Este estudio ofrece un examen detallado de cómo varios modelos de IA contribuyen a detectar actividades financieras fraudulentas. Para lograr esto, se revisaron 30 estudios recientes publicados entre 2020 y 2025, reunidos de fuentes científicas como IEEE Xplore, ScienceDirect, SpringerLink y Scopus. CNN, LSTM, GNN y MLP figuran entre las arquitecturas más empleadas, destacando por su desempeño frente a patrones anómalos en entornos financieros. Las formas más comunes de evaluar estos modelos son a través de medidas como la precisión, el recall, la puntuación F1 y el AUC. A pesar de los resultados notables en varios estudios, problemas como la obtención de datos reales, los criterios de evaluación variables y la naturaleza costosa de algunos diseños persisten. Los resultados sugieren que el aprendizaje profundo podría ser un enfoque prometedor para desarrollar sistemas de pre...