Durante décadas, las estafas telefónicas se apoyaron en guiones persuasivos y llamadas inesperadas. Hoy, esa fórmula ha cambiado radicalmente. La inteligencia artificial permite crear imitaciones de voz tan convincentes que incluso personas cercanas pueden parecer auténticas al otro lado del teléfono. Esta nueva modalidad de fraude digital está creciendo en distintos países y plantea un desafío inédito: aprender a distinguir entre una voz real y una creada por algoritmos.

Cómo la inteligencia artificial está cambiando las estafas telefónicas

Los avances en herramientas de generación de audio han permitido desarrollar una técnica conocida como “deepfake de voz”. Gracias a este sistema, los delincuentes pueden crear imitaciones digitales de la voz de una persona real con apenas unos segundos de grabación.

La tecnología funciona analizando patrones vocales: tono, ritmo, acento, pausas y otros rasgos que caracterizan a cada individuo. Una vez procesados esos datos, los programas de inteligencia artificial pueden generar frases nuevas que suenan muy similares a la voz original.

Este tipo de fraude suele comenzar con una etapa de recopilación de información. Los ciberdelincuentes buscan muestras de audio disponibles en internet, muchas veces publicadas de forma abierta por los propios usuarios. Videos en redes sociales, podcasts, entrevistas o transmisiones en directo pueden proporcionar material suficiente para entrenar un sistema de clonación de voz.

Después de reunir esos fragmentos de audio, los atacantes utilizan software especializado para generar la imitación. En algunos casos se trata de grabaciones previamente preparadas, mientras que en otros la voz artificial puede producirse en tiempo real durante una llamada.

El resultado es una conversación aparentemente normal en la que la víctima cree estar hablando con alguien conocido: un familiar, un jefe o un compañero de trabajo. Esa sensación de confianza es precisamente la clave del engaño.

En muchos casos, la llamada llega después de un mensaje previo. Puede ser un correo electrónico o un SMS que prepara el terreno creando urgencia o preocupación. Cuando la víctima recibe la llamada, ya está emocionalmente predispuesta a actuar rápidamente.

La ingeniería social detrás de las llamadas falsas

Las estafas basadas en voces generadas por IA no dependen únicamente de la tecnología. También utilizan estrategias clásicas de manipulación psicológica conocidas como ingeniería social.

Antes de contactar a una persona, los atacantes suelen investigar a su objetivo con bastante detalle. Analizan perfiles en redes sociales, publicaciones públicas e incluso datos filtrados en internet para comprender el entorno personal o profesional de la víctima.

Con esa información construyen un escenario creíble. Por ejemplo, una llamada que aparenta ser de un superior solicitando una transferencia urgente, o de un familiar que necesita ayuda inmediata.

El objetivo es crear presión emocional para que la víctima tome decisiones rápidas sin verificar la situación. Escuchar una voz que suena familiar puede reforzar esa sensación de urgencia y reducir la desconfianza inicial.

Los expertos de la empresa de ciberseguridad ESET advierten que la combinación entre tecnología avanzada y manipulación psicológica está haciendo que estas estafas resulten cada vez más sofisticadas.

Según explica el investigador Macio Micucci, muchas herramientas actuales incluso pueden añadir pequeños detalles para hacer que el audio parezca más real, como pausas naturales, respiraciones o ruido ambiental.

Esta evolución tecnológica significa que el fraude ya no depende de voces robóticas o fácilmente identificables. En muchos casos, la imitación puede resultar sorprendentemente convincente.

Señales que pueden revelar una voz generada por inteligencia artificial

A pesar del avance de estas herramientas, todavía existen algunos indicios que pueden ayudar a detectar una llamada fraudulenta basada en deepfakes de voz.

Uno de los más comunes es el ritmo del habla. Algunas voces generadas por IA presentan pausas extrañas o una cadencia poco natural, especialmente cuando el sistema intenta mantener conversaciones largas.

Otro aspecto a observar es la expresión emocional. Aunque los algoritmos pueden reproducir palabras con gran precisión, a veces les cuesta transmitir cambios de tono o emociones complejas de forma convincente.

Los patrones de respiración también pueden resultar reveladores. En ocasiones, las frases se encadenan sin pausas naturales o aparecen respiraciones en momentos poco habituales.

En versiones menos avanzadas de esta tecnología, el sonido puede presentar un ligero tono metálico o robótico. También es posible notar ambientes sonoros demasiado uniformes, con silencios absolutos o ruidos de fondo repetitivos.

Ante cualquier llamada sospechosa, los especialistas recomiendan adoptar una medida simple pero eficaz: verificar la identidad de la persona por otro canal. Contactar directamente con el supuesto remitente mediante un número conocido o un mensaje independiente puede evitar muchos fraudes.

También es importante desconfiar de solicitudes urgentes de dinero, contraseñas o códigos de seguridad durante una llamada inesperada. La presión para actuar rápido suele ser una señal clara de manipulación.

A medida que la inteligencia artificial continúa evolucionando, las estafas telefónicas también se vuelven más complejas. Conocer cómo funcionan estas técnicas y reconocer sus señales puede ser una de las mejores defensas frente a un tipo de fraude que seguirá creciendo en los próximos años.

Carolina Couselo

Carolina Couselo cubre cine, series y anime en Oasis Nerd. Cinéfila apasionada, sus reseñas se destacan por una mirada crítica que va más allá de los títulos obvios — siempre en busca de esa película o serie que todavía no encontró su audiencia. Si hay un underdog en las pantallas, Carolina probablemente ya lo vio.