El negocio de los medios de pago, que engloba las entidades financieras dedicadas a ofrecer formas alternativas de pagar por bienes o servicios, sufre grandes pérdidas debido al fraude: transacciones realizadas con el medio de pago que luego no se pueden cobrar. Estas entidades destinan personal especializado a reducir sus pérdidas por fraude, usualmente con la ayuda de sistemas informáticos que generan alertas al detectar una transacción sospechosa, conocidos como sistemas de detección de fraude. Este tipode sistema asume que los fraudadores siguen ciertos patrones de comportamiento que permiten detectar el fraude. PayTrue Solutions, cliente del presente proyecto, vende un sistema de detección de fraude que se configura en forma manual, por lo que puede perder efectividad cuando los fraudadores modifican sus patrones de comportamiento. El objetivo principal del presente proyecto es encontrar enfoques que permitan actualizar automáticamente esta configuración, para lo que aplicamos dos técnicas de Aprendizaje Automático: árboles de decisión y naive bayesian. A su vez,