Cómo saber si una llamada de voz es IA o no

¿Puedes creer lo que oyes? La respuesta es cada vez más no. Esto es lo que está en juego para su negocio y cómo puede derrotar al deepfaker.

23 de febrero de 2026
•
,
4 minutos de lectura

Hubo un tiempo en el que podíamos creer todo lo que veíamos y oíamos. Desafortunadamente, esos días probablemente ya pasaron. La IA generativa (GenAI) ha democratizado la creación de audio y vídeo deepfake hasta el punto de que crear un clip falso es tan fácil como presionar uno o dos botones. Esta es una mala noticia para todos, incluidas las empresas.

Los deepfakes ayudan a los estafadores a eludir las comprobaciones de autenticación de cuentas y de conocer a su cliente. Incluso pueden permitir que actores estatales malintencionados lo hagan. hacerse pasar por solicitantes. Pero podría decirse que la mayor amenaza que plantean es el fraude financiero/de remesas, etc. Secuestro de cuentas de liderazgo.

Las organizaciones subestiman el peligro de los deepfakes. El Reclamaciones del gobierno británico que el año pasado se compartieron hasta ocho millones de clips sintéticos, frente a solo 500.000 en 2023. El número real podría ser mucho mayor.

Cómo funcionan los ataques

Como un experimento Por Jake Moore, asesor de seguridad global de ESET, también reveló que lanzar un ataque de audio deepfake en su organización nunca ha sido tan fácil. Todo lo que se necesita es un breve clip de la víctima para hacerse pasar por ella. GenAI se encarga del resto. Así es como podría funcionar un ataque:

1. Un atacante elige a la persona que quiere imitar. Puede ser un director ejecutivo, un director financiero o incluso un proveedor.
2. Puede encontrar una muestra en línea, lo cual es bastante fácil para los ejecutivos de alto perfil que hablan regularmente en público. Puede provenir de una cuenta de redes sociales, una conferencia telefónica, una entrevista en video/televisión o varias otras fuentes. Unos pocos segundos de metraje deberían ser suficientes.
3. Seleccionas la persona a la que quieres llamar. Esto puede requerir algo de investigación documental: normalmente las búsquedas en LinkedIn incluyen al personal de la mesa de ayuda de TI o a miembros del equipo de finanzas.
4. Puede llamar a la persona directamente o enviarle un correo electrónico con anticipación; por ejemplo, un director ejecutivo que solicita una transferencia de dinero urgente, una solicitud de restablecimiento de contraseña/autenticación multifactor (MFA) o un proveedor que solicita el pago de una factura vencida.
5. Llaman al objetivo preseleccionado utilizando audio deepfake generado por GenAI para hacerse pasar por el director ejecutivo/proveedor. Dependiendo de la herramienta, pueden limitarse al discurso preescrito o utilizar un método más sofisticado de “voz a voz”, en el que la voz del atacante se traduce a la de la víctima casi en tiempo real.

Oír es creer

Este tipo de ataque es cada vez más barato, más fácil y más convincente. Algunas herramientas incluso pueden agregar ruido de fondo, pausas y tartamudeos para hacer que la voz imitada suene más creíble. Se vuelven mucho mejores a la hora de imitar los ritmos, el tono y los tics verbales que son exclusivos de cada hablante. Y si se lanza un ataque por teléfono, las interrupciones relacionadas con la IA pueden ser más difíciles de detectar para el oyente.

Los atacantes también pueden utilizar tácticas de ingeniería social, como presionar al oyente para que responda urgentemente a su solicitud para lograr sus objetivos. Otro clásico es instar al oyente a mantener la solicitud confidencial. Si a esto le sumamos el hecho de que a menudo se hacen pasar por altos ejecutivos, es fácil entender por qué algunas víctimas son engañadas. ¿Quién quiere meterse en los malos libros del director ejecutivo?

Sin embargo, hay formas de detectar a un falsificador. Dependiendo de qué tan sofisticado sea el GenAI que esté utilizando, es posible que pueda detectar:

• Un ritmo antinatural en el discurso del orador.
• Un tono emocional anormalmente plano en la voz del hablante.
• Respiración antinatural o incluso frases sin aliento.
• Un sonido inusualmente robótico (cuando se utilizan herramientas menos avanzadas)
• Ruido de fondo extrañamente ausente o demasiado constante

Es hora de contraatacar

La razón por la que los actores de amenazas invierten más tiempo en estafas como estas es simple: las posibles recompensas que se ofrecen. Cada vez se acumulan más historias de advertencia. Uno de los mayores errores ocurrió en 2020. si un empleado En una empresa de los Emiratos Árabes Unidos, le hicieron creer que el director había llamado y pedido una transferencia de 35 millones de dólares para un acuerdo de fusión y adquisición.

Dado que la tecnología deepfake ha mejorado significativamente en los últimos seis años, vale la pena revisar algunos pasos clave que puedes tomar para minimizar el riesgo de que se produzca el peor de los casos.

Debería comenzar con la formación y sensibilización de los empleados. Estos programas deben actualizarse para incluir simulaciones de audio deepfake para garantizar que los empleados sepan qué esperar, qué está en juego y cómo comportarse. Se les debe enseñar a reconocer los signos reveladores de la ingeniería social y los escenarios típicos de deepfake como los descritos anteriormente. Para comprobar qué tan bien los empleados absorben esta información, se deben realizar ejercicios de formación de equipos rojos.

Luego viene el proceso. Considere lo siguiente:

• Verificación fuera de banda de todas las solicitudes telefónicas, es decir, uso de cuentas de mensajería corporativa para realizar un seguimiento independiente del remitente.
• Dos personas que aprueban cualquier transferencia financiera importante o cambios en los datos bancarios del proveedor.
• Frases de contraseña o preguntas previamente acordadas que los ejecutivos deben responder para demostrar que son quienes dicen ser por teléfono

La tecnología también puede ayudar. Existen herramientas de detección que pueden comprobar varios parámetros para detectar la presencia de una voz sintética. Es más difícil de implementar, pero otro enfoque sería limitar la capacidad de los actores de amenazas para obtener audio restringiendo las apariciones públicas de los ejecutivos.

Personas, procesos y tecnología.

Sin embargo, la conclusión es que los deepfakes son fáciles y económicos de producir. Dadas las sumas potencialmente enormes que los estafadores tienen que robar, es poco probable que las estafas de clonación de voz terminen pronto. Por lo tanto, un enfoque triple basado en personas, procesos y tecnología es la mejor opción para que su organización mitigue el riesgo.

Una vez que se aprueba un plan, recuerde revisarlo periódicamente para asegurarse de que siga cumpliendo su propósito a medida que avanza la innovación en IA. el nuevo Panorama del fraude cibernético requiere atención constante.