentes. La variante más reciente es el documento generado por completo por un modelo, con tipografías, sello y firma verosímiles. Cada tipo requiere sus propias señales, y la calidad de los VLM puede variar mucho de uno a otro.

Por qué las pruebas independientes son una rareza

Los benchmarks públicos para modelos multimodales suelen evaluar la comprensión de documentos: localizar un campo, leer una tabla, responder una pregunta sobre el texto. La verificación de autenticidad funciona de otra manera. El modelo debe detectar que algo no cuadra en el documento aunque el contenido parezca impecable. Es una competencia distinta, y un buen resultado en conjuntos tipo DocVQA no la garantiza.

Lo que se sabe a partir de la publicación:

• Quién hizo la prueba: MWS AI (parte de MTS Web Services).
• Clase de modelos: VLM multimodales.
• Tarea: detección de documentos falsos.
• Fecha y fuente: CNews, 9 de octubre de 2026.
• No se revela en el fragmento disponible: lista de modelos, tamaño y composición del dataset, precisión, proporción de falsos positivos.

Qué mirar en el informe completo

Primero, la relación entre los dos tipos de error. Una falsificación no detectada cuesta dinero; una falsa alarma cuesta un cliente y tiempo de los operadores. Una precisión media sin desglose de estas dos cifras apenas aporta información.

Segundo, la composición de las falsificaciones. Si la muestra solo contiene ediciones manuales toscas, el resultado será optimista. Si incluye documentos creados con generadores de imágenes modernos, el panorama será más duro.

Tercero, el idioma y el formato. Los pasaportes rusos, los certificados 2-NDFL y los extractos tienen su propia maquetación, y los modelos entrenados sobre todo con datos en inglés pueden comportarse de otra manera con ellos.

Cuarto, la robustez ante la formulación de la consulta y la calidad del escaneo. Una foto hecha con el móvil con mala iluminación rompe muchos sistemas que funcionan de maravilla con imágenes limpias.

Conviene recordar, además, que MWS AI desarrolla sus propios productos basados en IA. Eso no invalida el valor de la prueba, pero es mejor leer la metodología con atención y, cuando sea posible, contrastarla con datos propios.

Qué deben hacer los equipos que construyen sistemas antifraude

No deleguen en un VLM la decisión final. El papel razonable que puede desempeñar hoy es el de filtro primario: ordena los documentos según su grado de sospecha y deja a una persona los más dudosos. Reúnan un conjunto de pruebas propio con casos reales de su empresa, añadan falsificaciones sintéticas creadas con generadores actuales y pasen por él cada nueva versión del modelo.

Calculen en dinero el coste de cada tipo de error y fijen el umbral en función de ese coste. Y mantengan las verificaciones clásicas: el cotejo con registros estatales, el análisis de los metadatos del archivo y la comprobación de los datos identificativos. El modelo multimodal añade a ellas una señal más, pero por ahora no puede sustituirlas.