En menos de 24 horas, esta madre jubilada de Hillsborough, Florida, entregó USD 15.000 en efectivo, más de 57 millones de pesos colombianos, a un desconocido que se presentó en su puerta. Todo había sido una mentira creada con inteligencia artificial.

La estafa no terminó ahí. Sharon recibió una segunda llamada exigiéndole otros USD 30.000 para evitar una supuesta demanda, esta vez bajo el argumento de que el bebé de la víctima había muerto. Pero fue su nieto quien, tras hablar con un amigo de la familia, confirmó lo impensable: su hija estaba bien. No había accidente, ni policía, ni abogado. Todo había sido fabricado con una tecnología capaz de clonar voces reales en segundos.

El nuevo rostro del fraude

Este caso, aunque impactante, no es único. A medida que las herramientas de clonación de voz impulsadas por IA se vuelven más accesibles y sofisticadas, los delincuentes están encontrando formas cada vez más convincentes de engañar a sus víctimas.

Con apenas unos segundos de audio extraídos de redes sociales o videos públicos, es posible recrear una réplica casi perfecta de la voz de una persona. Estas “deepfake voices” imitan el tono, el ritmo, las emociones, e incluso las pausas naturales del habla.

Consultores en ciberseguridad advierten que esta modalidad de fraude se está expandiendo desde Estados Unidos hacia América Latina, y Colombia no está exenta. Según un informe de la firma Recorded Future, en 2024 se triplicaron los casos reportados de estafas telefónicas con voz clonada en países como México, Brasil y Argentina.

¿Cómo funciona la estafa?

Los delincuentes suelen seguir un patrón:

Identifican a la víctima a través de redes sociales, especialmente adultos mayores.

Recolectan audios de seres queridos (videos de cumpleaños, historias de Instagram, entrevistas, etc.).

Usan software de clonación de voz —algunos gratuitos o disponibles en la web profunda— para recrear una llamada emocional.

Fingen una emergencia y presionan por una transferencia rápida de dinero.

En el caso de Sharon, la “voz” de su hija lloraba, suplicaba ayuda y entregaba el teléfono a un supuesto abogado que exigía discreción para no “afectar su historial judicial”. Bajo presión emocional, Sharon accedió a entregar sus ahorros de toda la vida.

¿Puede pasar en Colombia?

La respuesta es sí. En Colombia ya se han reportado intentos de fraude similares, donde se usan voces modificadas para fingir secuestros o accidentes. Lo nuevo es la sofisticación: ya no se trata de grabaciones distorsionadas, sino de voces que suenan reales, familiares y urgentes.

Expertos recomiendan establecer una “palabra clave” en familia para emergencias. Esta medida simple, pero efectiva, puede ser la diferencia entre caer en el pánico y detectar una estafa.

Ahora bien, las autoridades en Estados Unidos ya investigan el caso de Sharon. En Colombia, la Policía Cibernética ha lanzado campañas de prevención, pero aún no existen normativas específicas que regulen el uso malicioso de tecnologías de clonación de voz.

El vacío legal y la falta de educación digital están jugando a favor de los estafadores. En este contexto, la protección más eficaz sigue siendo la información y la desconfianza razonable: colgar, verificar y nunca actuar bajo presión emocional.

“Conozco el llanto de mi hija. Era ella. No podía dudarlo”, dijo Sharon entre lágrimas. Como muchas familias en el mundo, confió en lo que escuchó, sin saber que ahora las emociones también pueden ser manipuladas por algoritmos.

Imagen: Archivo ENTER.CO

Una palabra puede abrir la puerta al fraude

Los delincuentes suelen llamar desde números desconocidos y buscan que respondas de cierta manera, especialmente con una palabra clave. En muchos casos, ni siquiera se identifican; simplemente esperan a que tú digas algo. Esa breve respuesta puede ser grabada y utilizada después para suplantar tu identidad o autorizar operaciones bancarias, aprovechando herramientas de inteligencia artificial que permiten imitar tu voz con sorprendente precisión.

Este modalidad de fraude, conocida como “fraude del sí” o “say yes scam”, aprovecha la grabación de afirmaciones como “sí” para replicarlas en otros contextos. Algunas entidades financieras y plataformas digitales automatizadas utilizan comandos de voz como mecanismo de validación, y es allí donde los estafadores encuentran una oportunidad.

Una amenaza que ya es global

Este modelo de estafa se ha transformado en un fenómeno mundial, con casos reportados en distintos países.

En España, el Instituto Nacional de Ciberseguridad (INCIBE) ha advertido sobre llamadas en las que los delincuentes graban respuestas afirmativas para luego suplantar la identidad de la víctima en gestiones bancarias o contratos.

En Estados Unidos, la empresa de crédito Experian alertó sobre esta técnica, destacando que los delincuentes utilizan la respuesta afirmativa para autorizar pagos, activar servicios o realizar compras en línea.

En Australia, las autoridades han recibido múltiples denuncias sobre estafas con voz clonada, generada por IA, utilizada para imitar acentos locales y engañar a los ciudadanos.

En Irlanda, durante la temporada navideña de 2024, se detectaron llamadas con voces sintéticas que suplantaban a familiares para pedir dinero urgente.

En América Latina, países como México, Perú y Argentina han registrado un aumento de fraudes telefónicos usando IA para replicar la voz de seres queridos, en muchos casos solicitando transferencias bajo supuestas emergencias.

Estas estrategias forman parte de una tendencia global conocida como “vishing” (phishing por voz), que ahora se potencia con inteligencia artificial y tecnologías de clonación de voz.

Te puede interesar: AlphaEvolve, la inteligencia artificial de Google que piensa como un matemático: ¿están en riesgo los humanos?

¿Cómo lo logran con tan poco?

La inteligencia artificial ha alcanzado un nivel de precisión tal que permite clonar voces humanas con solo unos segundos de audio. Los ciberdelincuentes aprovechan esto para recolectar fragmentos de voz mediante llamadas, mensajes o incluso videos en redes sociales. Con esa muestra, pueden generar una réplica casi idéntica de la voz de una persona y utilizarla para autorizar operaciones bancarias, contratar servicios, hacer compras por teléfono o acceder a sistemas automatizados, todo sin necesidad de que la víctima participe directamente.

¿Cómo protegerte?

• Evita responder con “sí” a llamadas de números desconocidos. Usa alternativas como “¿Diga?” o “¿Quién habla?”.
• No compartas datos personales ni bancarios por teléfono, a menos que hayas iniciado tú la llamada.
• Verifica la identidad de quien llama antes de actuar. Si te dicen que es un familiar o banco, corta la llamada y llama tú a un número oficial.
• Activa alertas de seguridad en la app móvil para estar al tanto de movimientos sospechosos.
• Educa a tus contactos sobre estas nuevas formas de fraude para evitar que más personas caigan en la trampa.

Un riesgo silencioso, pero creciente

Con el avance acelerado de la inteligencia artificial, estos fraudes están ganando terreno porque no requieren habilidades técnicas complejas, solo ingeniería social y una grabación. La amenaza es silenciosa, global y en aumento.

Por eso, la mejor defensa es la información. Compartir este tipo de contenidos, hablar del tema con amigos y familiares, y estar atentos a cómo interactuamos por teléfono son acciones importantes para protegernos.

Imagen: Generada con IA / ChatGPT

La función fue descubierta por el analista AssembleDebug, quien estuvo revisando las líneas de código de las últimas actualizaciones en la versión beta de la red social para Android. Allí encontró un nuevo elemento bajo el nombre ‘Biblioteca de voz de TikTok’. Dentro de esta nueva sección, el analista encontró una herramienta denominada ‘Clonar tu voz con IA’. 

En las capturas de pantalla se observa una primera ventana emergente que aparece al intentar usar la  nueva herramienta. En ella, la red social explica que solo se necesitan 10 segundos para clonar tu voz. También explican el proceso al usuario: deberá grabarse hablando, TikTok procesa la voz y genera una nueva, idéntica a la tuya (se supone), que podrás usar para videos. 

Te puede interesar: ¡Aterradora! Así es la nueva IA de OpenAI, clona tu voz escuchándote 15 segundos

Para ello, la red social entrega un corto texto que el usuario deberá leer mientras graba su voz. Sin embargo, la función se encuentra aún muy limitada, pues aún se encuentra en construcción. Por otro lado, la plataforma de ByteDance asegura que la información de tu voz permanecerá privada y podrás eliminarla en cuanto desees del almacenamiento. 

Aún no hay claridad de cuándo llegará esta función a los usuarios, ni siquiera tenemos certeza de que esto sucederá. Por ahora solo nos queda esperar a las próximos anuncios de la compañía y confiar en sus métodos de privacidad y seguridad para que solo tú puedas usar tu voz clonada dentro de la app.

Imagen: Soundtrap

La inteligencia artificial (IA) impulsa plataformas que pueden clonar a una persona dentro de una foto o video ahora, también puede recrear su voz. Augie es un servicio en línea que te permitirá clonar tu voz.

Concretamente, esta nueva herramienta está enfocada en la edición de video impulsado por la IA, pero Aug X, compañía detrás de este nuevo servicio, integró una función que puede tener un gran impacto en la labor de los actores de voz. Podrás clonar tu voz y luego generar la narración que desees.

Augie tiene como objetivo ayudar a los profesionales, al menos así lo comentaron desde Aug X. Y es que, los que trabajan con su voz o aquellos que deben hacer un video pero no les gusta hablar en cámara, tendrán la oportunidad de grabar unos cuantos segundos de su voz en la herramienta. Luego, introducen el texto que quieren que la IA narre con su voz y listo, en cuestión de minutos tendrán ese comercial o cortinilla que necesitan.

Eso sí, la herramienta te da varias opciones. En cuanto le dejas el texto que debe leer tienes que elegir entre una base de datos con diferentes voces, allí también encontrarás la voz que acabas de grabar. También puedes seleccionar el tono con el que quieres que se grabe la narración. Por ejemplo, podrás pedirle que sea entusiasta, misterioso, serio, etc.

Te puede interesar: Unicentro usó IA para recrear la voz de reconocido locutor: tuvieron que eliminar la publicidad

Jeremy Toeman, fundador de Aug X, comentó que pensó en esta idea al ver la cantidad de personas a las que no les gusta hablar por un micrófono. “Te sorprendería cuántas personas que han usado nuestra función de clonación de voz han venido a agradecernos porque no les gustó grabar una narración” comentó Toeman.

Y claro, puedes pensar en la seguridad y privacidad de la herramienta. Son bastante frecuentes (por desgracia) las estafas en las que los delincuentes clonan las voces de las personas. Desde Aug X comentan que pensaron en ello.

Es por esto que una voz que ya se grabó, solo está disponible en la cuenta individual de las personas que la subió a la base de datos. Por lo tanto, si un colega quiere usar tu voz tendrá que pedirte que la grabes directamente en su cuenta. ¿No puedo solo enviarle la grabación y que la use dentro de la aplicación? No. Las voces solo se pueden grabar “en vivo” es decir, no se pueden subir archivos.

Imagen: Brett Sayles vía Pexels

Afortunadamente, los de Samsung han desarrollado esa función que te puede salvar la vida. Por si no lo sabes, la compañía cuenta con Bixby desde hace varios años, un asistente virtual que ahora podrá imitar tu voz. La empresa coreana anunció que, con la llegada de OneUI 5.1, llegará una actualización al asistente llamado ‘Text call’, además de algunas funciones más.

Text call te permite contestar llamadas a través de un chat de texto; entonces, tú escribes lo que quieres responder y el asistente de voz los leerá en voz alta para tu interlocutor. “Los usuarios pueden personalizar la voz de Bixby Text Call con Bixby Custom Voice Creator. Primero deberán grabar diferentes frases para que Bixby las analice y cree una copia de su voz y entonación generadas por IA” explicó la compañía.

Te puede interesar: «Clonación de aplicaciones», la nueva función de Android 14

La función se había lanzado hace un tiempo en Asia, por lo que el único idioma que reconocía era el coreano. Sin embargo, ahora estará disponible en inglés y eventualmente estará disponible en otros idiomas y regiones.

Así mismo, la compañía espera hacer de Bixby una plataforma inteligente, de manera que se adapte cada vez más a los usuarios y sus necesidades. Para ello, han desarrollado la capacidad de que la plataforma realice seguimiento del contexto, comprenderlo y asociar las palabras utilizadas en interacciones anteriores.  Por ejemplo, puede registrar una actividad física previamente y asociar algún tipo de música para que cuando el usuario solicite “reproducir música de entrenamiento” pueda reproducir la indicada.

Las actualizaciones llegarán de manera gradual, según el país, a los Samsung Galaxy en los próximos días.

Imagen: Samsung