Cómo Chipper Cash usa la búsqueda vectorial de Pinecone para detener el fraude en tiempo real
Chipper Cash, una empresa de tecnología financiera que atiende a más de cinco millones de clientes en África, implementó un sistema de búsqueda de similitud facial impulsado por Pinecone para detectar y bloquear en tiempo real registros duplicados fraudulentos. La solución redujo la latencia de verificación de identidad de hasta 20 minutos a menos de 2 segundos, y disminuyó los registros fraudulentos en 10 veces en todos los mercados.
Impacto
95%+
Precisión de verificación de selfies
10x
Reducción en registros fraudulentos
Under 2 seconds
Latencia de verificación de extremo a extremo
Under 200 milliseconds
Latencia de búsqueda en Pinecone
16%
Presupuesto de promociones perdido por fraude (antes)
Less than 1 month
Tiempo de implementación
Desafío
El servicio de verificación KYC de terceros de Chipper Cash se convirtió en un cuello de botella a escala, causando retrasos de hasta 20 minutos durante las promociones, dando a los defraudadores tiempo para explotar los beneficios de nuevos usuarios y costándole a la empresa el 16 % de su presupuesto de promociones en seis meses.
Solución
Chipper Cash construyó un sistema de verificación por similitud facial interno utilizando un modelo ConvNet para generar embeddings de selfies y Pinecone como base de datos vectorial para buscar usuarios duplicados en tiempo real, completando la verificación de extremo a extremo en menos de 2 segundos.
Herramientas y tecnologías
Lo que dicen los líderes
“Tenemos un listón muy alto en términos de seguridad y latencia para nuestros usuarios. Muchas soluciones de terceros no cumplen nuestros requisitos, por lo que generalmente optamos por construir u hospedar internamente. Pinecone demostró aportar tanto valor —con una sobrecarga reducida y latencias ultrabajas a escala— que no necesitamos mucha persuasión para avanzar.”
“Tardamos menos de un mes en construir nuestro nuevo sistema interno de verificación facial. Tenemos un sistema en tiempo real, escalable y seguro gracias a Pinecone. Las latencias de extremo a extremo de todo el sistema pasaron de hasta 20 minutos anteriormente a menos de 2 segundos ahora, con Pinecone realizando la búsqueda en menos de 200 ms.”
Regístrate para leer casos de estudio completos, acceder a métricas detalladas y recibir todos los reportes.
Historia completa
Chipper Cash es una empresa de tecnología financiera con la misión de ampliar el acceso financiero en África, ofreciendo transferencias de dinero transfronterizas sin fricciones a más de cinco millones de clientes en siete países. A medida que la plataforma creció, también lo hizo el uso de promociones para nuevos usuarios —campañas de incentivos diseñadas para atraer clientes legítimos e impulsar el volumen de transacciones. Sin embargo, estas promociones también atrajeron a actores malintencionados que buscaban explotar el sistema creando múltiples cuentas falsas para reclamar repetidamente los beneficios de nuevos usuarios.
Para combatir el fraude, Chipper Cash inicialmente dependía de un servicio de verificación de identidad de terceros que realizaba comprobaciones KYC, incluida la validación de documentos de identidad emitidos por el gobierno y la detección de cuentas duplicadas. Si bien era efectivo a menor escala, la solución se convirtió en un cuello de botella serio a medida que los volúmenes de usuarios aumentaban, especialmente durante los períodos promocionales. Los retrasos en la verificación llegaron a ser de hasta 20 minutos, dando a los defraudadores tiempo para canjear beneficios antes de ser detectados. Durante un período de seis meses, el 16 % del presupuesto de promociones de la empresa se perdió por registros fraudulentos, y varias campañas tuvieron que cerrarse antes de tiempo, limitando la captación de usuarios legítimos.
Samee Zahid, director de ingeniería de Chipper Cash, lideró el esfuerzo para construir una alternativa más rápida y nativa de IA. La idea central era usar la búsqueda de similitud visual: convertir el selfie de cada nuevo usuario en un vector de embedding mediante una red neuronal convolucional (ConvNet), y luego consultar una base de datos vectorial para encontrar embeddings casi idénticos de usuarios existentes. Una puntuación de similitud alta marcaría una probable cuenta duplicada en tiempo real. El equipo validó el concepto con una base de datos vectorial de código abierto, pero rápidamente descubrió que gestionarla a escala de producción introducía una sobrecarga operativa inaceptable. Tras evaluar alternativas gestionadas, seleccionaron Pinecone por su latencia ultra-baja, escalabilidad a miles de millones de vectores y mínima carga de infraestructura.
El nuevo sistema —construido e implementado en menos de un mes— integra Pinecone con Snowflake como almacén de datos y un Servicio de Similitud Facial (FSS) propietario que genera embeddings y orquesta las consultas. Cuando un nuevo usuario envía un selfie, FSS integra la imagen y consulta Pinecone, que devuelve las tres coincidencias más cercanas en menos de 200 milisegundos. El backend de Chipper entonces evalúa la probabilidad de coincidencia junto con los metadatos relevantes para tomar una determinación final. De extremo a extremo, el proceso de verificación completo ahora se realiza en menos de 2 segundos.
Desde su puesta en marcha, Chipper Cash ha alcanzado una precisión de verificación de selfies superior al 95 %, ha reducido los registros fraudulentos en 10 veces en todos los mercados, y ha recuperado el presupuesto de promociones que ahora fluye exclusivamente hacia nuevos clientes legítimos. Los usuarios legítimos disfrutan de una experiencia de incorporación sin fricciones, y la empresa puede ejecutar campañas promocionales más largas y efectivas. Animado por estos resultados, el equipo de ingeniería está explorando activamente aplicaciones adicionales de IA impulsadas por Pinecone.
AWS