Imagen generada por IAUna llamada del director financiero solicita transferir 480.000 euros a una cuenta nueva. La voz coincide, el tono también y la urgencia encaja con una operación corporativa que nadie quiere retrasar. El problema es que el director no ha llamado. La voz ha sido generada por inteligencia artificial.
Este escenario ya no pertenece a la ciencia ficción ni exige un vídeo de calidad cinematográfica. Para cometer fraude basta con combinar datos públicos del organigrama, una grabación breve, técnicas de clonación de voz y un proceso interno que confunda familiaridad con autenticación. En banca y seguros, donde una instrucción puede mover millones en minutos, la cuestión no es si la IA puede imitar a una persona. Puede. La cuestión es qué evidencia exige la entidad antes de confiar en esa identidad.
La respuesta tampoco consiste en comprar otro detector de deepfakes y colocarlo al final del proceso. Los detectores fallan ante formatos comprimidos, ruido de fondo, regrabaciones y modelos nuevos. Además, el fraude más eficaz no necesita que el contenido sintético sea perfecto: necesita que el empleado actúe antes de verificarlo.
Para un CISO y un responsable de cumplimiento, el cambio relevante es operativo. El fraude potenciado por IA debe tratarse como una combinación de riesgo de identidad, ingeniería social, seguridad de pagos, privacidad, continuidad y gestión de incidentes. DORA ya obliga a las entidades financieras sujetas a él a mantener capacidades de gestión del riesgo TIC y a notificar determinados incidentes. El AI Act añade, desde el 2 de agosto de 2026, obligaciones de transparencia para determinados contenidos generados o manipulados artificialmente. Ninguna de las dos normas convierte un detector imperfecto en una prueba de autenticidad. Ambas obligan a construir un sistema de control defendible.
El error de diseño más común consiste en analizar el deepfake como si fuera un fichero malicioso. En un fraude de suplantación de un ejecutivo, el vídeo o el audio solo es el mecanismo de persuasión. La operación completa suele incluir reconocimiento previo, selección de la víctima, creación de una identidad creíble, solicitud financiera y evasión de los controles posteriores.
Un atacante puede obtener de LinkedIn el nombre del director financiero, la estructura de la empresa y una conferencia pública. De una web corporativa puede extraer el logo, el formato de firma y los nombres del equipo jurídico. De una publicación o una entrevista puede conseguir material suficiente para construir un clon vocal razonable. Después, puede enviar un correo aparentemente rutinario, iniciar una videollamada breve o utilizar mensajería para introducir la orden de pago.
La ingeniería social a escala añade otra capa. Los modelos generativos permiten adaptar el idioma, el tono y el horario de contacto a cada víctima. Un atacante ya no necesita escribir manualmente veinte mensajes con errores gramaticales; puede producir versiones personalizadas y probar cuál genera respuesta. En seguros, el mismo enfoque puede dirigirse a la apertura de siniestros, la modificación de beneficiarios, la recuperación de cuentas o la obtención de documentos de identidad.
Aquí está el quid: la autenticación de un canal no equivale a la autenticidad de una instrucción. Una llamada desde un número corporativo puede producirse después de una cuenta comprometida. Una videollamada con imagen en directo puede incluir manipulación. Un correo firmado digitalmente puede haber sido enviado desde una cuenta legítima tomada por el atacante. La pregunta correcta no es “¿parece real?”, sino “¿qué combinación independiente de señales demuestra que esta operación ha sido autorizada?”.
Este año confluyen tres hechos que muchas organizaciones siguen gestionando por separado.
Primero, el Reglamento (UE) 2022/2554 sobre resiliencia operativa digital, conocido como DORA, es aplicable desde el 17 de enero de 2025 y ya no permite presentar estas amenazas como una hipótesis sin dueño. Su artículo 5 sitúa la responsabilidad última en el órgano de dirección. El artículo 6 exige un marco de gestión del riesgo TIC documentado, y el artículo 9 reclama mecanismos para detectar rápidamente actividades anómalas. Un fraude iniciado mediante suplantación sintética puede activar varias de esas capacidades aunque no exista malware.
Segundo, el Reglamento (UE) 2024/1689 de inteligencia artificial introduce obligaciones específicas de transparencia. Su artículo 50.4 exige que los desplegadores de sistemas de IA que generen o manipulen contenido de imagen, audio o vídeo que constituya un deepfake revelen que el contenido ha sido generado o manipulado artificialmente de forma clara y distinguible. El apartado contempla excepciones y modulaciones para determinados usos, como actividades de aplicación de la ley, investigación o determinados usos artísticos y satíricos. No es una licencia para etiquetar cualquier archivo de forma cosmética: la información debe ser perceptible y adecuada al contexto.
El artículo 113 del AI Act fija el calendario general de aplicación. Las obligaciones del artículo 50 empiezan a aplicarse el 2 de agosto de 2026, salvo que una disposición concreta o una modificación legislativa resulte aplicable de otra manera. Para una entidad financiera, esto tiene una consecuencia práctica: el etiquetado de contenido sintético utilizado en comunicaciones, atención al cliente o procesos internos no puede quedarse en una política futura.
Tercero, DORA obliga a mirar más allá del canal de contacto. El artículo 17 establece el proceso de gestión de incidentes relacionados con las TIC; el artículo 19 exige notificar los incidentes graves relacionados con las TIC a la autoridad competente; y el artículo 28 impone requisitos sobre el riesgo derivado de terceros proveedores de servicios TIC. Un proveedor que aloja el asistente de voz, analiza vídeo, suministra un modelo o gestiona la plataforma de atención al cliente puede formar parte de la cadena de riesgo aunque no ejecute transferencias.
La conexión no debe exagerarse. No todo deepfake es automáticamente un incidente grave de TIC bajo DORA, ni todo fraude con IA activa una obligación de transparencia del artículo 50. La clasificación depende del hecho concreto, del uso del sistema, del impacto y de las definiciones aplicables. Lo que sí resulta difícil de defender es que el fraude sintético se gestione fuera del inventario de riesgos porque “solo” utilizó persuasión.
La obligación de revelar contenido artificialmente manipulado tiene una función de transparencia, no de autenticación. Una etiqueta que indique “contenido generado por IA” puede ayudar al receptor, pero no demuestra que la orden de pago sea legítima. Tampoco impide que un atacante utilice una voz clonada en una llamada privada, donde no existe una interfaz que muestre una etiqueta.
Conviene separar cuatro preguntas jurídicas y técnicas:
¿Se utilizó un sistema de IA? Hay que identificar el producto, el proveedor, la función y el modo de uso. Un chatbot de atención, un motor antifraude, un servicio de transcripción y una herramienta de clonación de voz presentan perfiles distintos.
¿Se generó o manipuló contenido? La obligación del artículo 50.4 se centra en contenido de imagen, audio o vídeo que constituya un deepfake. No todo uso de IA generativa entra en esa categoría. Un análisis interno de texto y una videollamada manipulada no tienen el mismo tratamiento.
¿Quién es el proveedor y quién es el desplegador? El reparto de obligaciones del AI Act depende del rol. La entidad no puede asumir que el proveedor ha resuelto toda la transparencia si la entidad despliega el sistema en una comunicación con clientes o empleados.
¿Qué riesgo financiero queda aunque se cumpla el etiquetado? El cumplimiento formal no evita el pago fraudulento, la exposición de datos biométricos ni una interrupción del servicio. La función de cumplimiento debe conectar el registro de usos de IA con el marco de fraude, el sistema de incidentes y los controles de acceso.
En sistemas de IA de alto riesgo, el AI Act puede añadir obligaciones más exigentes. El anexo III incluye determinados sistemas utilizados para evaluar la solvencia de personas físicas o establecer su puntuación crediticia, con la excepción de los sistemas utilizados para detectar fraude financiero. Esa excepción no debe interpretarse como una exención general para cualquier solución antifraude. La clasificación depende de la finalidad y de la función real del sistema. Un motor utilizado para detectar transacciones anómalas no es lo mismo que un sistema que decide sobre el acceso de una persona al crédito.
Si el sistema cae en una categoría de alto riesgo, entran en juego requisitos como gestión de riesgos, gobernanza de datos, documentación técnica, registros, transparencia e información para los desplegadores. El artículo 14 exige supervisión humana; el artículo 12 exige capacidades de registro; el artículo 15 aborda precisión, robustez y ciberseguridad. Estas obligaciones son relevantes para la defensa contra el fraude, pero no deben proyectarse sobre cualquier modelo de voz como si todos fueran sistemas de alto riesgo. La clasificación debe estar documentada, no intuida.
El control más robusto no intenta determinar si una cara o una voz es “real”. Decide si la operación puede autorizarse con las evidencias disponibles. Eso obliga a diseñar controles por capas y a introducir fricción donde el impacto económico lo justifique.
La identidad responde a quién parece hablar. La intención responde a qué solicita. La autorización responde a si esa persona puede ordenar esa operación bajo esas condiciones. Son tres preguntas distintas.
Una videollamada puede aportar una señal de identidad, pero no prueba que la persona quiera cambiar una cuenta beneficiaria. Una firma electrónica puede demostrar integridad del documento, pero no que la persona haya comprendido una instrucción inducida mediante ingeniería social. Un usuario autenticado puede estar actuando bajo coacción o desde una cuenta comprometida.
Para pagos de alto riesgo, el proceso debe exigir una confirmación fuera del canal iniciado por el solicitante. Si la petición llega por videollamada, la devolución puede hacerse a un número corporativo validado previamente. Si llega por correo, la aprobación puede requerir una aplicación bancaria con autenticación resistente al phishing. El canal de confirmación no debe depender de datos proporcionados dentro de la misma conversación.
La voz puede seguir utilizándose como señal, pero no como factor único. Las políticas deberían definir qué cambios requieren verificación reforzada: alta de beneficiario, modificación de cuenta de cobro, aumento excepcional de límites, rescate de pólizas, cambio de correo o teléfono, recuperación de acceso y transferencias urgentes fuera del patrón habitual.
Una regla sencilla puede ser más eficaz que un detector sofisticado: ningún empleado puede aprobar una transferencia basándose únicamente en una llamada, un vídeo o un mensaje de un ejecutivo. La regla debe estar incorporada al flujo de trabajo, con bloqueo técnico cuando sea posible. Si depende de la memoria del empleado durante una crisis, no es un control; es una esperanza con presupuesto.
Los motores antifraude deben correlacionar la identidad con el contexto de la operación. Entre las señales útiles están el dispositivo, la geolocalización aproximada, la velocidad de navegación, la antigüedad del beneficiario, la modificación reciente de datos, el horario, el importe, la combinación de productos y la relación histórica entre las partes.
En una entidad aseguradora, por ejemplo, una solicitud de cambio de beneficiario acompañada de un documento perfectamente escaneado puede seguir siendo de alto riesgo si el teléfono se cambió el mismo día, la sesión procede de un dispositivo nuevo y la petición llega después de una campaña de phishing. En banca corporativa, el cambio de beneficiario seguido de una transferencia inmediata merece un tratamiento distinto al de una transferencia recurrente a una cuenta conocida.
Las señales no deben convertirse en una caja negra imposible de explicar. El artículo 22 del GDPR limita determinadas decisiones basadas únicamente en tratamiento automatizado cuando producen efectos jurídicos o afectan significativamente a la persona, salvo que concurra una base válida y garantías adecuadas. El artículo 22.3 exige salvaguardas como intervención humana y posibilidad de impugnar la decisión en los supuestos aplicables. Un bloqueo antifraude no puede diseñarse sin revisar si afecta a clientes, pagos, reclamaciones o acceso a servicios.
La voz y la imagen pueden contener datos biométricos cuando se procesan técnicamente para identificar de manera unívoca a una persona. El artículo 9 del GDPR incluye los datos biométricos entre las categorías especiales de datos cuando se tratan con esa finalidad, con un régimen de excepciones más exigente. Grabar llamadas para formación no es lo mismo que crear una plantilla vocal para autenticar clientes.
Antes de desplegar autenticación por voz o reconocimiento facial, la entidad debe documentar finalidad, necesidad, proporcionalidad, base jurídica, retención, proveedores y alternativas. El artículo 35 del GDPR exige una evaluación de impacto cuando el tratamiento pueda entrañar un alto riesgo, incluido el tratamiento a gran escala de categorías especiales de datos o la observación sistemática en determinados escenarios.
También hay una cuestión técnica incómoda: un modelo biométrico no solo puede equivocarse; puede ser atacado. Las pruebas deben incluir reproducción de audio, conversión de texto a voz, ataques de presentación, inyección de señal y muestras sintéticas generadas por herramientas distintas de las utilizadas durante el entrenamiento. Una tasa de acierto en laboratorio no dice gran cosa si el laboratorio no se parece al canal real.
Los detectores de deepfakes tienen valor para priorizar revisiones, no para decidir por sí solos si una operación es legítima. Las técnicas de generación evolucionan más rápido que muchos conjuntos de entrenamiento. La compresión de una llamada telefónica, el ruido de una oficina o una retransmisión por videoconferencia pueden modificar las características que el detector busca.
La métrica que debe seguir el CISO no es solo la precisión global. Son más útiles la tasa de falsos negativos en operaciones de alto impacto, la tasa de falsos positivos por segmento de cliente, el tiempo desde la detección hasta el bloqueo y el porcentaje de alertas que reciben revisión humana. La entidad debería medir, como mínimo:
Estas son métricas de gestión, no cifras universales de rendimiento. Cada entidad debe fijar umbrales según su apetito de riesgo, productos y obligaciones de servicio. Lo esencial es evitar el indicador decorativo: “el detector tiene una precisión del 98%” no explica qué ocurre con el 2% restante ni cómo se comporta ante una transferencia de un millón de euros.
Las pruebas deben incluir ejercicios con presión temporal. Un escenario útil combina un correo aparentemente legítimo, una llamada clonada, una solicitud de cambio de beneficiario y un segundo intento de contacto que busca desactivar la verificación. El objetivo no es que el equipo identifique la voz sintética. Es comprobar si el proceso fuerza una confirmación independiente, conserva evidencias y escala la decisión al responsable adecuado.
DORA no es una norma antifraude específica, pero sus obligaciones cubren buena parte de la infraestructura que permite responder a estos ataques. El artículo 6 exige un marco de gestión del riesgo TIC; el artículo 8 exige identificar y clasificar las fuentes de riesgo TIC; y el artículo 9 contempla protección y prevención, detección, respuesta y recuperación.
Para cumplir de forma defendible, el registro de riesgos debería incluir escenarios como suplantación de ejecutivos mediante audio sintético, manipulación de atención remota, uso fraudulento de herramientas generativas por empleados y compromiso de proveedores que procesan voz, vídeo o identidad. No basta con registrar “ingeniería social” como una categoría genérica. Esa etiqueta no permite asignar controles, propietarios ni pruebas.
El artículo 11 exige una política de continuidad y recuperación TIC. ¿Puede la entidad seguir autorizando operaciones si el servicio de análisis de voz queda fuera de servicio? ¿Existe un procedimiento manual seguro o el equipo termina aceptando llamadas sin el control? Una dependencia tecnológica que reduce el fraude en condiciones normales puede crear una vulnerabilidad operativa durante una caída.
El artículo 13 aborda el aprendizaje y la evolución. Las personas que intervienen en autorización, atención al cliente, pagos y respuesta a incidentes deben recibir formación adecuada. Una sesión anual sobre phishing no cubre una videollamada manipulada con un superior ficticio. La formación debe utilizar guiones y señales de presión parecidos a los procesos reales, sin convertir al empleado en el único mecanismo de defensa.
Si se produce un incidente, el artículo 17 obliga a mantener un proceso de gestión. El expediente debería conservar la secuencia temporal: primer contacto, canal, identidad alegada, decisiones tomadas, señales detectadas, controles ejecutados, instrucciones de bloqueo, comunicaciones y recuperación de fondos. Esa trazabilidad sirve para la autoridad, para la auditoría y para mejorar el proceso. También permite distinguir una alerta mal calibrada de un fallo de diseño.
El artículo 19 y el Reglamento Delegado (UE) 2024/1772 sobre clasificación de incidentes relacionados con las TIC exigen evaluar los criterios aplicables a los incidentes graves. La entidad debe integrar fraude, seguridad, operaciones y cumplimiento en esa evaluación. Si cada equipo mantiene una versión distinta de lo ocurrido, la notificación y la gestión ejecutiva se retrasan precisamente cuando el reloj importa.
Una entidad puede no desarrollar ningún modelo y aun así asumir riesgos importantes. Puede contratar un proveedor de verificación de identidad, un servicio de transcripción, una plataforma de contact center, un modelo de lenguaje o una herramienta de detección de contenido sintético. La subcontratación no transfiere la responsabilidad regulatoria de la entidad.
DORA, en sus artículos 28 a 30, exige gestionar el riesgo de terceros proveedores de servicios TIC. El artículo 30 establece elementos contractuales fundamentales, incluidos niveles de servicio, asistencia, acceso a información, derechos de auditoría y cooperación con las autoridades en los supuestos aplicables. Para un proveedor que interviene en autenticación o detección, el contrato debería especificar qué registros conserva, durante cuánto tiempo, cómo notifica incidentes, cómo prueba los cambios de modelo y qué ocurre si el proveedor deja de prestar el servicio.
La entidad debería pedir evidencias concretas, no promesas comerciales. Entre ellas: descripción de la arquitectura, ubicación y tratamiento de datos, política de retención, resultados de pruebas de ataques de presentación, tasas de error desglosadas por condiciones relevantes, procedimiento de actualización del modelo, controles de acceso, registros de decisión y mecanismo de revisión humana.
El riesgo de concentración también importa. Si el mismo proveedor suministra detección, biometría, transcripción y respuesta automatizada, una interrupción o un cambio de modelo puede afectar a varios controles simultáneamente. DORA obliga a pensar en la dependencia acumulada, no solo en el contrato individual. La salida no siempre será tener dos proveedores, pero sí conocer qué funciones dejan de operar juntas y qué capacidad manual existe.
Con modelos generativos, la evidencia debe incluir la versión utilizada y el contexto de ejecución. Una decisión producida por un modelo sin registrar el prompt, la configuración, las señales de entrada y la intervención del operador será difícil de reconstruir. Si el proveedor no permite esa trazabilidad, el problema no es únicamente técnico: la entidad carece de una base sólida para investigar, impugnar o explicar el resultado.
La lucha contra el fraude no elimina el GDPR. Al contrario, suele aumentar la tentación de recopilar más voz, más vídeo, más metadatos y más información sobre comportamiento. La entidad debe demostrar que cada dato responde a una finalidad concreta y que la conservación no se prolonga por simple comodidad.
El artículo 5 del GDPR exige, entre otros principios, limitación de la finalidad, minimización, exactitud y limitación del plazo de conservación. El artículo 25 exige protección de datos desde el diseño y por defecto. En la práctica, eso significa no conservar indefinidamente grabaciones completas si basta con almacenar una huella de la operación, la decisión, el motivo y el enlace al expediente restringido.
El artículo 32 reclama medidas técnicas y organizativas adecuadas al riesgo. Para datos de voz y vídeo, eso debe traducirse en cifrado, control de acceso granular, segregación de entornos, registro de consultas, prevención de descargas masivas y reglas específicas para proveedores de soporte. Un repositorio de grabaciones accesible a demasiados supervisores puede convertirse en una biblioteca para futuros ataques de clonación.
Si el incidente implica datos personales, el artículo 33 exige notificar la violación a la autoridad de control sin dilación indebida y, cuando sea posible, dentro de las 72 horas desde que el responsable tenga constancia, salvo que sea improbable que entrañe un riesgo para los derechos y libertades. El artículo 34 puede exigir comunicación a los afectados cuando el riesgo sea alto. El fraude económico y la suplantación de identidad pueden aumentar ese riesgo, pero la valoración debe documentarse caso por caso.
El contacto con el cliente afectado debe coordinarse con la respuesta antifraude. Un aviso prematuro y mal redactado puede revelar qué señales han activado los controles o facilitar una segunda suplantación. Un retraso injustificado puede agravar el perjuicio y comprometer las obligaciones de comunicación. La respuesta legal, la operativa y la de atención al cliente tienen que trabajar sobre una línea temporal común.
Las normas hablan de supervisión humana, pero un botón de “aprobar” no convierte una decisión automatizada en una decisión humana. La persona que revisa debe tener autoridad, tiempo, información suficiente y capacidad real para apartarse del resultado del sistema.
En un caso de alto riesgo, el operador debería ver por qué la operación ha sido escalada: cambio reciente de datos, dispositivo no reconocido, importe fuera del patrón, contenido sintético detectado, discrepancia entre voz y registro o imposibilidad de completar la confirmación fuera de banda. No debería recibir una puntuación opaca del tipo “riesgo 0,87” sin explicación accionable.
La supervisión también necesita un régimen de errores. Si el cliente legítimo queda bloqueado, debe existir un canal de recuperación que no desactive todos los controles. Si el cliente es vulnerable o tiene dificultades de habla, una autenticación vocal puede generar sesgos o falsos positivos. Si la revisión humana se produce bajo presión comercial, el proceso debe exigir escalado y dejar constancia de quién decidió continuar.
El artículo 14 del AI Act, cuando sea aplicable a sistemas de alto riesgo, exige que la supervisión humana permita prevenir o minimizar riesgos. La idea es útil incluso fuera de ese perímetro: la revisión debe estar diseñada para cambiar el resultado, no para legitimar retrospectivamente una decisión ya tomada.
Una entidad que quiera demostrar que controla el riesgo debería poder responder en horas, no en semanas, a seis preguntas: qué escenarios ha identificado, qué controles aplican, quién puede autorizar una excepción, cómo se prueba el sistema, qué proveedores intervienen y qué evidencias se conservan.
El expediente mínimo de un caso debería incluir la solicitud original, los metadatos disponibles, el canal de entrada, la identidad alegada, los factores de autenticación utilizados, la confirmación independiente, las alertas del motor antifraude, la decisión humana, el importe, la hora de bloqueo y las comunicaciones posteriores. Los datos sensibles deben tener acceso restringido, pero la restricción no puede convertirse en pérdida de trazabilidad.
Para los modelos, conviene conservar una ficha de versión y finalidad: proveedor, fecha de despliegue, datos de evaluación, métricas conocidas, umbrales, cambios relevantes y responsable interno. Si se modifica el modelo de detección de audio, la entidad debe saber qué controles de regresión ejecutó y si cambió la tasa de falsos positivos en clientes o idiomas concretos.
El inventario de usos de IA debe cruzarse con el registro de actividades de tratamiento del artículo 30 del GDPR, el marco de riesgo TIC de DORA y el análisis de clasificación del AI Act. Tres documentos aislados producen tres verdades parciales. Un inventario integrado permite detectar que una misma herramienta de voz tiene una finalidad de atención, otra de autenticación y otra de análisis antifraude, cada una con requisitos distintos.
La defensa contra deepfakes tiene un coste visible: verificaciones adicionales, operaciones retenidas, clientes frustrados y posibles falsos positivos. El coste del fraude suele aparecer después, cuando la transferencia ya se ha ejecutado, el cliente reclama y la entidad descubre que el proceso dependía de una señal fácil de imitar.
La respuesta no consiste en bloquear cualquier operación inusual. Consiste en colocar fricción donde el impacto y la reversibilidad lo justifican. Una transferencia recurrente a un beneficiario antiguo puede necesitar una evaluación distinta de un cambio de cuenta seguido de una orden urgente. Una reclamación sencilla puede resolverse con controles proporcionales, mientras que el cambio de beneficiario de una póliza de alto valor requiere una segunda evidencia.
La dirección debe aprobar explícitamente ese equilibrio. El artículo 5 de DORA atribuye responsabilidades al órgano de dirección; no es razonable que la política de tolerancia a operaciones autorizadas mediante voz sintética quede decidida informalmente por un equipo de producto. La pregunta para el comité no es si el detector funciona. Es cuánto fraude, cuánta fricción y cuánta dependencia de terceros acepta la entidad, y con qué evidencias lo justifica.
La primera tarea es mapear los procesos donde una identidad remota puede producir un efecto financiero: pagos, altas y cambios de beneficiario, recuperación de cuentas, atención telefónica, contratación, rescates, reclamaciones y soporte a empleados con privilegios.
Después hay que clasificar los controles, no las herramientas. Un detector de deepfakes es una señal; la confirmación fuera de banda es un control de autorización; el registro de la decisión es un control de trazabilidad; la retención limitada es un control de privacidad; el plan de sustitución es un control de resiliencia. Esta separación muestra rápidamente qué ocurre cuando una herramienta falla.
La tercera tarea es revisar el calendario. DORA ya es aplicable desde el 17 de enero de 2025. El 2 de agosto de 2026 marca la aplicación de las obligaciones de transparencia del artículo 50 del AI Act. El cumplimiento no debe esperar a que una autoridad pregunte por una etiqueta en un vídeo: debe comprobar ahora qué contenido sintético se genera, quién lo despliega, cómo se informa al receptor y qué usos internos quedan fuera o dentro del análisis.
La cuarta es realizar una simulación conjunta entre fraude, seguridad, privacidad, operaciones, legal y comunicación. El ejercicio debe incluir un deepfake convincente, una cuenta comprometida y una solicitud urgente. Si nadie sabe quién puede congelar el pago, quién decide si existe un incidente DORA, quién evalúa una brecha de datos y quién contacta con el cliente, el problema no es la sofisticación de la IA. Es la fragmentación de la respuesta.
La última tarea es aceptar una conclusión poco cómoda: ningún control de autenticidad será permanente. Los atacantes cambiarán de modelo, canal y guion. La defensa sostenible consiste en que una voz sintética no pueda, por sí sola, desencadenar una operación irreversible; que una anomalía se detecte a tiempo; que un proveedor pueda rendir cuentas; y que la entidad conserve pruebas suficientes para explicar qué ocurrió.
La banca no necesita demostrar que sabe distinguir cada deepfake del planeta. Necesita demostrar que ha diseñado sus procesos para no confiar ciegamente en una señal que puede fabricarse. En 2026, esa diferencia separa un programa de resiliencia real de una colección de políticas impecables que nadie aplica cuando el supuesto director financiero llama con prisa.
Nota editorial
Resumen semanal gratis
Suscríbete al resumen semanal de regulación, vulnerabilidades explotadas y acciones para tu equipo.
¿Quieres un plan a medida? Modela tu organización con Agentic Digital Twin.
Aporta contexto, plantea una duda o responde a la conversación. Los comentarios son públicos y moderables.
Cargando comentarios…