Hace apenas unos años, un deepfake convincente exigía tiempo, potencia de cálculo y cierta pericia técnica. Hoy se genera en segundos, con una aplicación gratuita, y puede clonar la voz de un familiar o el rostro de un directivo con la calidad suficiente para engañar en una videollamada. La pregunta ya no es si la tecnología para crear estos contenidos ha madurado —lo ha hecho, y a toda velocidad—, sino si la tecnología para detectarlos puede seguirle el ritmo. Por ahora, va por detrás.
Un problema que crece más rápido que la respuesta
Las cifras de 2025 y lo que llevamos de 2026 son elocuentes. Las pérdidas globales por fraude con deepfakes se triplicaron en un año hasta los 929 millones de euros, y varias firmas de ciberseguridad calculan que el fraude impulsado por IA podría escalar hasta los 40.000 millones de dólares en 2027, frente a los 16.600 millones de 2024. En España, el fraude con deepfakes creció un 484% en solo doce meses, y la Guardia Civil ha tenido que alertar sobre perfiles falsos generados con IA que suplantan a agentes reales. Google, por su parte, ha retirado anuncios fraudulentos que usaban el rostro de personajes públicos para promocionar inversiones inexistentes.
Un estudio de Mastercard sitúa a España entre los cuatro países europeos con mayor volumen de fraude financiero digital, junto a Reino Unido, Francia y Alemania. Y hay un dato que distorsiona todas las estadísticas oficiales: se estima que el 70% de las víctimas de estafas online en España nunca llega a denunciar, por vergüenza, desconocimiento del proceso o la sensación de que no servirá de nada.
El nuevo frente: el deepfake en directo
El patrón que más preocupa a los expertos en fraude no es el deepfake grabado de antemano, sino el que ocurre en directo: una videollamada donde la imagen o la voz se modifican en tiempo real. Ya hay casos documentados de empleados que autorizan transferencias urgentes tras recibir instrucciones de un «director financiero» que, en realidad, es una superposición sintética sobre la cara de un estafador. En estos casos no hay ningún fallo técnico que perseguir: la propia víctima ha actuado de buena fe y ha ordenado la transferencia con su mano, lo que complica enormemente la recuperación del dinero
La respuesta tecnológica más relevante de este año ha sido el salto hacia la detección on-device, es decir, directamente en el móvil o el ordenador, sin depender de que el contenido pase por un servidor externo:
- En el CES 2026 de Las Vegas, la compañía de ciberseguridad Gen (matriz de Norton) presentó, junto a Intel, un prototipo capaz de identificar manipulación de audio y vídeo simultánea mientras el usuario consume el contenido, en tiempo real y sin enviar datos a la nube.
- Scam.ai y Qualcomm lanzaron Halo, un modelo que analiza videollamadas en segundo plano y avisa si detecta vídeo generado por IA durante la propia conversación.
- Bitdefender lanzó RealCheck, una app para Android e iOS que permite subir un vídeo o un enlace y recibir un análisis por capas que distingue el contenido malicioso del meramente satírico o de entretenimiento.
Es un cambio de enfoque significativo: hasta ahora, la detección solía ser un proceso posterior, forense, que llegaba cuando el daño ya estaba hecho. La nueva generación de herramientas intenta interceptar el engaño en el momento en que ocurre.
La investigación académica: mejor, pero con un techo de cristal
En paralelo, la comunidad científica sigue publicando avances constantes en detección forense: modelos que analizan patrones de mirada, coherencia facial por regiones o el uso de modelos de visión-lenguaje para detectar manipulaciones, con mejoras de varios puntos porcentuales en precisión frente a generadores no vistos previamente.
Pero ahí está el problema de fondo, y lo reconocen los propios investigadores: los detectores generalizan mal. Un modelo entrenado para detectar los trucos de un generador de IA concreto pierde buena parte de su eficacia en cuanto aparece un generador nuevo con artefactos distintos. Es una carrera armamentística: cada mejora en la detección empuja a que las herramientas de generación se ajusten para evitar precisamente esas señales.
La industria reacciona: detección en el propio dispositivo
Qué puede hacer cualquiera, hoy
Mientras la tecnología termina de ponerse a la altura, los expertos coinciden en algunas pautas prácticas:
- Desconfiar de la urgencia. Los deepfakes se apoyan en la presión emocional: una llamada de un familiar «en apuros» o un jefe exigiendo una transferencia inmediata son señales de alarma, no de legitimidad.
- Verificar por un canal distinto. Si recibes una videollamada o un audio pidiendo dinero o datos sensibles, cuelga y confirma por otra vía antes de actuar.
- Fijarse en los detalles técnicos. Parpadeo poco natural, sincronización labial imperfecta o audio ligeramente desincronizado siguen siendo pistas útiles, aunque cada vez más sutiles.
- Denunciar, aunque parezca inútil. Sin denuncias, es más difícil dimensionar el problema real y frenar la respuesta de autoridades y plataformas.
La conclusión incómoda
La tecnología de detección ha dado pasos importantes en 2026, sobre todo al acercar el análisis al propio dispositivo del usuario. Pero mientras la generación de deepfakes evoluciona con la velocidad de una industria completa, la detección sigue funcionando, en gran medida, a la defensiva. La brecha no se ha cerrado; en el mejor de los casos, se ha estabilizado.
Algunos datos
- 929 millones de euros: pérdidas globales por fraude con deepfakes en 2025, el triple que en 2024
- 484%: crecimiento del fraude con deepfakes en España en un año
- 40.000 millones de dólares: proyección de pérdidas por fraude con IA a nivel global en 2027
- 70%: víctimas de estafas online en España que nunca llegan a denunciar
- Tres lanzamientos clave de 2026: detección on-device de Gen/Intel, Halo (Scam.ai/Qualcomm) y RealCheck (Bitdefender)
- El reto pendiente: los detectores generalizan mal frente a generadores de IA que no han visto antes
