Voces clonadas en el vishing: de la videollamada deepfake de Arup a la palabra clave familiar
Al teléfono, la voz de una persona solía ser casi una prueba de identidad. Las herramientas baratas de clonación de voz han acabado silenciosamente con esa suposición. Un estafador con unos segundos de audio — un clip de pódcast, un mensaje de buzón de voz, un vídeo publicado en internet — puede producir habla que parientes, colegas y personal de centros de llamadas no distinguen de forma fiable del original. La técnica alimenta el vishing — phishing por voz — y en 2026 ya hay víctimas corporativas y familiares documentadas, además de investigación que muestra por qué los oyentes humanos y algunas comprobaciones automáticas no detectan las falsificaciones.
La videollamada de 200 millones de HK$
El caso que movió la clonación de voz de la novedad al riesgo de consejo se desarrolló en Hong Kong en enero de 2024. Un empleado de finanzas de una multinacional recibió un mensaje que parecía provenir del director financiero de la empresa en el Reino Unido, que describía una transacción secreta. Sospechó phishing, hasta que se unió a una videoconferencia donde el CFO y varios colegas que reconocía aparecieron en pantalla. Según la policía de Hong Kong, todos los participantes eran deepfakes. El empleado hizo 15 transferencias por un total de 200 millones de HK$ — unos 25,6 millones de US$ — a cinco cuentas bancarias locales; el fraude salió a la luz solo cuando lo comprobó con la sede central. Como lo expresó el superintendente principal Baron Chan:En la videoconferencia de varias personas, resultó que todos [los que veía] eran falsos.La firma de ingeniería Arup fue identificada después como la víctima y confirmó el incidente en mayo de 2024, indicando que había notificado a la policía a principios de año y que su estabilidad financiera, operaciones y sistemas internos no se vieron afectados. Su director de información, Rob Greig, señaló que los ataques que incluyen fraude de facturas, phishing, suplantación de voz en WhatsApp y deepfakes habían ganado mucha sofisticación. La policía clasificó el caso como obtención de patrimonio mediante engaño; en ese momento no se habían anunciado arrestos.
Emergencias familiares con una voz conocida
La misma técnica escala a hogares comunes. La FTC de Estados Unidos lo advirtió en marzo de 2023: en la clásica estafa del nieto — una llamada de un pariente que chocó el coche y está en la cárcel — quien llama ahora puede ser un clon. Todo lo que necesita el estafador, escribió la agencia, es un clip corto de audio con la voz de un familiar, tomado de contenido publicado en línea. El consejo de la FTC es de procedimiento: colgar, devolver la llamada a un número que se sepa es suyo, verificar con otro pariente y tratar como señales de alerta las peticiones de transferir dinero, enviar criptomonedas o comprar tarjetas de regalo. Casos europeos muestran el mismo patrón contra otro tipo de objetivos. En Italia, una mujer mayor fue estafada por 30.000 € en una llamada que usaba lo que parecía la voz de su hija, según reportó The Guardian en febrero de 2025. Ese mismo mes, los fiscales de Milán recibieron denuncias de prominentes figuras empresariales — entre ellas personal de Giorgio Armani y el presidente del consejo de administración de Prada, Patrizio Bertelli — después de que estafadores clonaran la voz del ministro de defensa Guido Crosetto y las llamaran, supuestamente para reunir un rescate de periodistas secuestrados, con el reembolso prometido por el Banco de Italia. Al menos una víctima transfirió un total de 1 millón de € a una cuenta en Hong Kong.Por qué fallan los oídos, y algunas comprobaciones
Los oyentes humanos son una línea de defensa débil. El Informe de Inteligencia de Voz y Seguridad 2025 de Pindrop, basado en el análisis de más de 1.200 millones de llamadas de clientes, registró un aumento de más del 1.300 por ciento en intentos de fraude con deepfakes en centros de contacto en 2024 — de un promedio de un intento al mes a siete al día — junto con un incremento del 173 por ciento en llamadas de voz sintética entre el primer y el último trimestre del año. Los ataques de voz sintética contra bancos crecieron un 149 por ciento, y el informe proyectó que los centros de contacto podrían enfrentarse a una exposición al fraude de unos 44.500 millones de US$ en 2025. La verificación biométrica tampoco es una panacea: la policía de Hong Kong dijo que los deepfakes se usaron al menos 20 veces en fraude relacionado para vencer comprobaciones de reconocimiento facial que imitaban a titulares de documentos de identidad. Las comprobaciones basadas en voz enfrentan el mismo problema: un clon es una versión sintética de la señal real, y el audio telefónico corto y de baja calidad hace que la detección automática sea más difícil, no más fácil. Los proveedores de detección mejoran, pero el lado de quien llama en esta carrera también está industrializado, y el volumen, según los propios números de Pindrop, crece más rápido que los filtros.Lo que sigue funcionando
Dados los límites de la detección, las defensas que se sostienen son de procedimiento. Entre las sugerencias en la alerta de la FTC figuraban palabras clave familiares — una frase acordada fuera de línea que toda llamada de emergencia genuina debe incluir — y preguntas de verificación que solo el pariente real podría responder, aunque tales detalles pueden filtrarse por redes sociales. La disciplina de devolver la llamada a un número conocido, marcado de forma independiente, sigue siendo el paso más fiable, porque saca el canal del atacante del circuito:- Acordar una palabra clave familiar para emergencias, y usarla.
- Colgar y devolver la llamada a un número que ya se tenga — no a uno que el llamante proporcione.
- Tratar la urgencia, el secreto y los canales de pago inusuales como transferencias, cripto o tarjetas de regalo como la firma de la estafa, no como un detalle.
- Limitar las muestras limpias de voz que se publican en mensajes del buzón de voz y vídeos públicos.