FACEIT acaba de intensificar la carrera armamentista contra los tramposos. La plataforma competitiva de Counter-Strike 2 está implementando un sistema de aprendizaje automático llamado “Detección de Entrada Humana” que no busca software de trampa conocido. En su lugar, observa cómo juegas y determina si realmente hay una persona detrás del teclado.
La función se lanza el 5 de agosto de 2026, en synchronización con el inicio de la Temporada 9. Representa un cambio fundamental en la forma en que FACEIT aborda el anti-trampa: en lugar de escanear firmas de software, el sistema analiza las entradas dentro del juego para determinar si son auténticamente humanas.
Por qué el anti-trampa tradicional está perdiendo la batalla
Los sistemas antitrampas convencionales funcionan como software antivirus, manteniendo una base de datos de amenazas conocidas y escaneando en busca de coincidencias. Las trampas impulsadas por IA explotan precisamente esa debilidad. Estas herramientas no inyectan código en el juego ni modifican la memoria de formas que dejen huellas evidentes. Leen los datos de la pantalla a través de hardware externo (a menudo mediante tarjetas DMA) y los traducen en movimientos de mouse que parecen legítimos. Para un escáner basado en firmas, todo parece limpio.
Los números muestran la gravedad de la situación. Al mayo de 2026, los cheats de IA y DMA representaron el 40% de todas las suspensiones en la plataforma de FACEIT. Durante la Temporada 7, las detecciones de cheats de IA aumentaron un 272%, lo que resultó en 372 suspensiones.
El anti-trampa a nivel de kernel existente de FACEIT, que opera en la capa más profunda del sistema operativo de una computadora, mejoró su cobertura de trampas respaldadas por IA hasta mediados de 2026. Pero el acceso a nivel de kernel por sí solo no fue suficiente.
Cómo funciona realmente la detección de entrada humana
El nuevo sistema se entrena con millones de partidas de datos de entrada. Estudia cómo los humanos mueven realmente el ratón, hacen clic y ajustan el objetivo, luego construye un modelo de lo que es “normal”. Cuando las entradas se desvían de los patrones humanos de maneras específicas y característicamente detectables, el sistema las marca.
FACEIT ha estado trabajando con ingenieros de Google en modelado conductual desde principios de 2026, lo que ayudó a construir la base para esta capa de detección.
Una elección de diseño crítica: el sistema requiere múltiples señales de confirmación antes de ejecutar cualquier prohibición. Una sola secuencia de entrada sospechosa no le llevará a ser expulsado. FACEIT también ha incorporado adaptaciones específicas para dispositivos de accesibilidad. Los jugadores que usan controladores adaptativos, métodos de entrada alternativos o tecnología asistiva no deberían generar falsos positivos.