Durante décadas, una llamada telefónica fue considerada una forma directa y confiable de comunicación. Si la voz al otro lado parecía familiar, bastaba con reconocerla para confiar en lo que decía. Sin embargo, ese principio empieza a tambalearse. El avance de los sistemas generativos capaces de imitar voces humanas con enorme precisión ha abierto la puerta a un nuevo tipo de fraude. En este escenario, distinguir entre una voz real y una creada por inteligencia artificial se ha convertido en una habilidad cada vez más necesaria.

Cómo funcionan los ataques con deepfake de voz

Los llamados deepfakes de voz utilizan inteligencia artificial para recrear la voz de una persona a partir de fragmentos de audio relativamente cortos. En muchos casos, apenas unos segundos de grabación pueden ser suficientes para construir un modelo capaz de reproducir ese tono y estilo de habla.

Para conseguir ese material, los atacantes suelen buscar grabaciones disponibles públicamente. Entrevistas, videos en redes sociales, podcasts o conferencias se convierten en fuentes ideales para obtener muestras de voz sin necesidad de acceso directo a la víctima.

Una vez recopilado el audio, los sistemas de síntesis vocal entrenados con IA generan un modelo que imita la forma de hablar de esa persona. Algunas herramientas permiten producir frases pregrabadas, mientras que las más avanzadas incluso pueden mantener conversaciones en tiempo real.

El siguiente paso consiste en contactar a la víctima. En muchos casos, los estafadores se hacen pasar por directivos de una empresa, familiares cercanos o proveedores habituales. El objetivo es crear una situación de urgencia que obligue a la persona a actuar rápidamente.

Las solicitudes pueden variar. A veces se trata de pedir una transferencia de dinero inmediata. En otros casos buscan obtener contraseñas, códigos de seguridad o información confidencial.

El peligro reside en que la voz suena convincente. Cuando la víctima cree reconocer a quien llama, las defensas psicológicas suelen bajar, lo que aumenta la probabilidad de caer en la trampa.

Señales que pueden revelar una llamada generada por inteligencia artificial

Aunque la tecnología de clonación vocal mejora rápidamente, todavía existen ciertos indicios que pueden ayudar a identificar una voz generada por inteligencia artificial.

Uno de los más comunes es el ritmo del habla. Algunas voces sintéticas mantienen una cadencia demasiado uniforme, sin las pequeñas irregularidades que suelen aparecer en el habla humana.

Otro indicio es la falta de variación emocional. Las voces generadas por IA pueden sonar correctas en términos técnicos, pero a menudo carecen de los matices emocionales que aparecen cuando una persona habla de manera espontánea.

También pueden detectarse irregularidades en la respiración. En conversaciones reales, las pausas para respirar aparecen de forma natural. En algunos audios sintéticos esas pausas son escasas o se perciben artificiales.

El sonido general también puede ofrecer pistas. Dependiendo de la calidad de la herramienta utilizada, la voz puede tener un timbre ligeramente metálico o un tono digital difícil de identificar a simple vista, pero perceptible tras unos segundos de escucha.

Otro detalle importante es el contexto de la conversación. Los sistemas automatizados pueden cometer errores cuando la conversación se desvía del guion esperado. Respuestas vagas, silencios extraños o cambios bruscos de tema pueden indicar que la voz no pertenece a una persona real.

Estrategias para protegerse de fraudes con voz sintética

Ante el crecimiento de estos ataques, especialistas en seguridad recomiendan adoptar nuevos protocolos de verificación cuando se reciben solicitudes sensibles por teléfono.

Una de las medidas más efectivas consiste en confirmar la información mediante otro canal de comunicación. Si alguien solicita una transferencia o datos confidenciales, lo recomendable es verificar la petición a través de un mensaje oficial, correo electrónico o llamada directa al número habitual de esa persona.

Otra estrategia es implementar sistemas de doble aprobación para operaciones importantes. En entornos corporativos, esto significa que ciertas decisiones financieras deben ser confirmadas por más de una persona antes de ejecutarse.

También se están popularizando las llamadas “frases clave” o preguntas privadas. Se trata de códigos o referencias que solo conocen las personas involucradas en la conversación y que sirven como forma rápida de verificar la identidad.

Además, la formación juega un papel fundamental. Empresas y organizaciones están incorporando simulaciones y entrenamientos para enseñar a empleados y usuarios a reconocer este tipo de amenazas.

Al mismo tiempo, algunos sistemas de seguridad ya utilizan herramientas capaces de analizar patrones acústicos para detectar señales de audio generado por inteligencia artificial.

En un contexto donde la tecnología avanza a gran velocidad, la mejor defensa sigue siendo combinar herramientas técnicas con sentido crítico. Escuchar con atención, verificar la información y desconfiar de solicitudes urgentes puede marcar la diferencia entre una conversación legítima y un intento de fraude.

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.