Lo que este modelo no promete
Antes de hablar de tasas de acierto conviene fijar qué significa "identidad" aquí, qué se mide realmente y en qué casos la señal se degrada. Estas son las aclaraciones que aplicamos en cada despliegue.
Qué es exactamente una firma conductual
No es una huella dactilar ni un dato fijo que se guarda y se compara byte a byte. Es un modelo estadístico que describe cómo se distribuyen tus intervalos entre teclas, la curvatura de tus trayectorias de ratón y la presión media al tocar la pantalla. Cada sesión produce una muestra nueva que se contrasta contra ese modelo. Por eso hablamos de estimación de similitud, no de coincidencia exacta. Si alguien copia tu contraseña, la firma sigue siendo la suya.
Sobre la variación natural del usuario
Escribimos distinto según la hora, el cansancio, el teclado o si estamos de pie en el colectivo. El modelo asume esa varianza y trabaja con umbrales que toleran desviaciones razonables antes de marcar una anomalía. Un cambio de ritmo no dispara una alerta por sí solo; lo hace la combinación de varias señales desalineadas al mismo tiempo. Ajustar ese umbral es la parte más delicada de cualquier implementación: demasiado estrecho genera falsos positivos, demasiado amplio deja pasar suplantaciones.
Dispositivos compartidos y turnos rotativos
En una terminal de depósito o en una tablet que rota entre operadores, la firma individual se contamina. Aquí el sistema no intenta identificar a una persona concreta, sino detectar que la sesión activa dejó de comportarse como quien la abrió. Es un enfoque de continuidad de sesión, no de identificación biométrica estricta. Cuando el contexto es compartido, conviene combinar la señal conductual con un segundo factor y no apoyarse solo en ella.
Qué no reemplaza este sistema
No sustituye a la autenticación multifactor ni a la verificación documental. Tampoco detecta fraude cuando el atacante opera con calma, imitando el ritmo observado durante horas. Su valor está en la vigilancia continua durante la sesión, no en el momento del login. Si alguien necesita garantías de identidad legal, este componente es una capa adicional, no la base del proceso.
Retención de datos de comportamiento
Los vectores de características se almacenan de forma agregada y con plazos definidos por cada cliente según su marco regulatorio. No guardamos pulsaciones individuales ni contenido escrito: solo métricas derivadas como intervalos, velocidades y ángulos. El modelo se recalibra periódicamente y los datos antiguos se descartan cuando dejan de aportar. Cualquier auditoría interna puede revisar qué señales se conservan y por cuánto tiempo.