Este documento examina la adopción de sistemas de detección de fraudes impulsados por IA entre las instituciones financieras en los EAU y Qatar, con un enfoque especial en la confianza, la transparencia y las percepciones de equidad. A pesar de la promesa de las operaciones de IA para identificar anomalías financieras, los procesos de toma de decisiones poco claros y el sesgo algorítmico limitan su aceptación generalizada, especialmente en los sectores bancarios impulsados por la regulación. Este estudio utiliza una estrategia cuantitativa basada en el Modelado de Ecuaciones Estructurales de Mínimos Cuadrados Parciales (PLS-SEM) y el Análisis de Múltiples Grupos (MGA) de las respuestas de la encuesta de 409 profesionales bancarios, como auditores y oficiales de cumplimiento. Este estudio muestra que la transparencia mejora enormemente la confianza, que es el principal predictor de la adopción de IA. La percepción de equidad media los impactos negativos del sesgo algorítmico, enfatizando su papel importante en el establecimiento de la credibilidad del sistema. El análisis de subgrupos muestra variaciones regionales y profesionales diferenciales en la confianza y la sensibilidad a la equidad, donde se encuentra que los auditores internos y los sujetos altamente expuestos a la IA muestran una mayor preparación para la adopción. El cumplimiento de las regulaciones también emerge como un facilitador positivo de la adopción. Este documento concluye con sugerencias para la implementación práctica por parte de bancos, desarrolladores y reguladores para alinear el despliegue de IA con aspiraciones éticas y regulatorias. Recomienda herramientas de IA transparentes, explicables y sensibles a la equidad como esenciales para promover la adopción en sectores impulsados por la regulación. Los hallazgos proporcionan una guía para promover la implementación responsable de IA impulsada por la confianza en la detección de fraudes.