OpenAI acaba de lanzar al mercado lo que se considera el modelo de inteligencia artificial más potente hasta la fecha. Algunos incluso lo han llamado “AGI”, haciéndo referencia a que posiblemente estemos ante un modelo de Inteligencia Artificial General, es decir, la superinteligencia.
Las habilidades de los modelos de IA dependen de su pre-rentrenamiento, del refuerzo por humanos y del alineamiento a través del finetuning
En la etapa del pre-entrenamiento se le enseña al modelo de IA el conocimiento de la humanidad, en la etapa del refuerzo por humanos se le enseña a interactuar con humanos y se le premia por la mejor respuesta y en la fase de finetuning se especializa el modelo a comportarse de una forma determinada ante vieja o nueva información.
Métricas de evaluación
La prueba consistió en la selección de 800 casos de comportamientos humanos al interior de sus empresas. De ellos, 400 casos eran comportamientos normales, que no representaban riesgo y el restante 50% sí. No son casos del tipo “mañana vamos a robar el banco”, mas bien son casos difíciles, que requieren de un análisis holístico y de una determinación arriesgada. En NOFRAUD los llamamos “casos frontera”.
Fue así como entonces, sobre esos 800 casos, se pusieron a prueba los dos modelos. Cuando terminaron cada uno mostró qué decisión tomó sobre cada uno de ellos: debían decir si el caso era relevante para la detección de fraude o no.
La prueba fue concluyente, FraudGPT Cosmos superó en promedio en un 14% a GPT Astra de OpenAI. Lo mas importante realmente no fue la superioridad en todas las métricas sino la superioridad en la confiabilidad de la detección. Lo que buscamos en un modelo que detecte fraude es que lo haga sin demasiados falsos positivos.
Veredicto final
Cosmos gana en las 7 métricas, con una ventaja promedio de +14.63 puntos (+19.2% relativo). En accuracy: 90.87% vs 76.38%, es decir +14.5 puntos o un 19% superior en términos relativos.
Lo más contundente está en el detalle operativo:
- Cosmos detecta más fraude: 328 verdaderos positivos vs 287 de Astra. Son 41 casos de fraude que Astra deja pasar.
- Con muchísimo menos ruido: 18 falsos positivos vs 93. Astra dispara 5.2x más falsas alarmas.
- Tasa de falsos positivos: 4.32% (Cosmos) vs 22.30% (Astra).
Es dominancia total, igual que contra Opus 5 (ver nuestro artículo de métricas). Curiosamente, GPT-6 Astra rinde por debajo de GPT-5.6 Sol en las evaluaciones (76.38% vs 75.86% en accuracy son similares, pero Astra pierde recall(SÍ): 74.93% vs 84.71%). Para ver el análisis de GPT 5.6 Sol por favor lea este artículo.
Sustento técnico
Para conocer sobre las diferentes etapas de entrenamiento de un modelo, hemos escrito este artículo que lo explica, donde además abordamos el tema de la “correlación espuria”. En este artículo también hablamos de la importancia del dataset y cómo nosotros hemos logrado construir uno durante los últimos 12 años que ha hecho posible un finetuning de un modelo fundacional.
Cuando estamos haciendo finetuning debemos decidir en que “checkpoint” parar. Esto lo explicamos en este artículo, donde mostramos cuál es la regla de negocio que definimos para decidir cuándo parar de entrenar y cuál modelo seleccionar.
Referencias
(NOFRAUD, 2026) The Fraud Explorer y FraudGPT
Acerca de NOFRAUD
NOFRAUD es la compañía que desarrolla el software antifraude The Fraud Explorer y apoya a personas y empresas a enfrentar y solucionar sus retos en materia de fraude interno, corrupción y abuso corporativo. NOFRAUD ha creado la base de datos conductual de actos deshonestos más grande del mundo en Español e Inglés, que sirve para que la inteligencia artificial encuentre patrones sospechosos de corrupción al interior de las organizaciones.
Mejoramos la capacidad de las organizaciones incrementando sus beneficios, arrebatándole a los perpetradores la posibilidad de afectar negativamente los ingresos a través del fraude, la corrupción, el abuso corporativo y la generación de ambientes tóxicos.
Contacte conmigo en » jrios@nofraud.la y Visítenos en » www.nofraud.la.
