Validación del cambio de comportamiento: retest dirigido frente a ajuste algorítmico
Keepnet
Cuando un empleado cae en una simulación de Keepnet recibe feedback inmediato y un módulo de capacitación, y las campañas siguientes se ajustan de forma algorítmica mediante sus funciones de IA. Lo que Keepnet no publica es un mecanismo formal de retest dirigido: volver a probar a la persona que falló, en una ventana definida, para verificar que su comportamiento cambió.
Fensivo
Fensivo pone el retest en el centro del ciclo. Tres semanas después del microaprendizaje, la persona recibe una simulación de la misma categoría y sofisticación pero con otra plantilla, para validar que aprendió la lección y no que memorizó un correo. Si vuelve a fallar, se activa un piso de riesgo que solo se levanta tras superar varias simulaciones consecutivas sin caer. Estudios revisados por pares (Ho et al., IEEE S&P 2025; Lain et al., IEEE S&P 2022) muestran que completar una capacitación no predice por sí solo la reducción de fallos reales: lo que demuestra el cambio es volver a probar el comportamiento.