Suena el teléfono. Es la voz de tu hijo, quebrada, llorando, pidiendo ayuda. Solo que no es tu hijo. Es un clon generado por inteligencia artificial y detrás del engaño hay un estafador que busca dinero rápido. Este escenario, que hace pocos años parecía sacado de una película, se repite hoy con una frecuencia alarmante en varios países de América Latina y Estados Unidos.
Una amenaza que crece más rápido que la capacidad de detectarla
La firma de ciberseguridad ESET Latinoamérica advierte que las estafas con voces generadas por IA dejaron de ser un fenómeno marginal. La tecnología para clonar una voz es barata, accesible y, sobre todo, convincente. Esa combinación explica por qué cada vez más delincuentes la incorporan a sus modalidades de fraude.
Los números respaldan la alerta. Un informe de Hiya, publicado en marzo, revela que una de cada cuatro personas en Estados Unidos dice haber recibido una llamada con voz deepfake en los últimos doce meses. Otro 24% admite que no puede distinguir una voz real de una clonada. El doble de encuestados cree, además, que los estafadores le están ganando la partida a las operadoras móviles en esta batalla.
La cifra que más inquieta a los expertos es la de los segundos necesarios para clonar una voz. Una investigación de McAfee encontró que apenas tres segundos de audio bastan para crear un clon de voz con una precisión del 85%. Ese fragmento puede salir de un video familiar en redes sociales, una nota de voz reenviada en un grupo de chat o una llamada breve grabada sin que la víctima lo note.
Cómo opera el «secuestro virtual»
La estafa más habitual consiste en llamar a un familiar y reproducirle un audio manipulado para hacerle creer que un ser querido fue secuestrado. Los delincuentes mezclan la voz clonada con sonidos de llanto y ruido de fondo. El objetivo es sencillo: mantener a la víctima confundida y emocionalmente desbordada para que no piense con claridad y transfiera dinero de inmediato.
Estos ataques se vuelven más creíbles cuando incorporan datos personales reales, extraídos de las mismas redes sociales de la víctima o de sus familiares. Los estafadores también monitorean perfiles públicos para elegir el momento del ataque, y suelen aprovechar cuando la supuesta víctima está de viaje o fuera del país, un contexto en el que resulta más difícil verificar la llamada al instante.
El fenómeno no es exclusivo de un país. Según alertas de la Federal Trade Commission y del FBI, Estados Unidos viene registrando un aumento de estafas con clonación de voz, y los casos se repiten en distintos países de América Latina. En México, la Secretaría de Seguridad y Protección Ciudadana emitió una alerta por el incremento de reportes vinculados a la clonación de voz con inteligencia artificial. En Colombia, especialistas en ciberseguridad advierten sobre el aumento de estafas telefónicas y suplantaciones de identidad basadas en esta técnica, bajo la modalidad conocida como «familiar en apuros».
Conviene aclarar un punto que circula de forma distorsionada en cadenas de WhatsApp: no basta con decir «hola» al teléfono para que clonen una voz. Clonar una voz exige minutos de audio limpio, no un par de segundos deformados por el ruido de una línea telefónica. El riesgo real está en otro lado: unos minutos de audio público, como un video, un podcast o una nota de voz reenviada, sí le bastan a cualquier herramienta comercial de clonación.
La palabra de seguridad, la defensa más simple
Frente a una tecnología que evoluciona más rápido que los sistemas capaces de detectarla en tiempo real, ESET propone una solución que no requiere ningún software: acordar una palabra de seguridad en familia. Debe ser una palabra o frase fácil de recordar, que cualquier integrante pueda exigir si sospecha de una llamada.
«Por supuesto, debe ser fácil de recordar, pero también poco común. Además, no debería ser algo que pueda descubrirse revisando las publicaciones en redes sociales u otras fuentes de inteligencia de fuentes abiertas (OSINT)», explica Mario Micucci, investigador de seguridad informática de ESET Latinoamérica. La compañía recomienda evitar opciones obvias, como el nombre de una mascota o el equipo deportivo favorito de la familia, porque son datos que cualquiera puede rastrear en un perfil público.
El mecanismo no es exclusivo de esta empresa. Entre las recomendaciones más efectivas para detectar este tipo de fraude está justamente establecer una palabra clave entre familiares, un mecanismo que permite verificar la autenticidad de una comunicación en situaciones de urgencia.
ESET también sugiere tener un plan alternativo por si alguien olvida la palabra en el momento de tensión: cortar la llamada y volver a marcar al número ya guardado en la agenda, o escribir en el grupo familiar de chat para confirmar que todo está en orden. Otra opción es hacer una pregunta cuya respuesta solo conozca la familia, siempre que no sea información que pueda rastrearse en internet. La recomendación de fondo es la misma en todos los casos: nunca enviar dinero ni compartir información personal ante una llamada que genere dudas.
Qué hacer si ya caíste en la trampa
Si una persona detecta que fue víctima de este tipo de fraude, los especialistas recomiendan actuar en varios frentes al mismo tiempo:
- Cortar toda comunicación con el estafador de inmediato.
- Contactar al banco para reportar lo ocurrido y consultar si es posible bloquear o recuperar los fondos transferidos.
- Cambiar las contraseñas de las cuentas que pudieron quedar expuestas y activar la autenticación en dos pasos (2FA).
- Usar contraseñas únicas y robustas, guardadas en un gestor de contraseñas.
- Conservar toda la evidencia disponible: números de teléfono, capturas de pantalla y grabaciones.
- Denunciar el hecho ante las autoridades de cada país.
Ningún sistema de telefonía identifica hoy, en tiempo real, si una voz fue generada por inteligencia artificial. Mientras esa tecnología de detección no exista a gran escala, la mejor defensa sigue siendo la más analógica: un código que solo la familia conoce.
