Introducción

El Banco de Crédito del Perú (BCP), como líder del sector, enfrenta amenazas de seguridad físicas y digitales cada vez más sofisticadas.

El modelo de seguridad actual es reactivo, opera en silos y depende excesivamente del monitoreo humano, que es costoso y propenso a errores.

Este proyecto propone un "Sistema de Agentes de Seguridad Interna" para transformar la seguridad del BCP. El objetivo es pasar a un modelo proactivo e inteligente, analizando y correlacionando video en tiempo real y logs de red para anticipar amenazas.

2. Diagnóstico: El Problema

Como banco líder, el BCP es un blanco constante de robos y hackeos.

• Los sistemas de seguridad funcionan de forma separada: Cámaras (CCTV) no habla con Ciberseguridad.
• La seguridad depende de personas mirando pantallas, un método caro e inefectivo debido a la fatiga.
• El banco reacciona a los problemas en lugar de prevenirlos.

2. Diagnóstico: Análisis FODA

FORTALEZAS (Lo que tenemos)

• Sólida Posición Financiera: Recursos para invertir en tecnología de vanguardia.
• Infraestructura Nacional: Más de 8,340 puntos de contacto como base para el despliegue.
• Marca de Confianza: La marca más valiosa de Perú, un activo intangible que la seguridad debe proteger.

2. Diagnóstico: Análisis FODA

OPORTUNIDADES (Lo que podemos ganar)

• Liderazgo en Innovación: Ser pioneros en IA para seguridad bancaria en Perú.
• Cumplimiento Proactivo: Adelantarse a las exigencias regulatorias (MININTER, SBS).
• Eficiencia Operativa (ROI): Retorno de 200-400% en 3 años por automatización y reducción de costos de personal (30-50%).

2. Diagnóstico: Análisis FODA

DEBILIDADES (El problema a resolver)

• Sistemas en Silos: Seguridad física (CCTV) y ciberseguridad (IDS) no tienen visión correlacionada.
• Dependencia Humana: Un operador puede omitir hasta el 95% de la actividad en pantalla tras 22 minutos por fatiga.
• Postura Reactiva: Los sistemas están diseñados para investigación forense (después), no para prevención (antes).

2. Diagnóstico: Análisis FODA

AMENAZAS (El riesgo externo)

• Sofisticación del Crimen: "Marcaje" y "Skimming" (aumento del 4% en delitos patrimoniales).
• Escalada de Ciberataques: Fraude por malware aumentó 113% en Latam; 70% de entidades sufrieron ataques.
• Riesgo Regulatorio y Reputacional: Multas (ej. ANPD) y pérdida de confianza (57% de peruanos preocupados por el crimen).

2.1 Contexto de la Empresa

• El BCP es el banco con mayor cuota de mercado nacional y una de las empresas más representativas de Perú.
• Por su posición, es un objetivo principal para el crimen organizado y el fraude.
• Opera en un entorno de alto riesgo con una vasta infraestructura (+8,340 puntos) que exige una seguridad compleja e integrada.

2.2 Organigrama (Áreas Clave)

Las áreas clave para este proyecto son las vicepresidencias de Operaciones/Tecnología y las gerencias de:

• Seguridad Integral (Física)
• Ciberseguridad (CSOC)

El problema actual: Estas gerencias operan en silos. Este proyecto busca mitigar esa debilidad integrando sus fuentes de datos.

2.3 Definición del Problema (Resumen)

Debido a la constante evolución de amenazas físicas y virtuales, y por un histórico reactivo, es necesario contar con técnicas modernas de detección de fraude en tiempo real que mejoren, comuniquen e integren un mejor sistema de seguridad.

2.4 Factibilidad del Proyecto

• Técnica (Alta): Arquitectura moderna (Microservicios, Go, Python/LangGraph, YOLO, Pub/Sub). Tecnologías maduras.
• Económica (Viable): Alto ROI (200-400% a 3 años) basado en prevención de pérdidas y optimización de costos de personal (30-50%).
• Administrativa (Desafío): El reto principal es lograr la colaboración entre Seguridad Física y Ciberseguridad.

2.5 Delimitación: Alcance Técnico (MVP)

El Producto Mínimo Viable (MVP) se centrará exclusivamente en:

• Involucrará al Agente 1 (Visión) analizando video y al Agente 2 (Logs) analizando alertas de PRTG.
• El Agente 3 (Correlación) solo correlacionará estos dos eventos.

2.5 Delimitación: Económica e Infraestructura

• Económica: El presupuesto cubre solo el diseño, desarrollo y despliegue piloto del MVP en agencias seleccionadas de Lima. No incluye el despliegue nacional.
• Infraestructura (Nube): Servicios centrales (API Go, IA Python, Pub/Sub) operarán en GCP.
• Infraestructura (Borde): El procesamiento de video (YOLO/OpenCV) se hará localmente en las agencias (Edge Computing) sobre el hardware existente, enviando solo metadatos a la nube.

3.1 Justificación: Alineamiento Estratégico

• Protección de la Marca y Confianza: Resguarda el activo más valioso del BCP, su reputación.
• Liderazgo en Innovación Digital: Se alinea con la transformación digital, modernizando la seguridad.
• Eficiencia Operativa y Rentabilidad: Impacta la rentabilidad al reducir costos operativos (vigilancia manual).
• Gestión de Riesgos y Cumplimiento: Asegura el cumplimiento proactivo de regulaciones (SBS, MININTER).
• Estabilidad del Sistema Financiero: Fortalece al pilar del sistema financiero peruano.

3.2 Justificación: ¿Por qué es requerido?

El proyecto es requerido para transformar la seguridad de un modelo reactivo a uno proactivo.

El sistema actual (basado en monitoreo humano y silos) es costoso, ineficiente (propenso a fatiga) e incapaz de correlacionar amenazas físicas (CCTV) y lógicas (logs de red) en tiempo real.

Esto genera vulnerabilidades críticas, pérdidas financieras y alto riesgo reputacional.

3.3 Justificación: Costos y Beneficios

3.4 Justificación: Plan de Acción (MVP)

• QUÉ: Un MVP del "Sistema de Agentes de Seguridad Integral", enfocado en merodeo y alertas de red.
• CÓMO: Una API orquestadora en Go recibirá eventos (de YOLO en el borde y PRTG). Los eventos se publicarán en Google Pub/Sub y serán consumidos por microservicios en Python (FastAPI/LangGraph) que alojan a tres agentes de IA (Visión, Logs, Correlación).
• CUÁNDO (6 Meses):
  • Mes 1-2: Diseño de Arq., Desarrollo API (Go) y Agentes (Python).
  • Mes 3-4: Entrenamiento de Modelos (YOLO) y Recolección de Logs.
  • Mes 5-6: Pruebas integrales y Despliegue Piloto.

3.5 Justificación: Riesgos y Alternativas

4.1 Descripción: Funcionamiento del Sistema

1. INGESTA (Borde): YOLO/OpenCV analiza cámaras en la agencia y extrae metadatos (siluetas, no rostros). Paralelamente, se monitorean logs de PRTG.

2. ORQUESTACIÓN (Nube): Los metadatos y eventos se envían a una API Orquestadora (Go) de alta concurrencia, que los publica inmediatamente en Google Pub/Sub (un bus de mensajería).

3. PROCESAMIENTO (Nube): Un Microservicio de IA (Python/FastAPI) se suscribe a Pub/Sub. LangGraph coordina un equipo de 3 agentes: Agente 1 (Visión), Agente 2 (Logs) y Agente 3 (Correlación).

4. ALERTA Y ALMACENAMIENTO (Nube): El Agente 3 conecta los hallazgos (ej. "Merodeo" + "ATM sin conexión") y guarda la alerta en PostgreSQL + pgvector.

4.2 Descripción: Software y Herramientas (El Stack)

4.3 Descripción: Técnicas y Estándares

• Arquitectura: Microservicios y Arquitectura Orientada a Eventos (EDA). Esto da un sistema desacoplado, resiliente y escalable.
• Despliegue Híbrido: Edge Computing (YOLO en agencia) para baja latencia y privacidad; y Cloud Computing Serverless (Cloud Run) para optimizar costos.
• Técnicas de IA: Computer Vision (YOLO), Agentes Autónomos (LangGraph) para crear un "equipo" de especialistas, y Búsqueda Vectorial (pgvector).
• Estándares: API RESTful y estricto cumplimiento de la ley de protección de datos (anonimización de video).

5.1 Objetivo General

5.2 Objetivos Específicos

• Desarrollar una arquitectura de microservicios escalable, con un orquestador en Go y agentes de IA en Python/LangGraph, capaz de procesar datos de YOLO y PRTG.
• Implementar un equipo de agentes de IA (Visión, Logs, Correlación) que analicen patrones (merodeo) y los correlacionen con eventos de red (fallas ATM) para generar alertas proactivas.
• Desplegar un MVP en agencias seleccionadas para validar la reducción de falsos positivos y la detección temprana de incidentes.