"Empezamos midiendo solo la dinámica de tecleo en el back office. A las tres semanas entendimos que el modelo necesitaba más contexto: la gente escribe distinto según la tarea. Ajustamos la ventana temporal y los falsos positivos bajaron de forma notable. No fue magia, fue calibrar con datos propios."
Lo que dicen quienes ya operan con autenticación continua
Recogemos testimonios de equipos que evaluaron, desplegaron o mantienen sistemas de biometría conductual en producción. Sin cifras infladas ni promesas de precisión absoluta: solo lo que ocurre cuando el modelo se enfrenta a usuarios reales, teclados distintos y sesiones que duran horas.
Los comentarios se publican con autorización de cada organización. Cuando un despliegue presentó limitaciones, también aparece aquí.
"Nos preocupaba la experiencia del usuario. La realidad es que nadie nota que hay verificación en curso hasta que algo cambia en su forma de interactuar. En movilidad, con sensores, el reto fue la heterogeneidad de dispositivos: calibramos por familia de hardware y el ruido se volvió manejable."
"Integramos señales de ratón y teclado en un portal con miles de sesiones diarias. Lo que más nos costó no fue el algoritmo, sino definir qué hacer cuando el sistema duda. La política de respuesta escalonada, con verificación adicional solo en casos ambiguos, fue lo que hizo viable el despliegue."
"Probamos tres enfoques antes de quedarnos con uno. El que mejor funcionó combinaba patrón de ratón con ritmo de tecleo, pero exigía revisar cómo se gestionaban los cambios de contexto, como pasar de teclado externo a pantalla táctil. Ese detalle no aparece en las demos."
"Lo que valoramos fue la transparencia sobre los límites. No hay un modelo que funcione igual en todos los entornos. Nos explicaron dónde falla, en qué condiciones conviene no confiar solo en la señal conductual y cómo combinarla con otros factores. Eso nos ahorró meses."