Los deepfakes son contenidos audiovisuales (videos, imágenes o audios) falsos creados mediante inteligencia artificial y aprendizaje profundo (deep learning) que imitan de forma realista la apariencia y voz de una persona real. Utilizan redes neuronales para superponer rostros o alterar expresiones, haciendo parecer que alguien dice o hace algo que nunca ocurrió.
El fraude con deepfakes representa una de las amenazas más críticas y de mayor crecimiento para el sector asegurador en 2025. Según las fuentes, este fenómeno afecta a las compañías en tres niveles principales: operativo, financiero y contractual.
A continuación, se detallan los impactos identificados:
- Aumento masivo de la siniestralidad y nuevas tácticas
- Crecimiento explosivo: Las aseguradoras han reportado un incremento del 3,000% en los intentos de fraude mediante el uso de deepfakes.
- Suplantación de identidad avanzada (Vishing): Los delincuentes utilizan la IA para clonar voces o crear videos hiperrealistas de ejecutivos. Un caso común es el uso de audio generado por IA de un Director Financiero (CFO) para autorizar transferencias bancarias fraudulentas de gran escala.
- Evolución del phishing: El uso de deepfakes en campañas de vishing (phishing de voz) y smishing (SMS) está en auge, permitiendo ataques mucho más precisos y convincentes que los métodos tradicionales.
- Impacto Económico Directo
- Coste por incidente: En 2024, el coste promedio para una empresa por un incidente de fraude relacionado con deepfakes se situó en aproximadamente $500,000.
- Efecto en seguros ciber: Los ataques impulsados por IA ya representan 1 de cada 6 brechas de seguridad reportadas en 2025, lo que presiona al alza la severidad de las reclamaciones ciber.
- El desafío de la «IA Silenciosa»
- Ambigüedad contractual: Existe una preocupación creciente sobre la «IA silenciosa», que ocurre cuando siniestros vinculados a deepfakes quedan fuera de cobertura debido a que las pólizas antiguas no contemplaban esta tecnología.
- Vacíos legales: Muchas pólizas actuales fueron redactadas antes del auge de la IA Generativa, lo que genera dudas sobre si las pérdidas por suplantación digital están realmente cubiertas, pudiendo causar graves consecuencias financieras para las empresas aseguradas.
- Respuesta estratégica de las aseguradoras
- IA defensiva: Para contrarrestar esta amenaza, el 85% de los suscriptores de seguros ciber ya emplean herramientas de IA y analítica predictiva durante el proceso de emisión y renovación de pólizas para detectar perfiles de riesgo vulnerables.
- Nuevas coberturas: Las compañías están comenzando a desarrollar extensiones de cobertura específicas para proteger tanto a empresas como a individuos (por ejemplo, en estafas familiares) contra las pérdidas derivadas de la suplantación de identidad mediante IA.
- Actualización de contratos: Se recomienda una revisión permanente de los términos contractuales para evitar interpretaciones ambiguas y asegurar que los riesgos de la IA Generativa estén explícitamente integrados o excluidos
La detección de fraudes por deepfakes y el uso malintencionado de la IA se está abordando mediante una combinación de herramientas tecnológicas avanzadas y nuevos protocolos de verificación en el sector asegurador.
A continuación, se detallan los métodos principales identificados en las fuentes:
- Herramientas de IA Defensiva y Analítica Predictiva
Las aseguradoras están utilizando la misma tecnología que genera el riesgo para combatirlo.
- Análisis en la suscripción: El 85% de los suscriptores de seguros ciber ya emplean herramientas de IA y analítica predictiva durante la emisión y renovación de pólizas para identificar perfiles de riesgo vulnerables.
- Detección de anomalías en tiempo real: Las organizaciones que utilizan IA y automatización en sus centros de operaciones de seguridad (SOC) han logrado una detección de anomalías más rápida y un análisis forense más eficiente. Esto permite identificar intentos de fraude, como los ataques de audio generado por IA donde se suplanta la voz de un directivo para autorizar transferencias.
- Verificación de Inconsistencias en Documentos e Imágenes
La IA destaca en encontrar discrepancias que no son visibles al ojo humano.
- Precisión diagnóstica: Se reportan tasas de precisión del 93% en la detección de inconsistencias entre los documentos presentados y los detalles reales de la pérdida.
- Reconocimiento de imágenes: Mediante modelos de IA, las compañías pueden analizar fotografías para determinar si el daño en una propiedad fue causado realmente por un evento cubierto (como una tormenta) o si es resultado del desgaste natural por antigüedad. En mercados como el chino, el reconocimiento de imágenes ya es central para mejorar los ratios de pérdida y reducir el fraude.
- Fortalecimiento de la Identidad Digital
Para evitar la suplantación de identidad que facilitan los deepfakes, se están implementando métodos de acceso más robustos.
- Autenticación biométrica: Se ha incrementado el uso de inicios de sesión mediante Face ID, huella dactilar o PIN en aplicaciones móviles, ya que ofrecen un equilibrio entre seguridad y facilidad de uso para el cliente.
- Eliminación de métodos vulnerables: Algunas aseguradoras están eliminando la autenticación de dos factores vía correo electrónico, priorizando dispositivos móviles vinculados directamente al usuario para asegurar que la identidad digital no sea comprometida.
- Gobernanza y Auditoría de Algoritmos
Los marcos regulatorios están obligando a las empresas a ser más vigilantes con la tecnología.
- Pistas de auditoría: En jurisdicciones como China, los reguladores exigen ahora «pistas de auditoría» para los algoritmos, lo que obliga a las empresas a invertir en marcos de detección de sesgos y explicabilidad de la IA.
- Supervisión humana: La Ley de IA de la Unión Europea exige que los sistemas de «alto riesgo» (como los de seguros de salud) cuenten con una supervisión humana efectiva que permita revisar o anular decisiones algorítmicas si se detecta una anomalía o fraude
FUENTE: https://notebooklm.google.com/