Te suena esta situación: te entra una llamada o un audio y la voz “es” tu jefe / tu madre / un cliente… y te pide algo raro con prisa.
Y tu cerebro hace clic: “¿esto es real… o me están intentando colar un audio hecho con IA?”
Buena noticia: no necesitas un laboratorio. Necesitas un método y un par de herramientas. Y, sobre todo, una regla: la voz ya no es prueba de identidad (esto es justo el tipo de riesgo de manipulación/impersonación que NIST está incorporando en su enfoque de ciberseguridad para IA).
Primero: qué puede (y qué no puede) hacer la IA en audio
Un deepfake de voz suele caer en dos categorías:
- Audio reenviado / pregrabado (el clásico “mándame X ahora”).
- Voz en directo (más difícil, pero cada vez más realista).
En ambos casos, el objetivo no es que el audio sea perfecto: es que tú actúes rápido.
El mini-kit de “verificación sin drama”
Herramientas “para cualquiera”
- Tu propia regla de verificación (sí, esto cuenta como herramienta: un protocolo simple).
- Grabadora / notas (guardar evidencia y detalles).
- Una segunda vía de contacto (callback: llamar tú al número oficial/guardado).
Herramientas “pro” (si eres negocio o equipo)
- Pindrop Pulse: enfocado a detección de voz sintética (muy orientado a contact centers).
- Reality Defender: detección de contenido manipulado (incluye audio) vía web/API e integraciones.
- (Extra útil como marco) NIST Cyber AI Profile (IR 8596, borrador) para pensar controles y procesos ante riesgos de IA.
Método práctico en 6 pasos (10 minutos o menos)
1) La frase mágica: “Vale, ahora te llamo yo”
Si la petición implica dinero, accesos o urgencia, no sigas el juego.
- Cuelga (o pausa).
- Llama tú al número que ya tenías guardado (no al que te mandan).
- Si es en empresa: llama por el canal oficial (centralita/Teams/Slack corporativo).
Este “callback protocol” es de lo más efectivo porque rompe el guion del atacante. (Y es exactamente el tipo de “salvaguarda humana” que recomiendan muchos enfoques anti-impersonación).
2) Pide una verificación que un audio reenviado no pueda pasar
Si es un audio/llamada sospechosa, pide algo que requiera interacción real:
- “Dime la última frase que te mandé por WhatsApp”
- “¿Cuál fue el tema de la última reunión?”
- “Te hago una pregunta tonta: ¿qué comimos el sábado?” (en familia)
- En empresa: una “pregunta de contexto” o un código acordado.
No es infalible, pero sube mucho el coste del engaño.
3) Escucha señales raras (sin ponerte audiófilo)
Hay pistas típicas que hasta guías para no expertos suelen mencionar:
- Entonación “plana” o rara,
- Ritmo extraño,
- Cortes en consonantes o respiraciones raras,
- Ruido de fondo que cambia “mágicamente”,
- Emoción que no encaja con el mensaje.
Ojo: que no suene raro no prueba que sea real. Pero si suena raro y además hay urgencia… mala combinación.
4) Si hay “prisa”, sube el nivel de verificación
La mayoría de estafas con deepfake tiran de:
- Urgencia (“ahora mismo”),
- Secreto (“no lo cuentes”),
- Autoridad (“soy tu jefe / soy del banco”).
Tu respuesta estándar:
“Perfecto, lo hacemos, pero primero lo confirmo por el canal habitual.”
5) Si eres negocio: pasa el audio por un detector (cuando importe de verdad)
Aquí entran herramientas tipo:
- Pindrop Pulse (detección rápida de voz sintética, pensado para fraude por voz).
- Reality Defender (detección de audio manipulado, y hasta app para videollamadas en algunos entornos).
No lo veas como “oráculo”, sino como segunda opinión + señal de riesgo.
6) Documenta lo mínimo
Especialmente en empresa:
- Guarda el audio,
- Anota hora, número, canal, qué pedía,
- Y reporta el intento.
Esto ayuda a detectar patrones y proteger al resto del equipo.
Dos guiones listos (para que no improvises con nervios)
Guion “personal” (familia/amigos)
“Oye, te creo, pero últimamente hay audios falsos. Te llamo yo ahora mismo al número que ya tengo y lo vemos en 30 segundos.”
Guion “empresa” (ventas/finanzas/soporte)
“Por protocolo, cualquier petición urgente se confirma por canal oficial. Te devuelvo la llamada / te escribo por Teams/Slack corporativo y lo validamos.”
(Sí, decir “por protocolo” te salva la vida. Es como un escudo.)
Checklist express (copia/pega)
- ¿Pide dinero/accesos/urgencia? → callback
- ¿Puedo verificar por un canal oficial alternativo?
- ¿Puedo pedir una prueba de contexto/código?
- ¿Hay señales raras en la voz (ritmo/entonación/cortes)?
- Si es crítico: ¿puedo pasar el audio por detector (Pindrop/Reality Defender)?
- ¿He documentado lo mínimo?
Conclusión
La idea no es vivir paranoico. La idea es cambiar la prueba de identidad:
la voz puede convencer… pero la verificación manda.
Y si te quedas con una frase para tu vida:
“La IA puede copiar una voz; lo que no puede copiar tan fácil es tu protocolo.”
Regla simple: si el audio dice ‘hazlo ya’ → tú dices ‘te llamo yo’. Porque hoy la voz se clona, pero tu protocolo no.
La IA puede imitar una voz. Lo que no puede imitar es que tú seas difícil de engañar. Si te piden algo serio, lo verificas. Punto.