Clonación de voz con IA y estafa telefónica: cómo protegerse

La clonación de voz con IA permite a un estafador imitar la voz de un familiar o de un compañero a partir de un breve fragmento de audio. La consecuencia práctica: reconocer una voz ya no demuestra nada. Las dos defensas que funcionan son una palabra clave verbal acordada de antemano y la devolución de llamada por un canal que usted controla.

Este artículo explica qué cambia la IA en el vishing, qué no cambia y qué gestos conviene adoptar. Completa nuestro dossier sobre la concienciación en ciberseguridad y el vishing.

Cómo funciona la clonación de voz

Un modelo de IA aprende las características de una voz: timbre, ritmo, entonación. Después puede hacerle pronunciar cualquier texto. A veces bastan unos segundos de grabación, sacados de un vídeo publicado en línea, de un mensaje de voz o de un webinar.

La Federal Trade Commission estadounidense advierte de ello desde 2023. Según la FTC, los estafadores usan la clonación de voz para dar más credibilidad a sus peticiones de dinero o de información. Pone como ejemplo a un familiar que parece llamar con urgencia, con una voz parecida a la suya.

Para una organización, la exposición es real. Las voces de directivos, portavoces y comerciales circulan en vídeos, pódcast y conferencias. Eso no significa que cada llamada sospechosa sea un clon. Significa que la hipótesis debe seguir siendo posible, sobre todo cuando la petición es inusual, urgente o confidencial.

Qué cambia la IA en el vishing

El vishing se apoya en la confianza y la presión. La IA no modifica ese esquema. Lo que hace es quitar uno de los indicios en los que se apoyaban los empleados: «esa no es su voz».

• La voz familiar tranquiliza. Un falso director financiero con la voz del verdadero encuentra menos resistencia.
• El ataque se prepara a menor coste. Los guiones, los acentos y los idiomas se producen con más facilidad.
• Las palancas siguen siendo las mismas. Urgencia, autoridad, aislamiento: las encontrará en nuestro artículo sobre las palancas de la ingeniería social.

Ahí está la buena noticia: el contenido de la petición sigue siendo el mejor indicio. Sea cual sea la voz, una llamada que exige bajo presión una transferencia fuera del circuito habitual, un código o un acceso se trata de la misma manera.

Un caso real: los falsos directivos en videollamada

El caso más citado es el de la ingeniería Arup, en Hong Kong. En 2024, un empleado participó en una videoconferencia en la que creía ver al director financiero y a varios compañeros. Todos eran recreaciones hechas con IA, según la policía de Hong Kong, citada por CNN.

El empleado realizó 15 transferencias por un total de 200 millones de dólares de Hong Kong, unos 25,6 millones de dólares estadounidenses. El fraude solo se descubrió cuando consultó con la sede de la empresa.

Este caso es una videoconferencia y no una llamada de voz. Muestra, sin embargo, la misma mecánica: el parecido pesó más que el procedimiento. La verificación por un canal independiente destapó el fraude, pero tarde.

Por qué reconocer la voz ya no basta

Tres razones explican que el oído ya no sea una prueba fiable.

1. Los clones mejoran rápido. Los defectos audibles de ayer, como el tono monótono, desaparecen.
2. La calidad de una llamada oculta los defectos. Una línea comprimida, ruido de fondo o mala cobertura lo disculpan todo.
3. El estrés deteriora el juicio. Bajo presión, se busca confirmar lo que se oye, no cuestionarlo.

Pedir a los empleados que «detecten el clon» equivale a encomendarles una tarea que nadie hace de forma fiable. Más vale sustituir la detección por un procedimiento.

Las defensas que funcionan: palabra clave verbal y devolución de llamada

La palabra clave verbal

Es una palabra o una frase acordada de antemano entre dos personas, nunca escrita en un mensaje y nunca usada en otro sitio. Encaja bien en círculos reducidos: una dirección y su tesorería, un directivo y su asistente, una familia. Se renueva con regularidad.

«Antes de seguir, dígame nuestra palabra acordada».

Su límite es organizativo: no escala a toda una empresa y se pierde cuando se olvida. Resérvela para los circuitos de alto riesgo.

La devolución de llamada

Es la defensa más general. Se cuelga y se vuelve a llamar a la persona a un número que ya se tiene: directorio interno, tarjeta bancaria, contrato. El detalle del método figura en nuestro artículo sobre el procedimiento de devolución de llamada por un canal independiente.

La FTC da el mismo consejo a los particulares: no fiarse de la voz, llamar a la persona a un número seguro y recurrir a otros familiares si no responde.

Qué hacer durante una llamada sospechosa

Esta es una pauta sencilla, aplicable con o sin clonación.

1. No decidir nada durante la llamada. «Le devuelvo la llamada en unos minutos».
2. No dar ningún código ni validar operaciones. Una contraseña, un código SMS o una validación en una aplicación no se comunican nunca.
3. Verificar por un canal independiente. Llamada saliente, mensajería interna, encuentro en persona.
4. Avisar. Comunicar la llamada al servicio de seguridad, aunque no se haya cedido nada. Nuestra guía para comunicar un incidente de seguridad indica qué anotar.

Para los equipos financieros, el control debe ser estructural: doble validación, umbrales, plazos. Un clon de voz no sortea un procedimiento aplicado a todo el mundo. Es también lo que recomienda nuestro artículo sobre el fraude del CEO.

Las señales que siguen siendo útiles pese a la clonación

Si la voz no prueba nada, el contexto de la llamada sigue hablando. Un clon es una herramienta, no un guion completo. El atacante siempre tiene que conseguir una acción, y esa acción es la que lo delata.

• Un canal inusual. Su director nunca le llama al móvil personal, y de pronto lo hace.
• Una petición fuera de procedimiento. Transferencia a una cuenta nueva, saltarse la doble validación, compra de tarjetas regalo.
• Un secreto exigido. «No se lo cuente a nadie» es la señal de aislamiento más clara.
• Una urgencia sin justificante. Ningún documento que consultar, solo la palabra de quien llama.
• La negativa a que se devuelva la llamada. Quien se opone a que usted verifique tiene algo que ocultar.

Estas señales se trabajan de viva voz. Cuanto más las haya oído un empleado en condiciones cercanas a la realidad, más rápido las detectará el día que lleguen.

Implantar la defensa en la organización

Una consigna que depende de la vigilancia individual se desgasta pronto. Las defensas más sólidas están inscritas en el funcionamiento de la empresa.

• Escribir la regla una sola vez. «Toda petición de transferencia o de acceso recibida por teléfono se confirma con una devolución de llamada». Se aplica a todos, directivos incluidos.
• Hacer que la dirección respalde la regla. Un empleado cuelga con más facilidad a un «director» si el verdadero director le ha dicho que lo haga.
• Prever los circuitos sensibles. Tesorería, recursos humanos, soporte informático: cada uno recibe un procedimiento y, si hace falta, una palabra acordada.
• Limitar la exposición de la voz. No hay que prohibir las grabaciones públicas de directivos, pero conviene saber que alimentan a los clones.
• Simplificar la comunicación de incidentes. Un teléfono, una dirección, una ficha, y ninguna sanción por una falsa alarma.

Para el soporte informático, un caso particular se trata en nuestro artículo sobre la ingeniería social en el servicio de asistencia.

Entrenarse para mantener el procedimiento ante una voz familiar

Saber que una voz puede ser falsa no basta para actuar. Ante un jefe conocido que se enfada, la cortesía se impone. El reflejo de colgar y devolver la llamada no se improvisa.

Un juego de rol permite vivir esa situación antes de que ocurra. Con Face Up, el formador escribe un escenario en el que un personaje interpretado por una IA se hace pasar por un superior con prisa. El alumno habla en voz alta, aplica o no el procedimiento y recibe después un debriefing con las frases que ha pronunciado. Puede repetir hasta que la fórmula le salga sin esfuerzo.

Preguntas frecuentes

¿Se puede distinguir una voz clonada de una voz real?

No de forma fiable al oído. Puede haber dudas o una entonación extraña, pero su ausencia no prueba nada. Es mejor apoyarse en un procedimiento de verificación, el mismo para toda llamada sensible, sea cual sea la voz.

¿Basta con una palabra clave verbal?

Es útil para un círculo reducido, siempre que sea secreta y se renueve. No sustituye a la devolución de llamada ni a la doble validación en las operaciones sensibles.

¿La clonación de voz afecta realmente a las empresas?

Las herramientas están al alcance de cualquiera en cualquier lugar. El organismo francés Cybermalveillance.gouv.fr recoge en su informe de 2025 un aumento del 517 % en la suplantación de números de teléfono, que suele acompañar a estas llamadas. Conviene preparar a los equipos desde ahora.

Para entrenar a sus equipos a mantener la devolución de llamada ante una voz familiar, conozca los juegos de rol de Face Up o reserve una demostración.