La amenaza de la IA: Deepfakes, identificaciones sintéticas y fraude agente
Capítulo 3
Mientras las aseguradoras navegan por ciclos presupuestarios, proyectos de calidad de datos y gestión del cambio organizacional, los defraudadores ya están desplegando la IA como arma. No están esperando marcos de gobernanza, ni están ejecutando pilotos. Están ejecutando esquemas, y la brecha entre la preparación de la industria y la sofisticación de lo que se despliega contra ella se está ampliando.
El cambio del fraude oportunista al fraude impulsado por IA es un cambio arquitectónico más que una evolución gradual. Las herramientas a las que ahora tienen acceso los estafadores no solo hacen que los esquemas existentes sean más rápidos o escalables; hacen posibles esquemas completamente nuevos. Estas incluyen identidades sintéticas que nunca han existido, pruebas deepfake indistinguibles de la realidad y agentes autónomos capaces de ejecutar operaciones de fraude complejas en múltiples entornos digitales sin intervención humana en cada paso. Comprender cómo se ve realmente esta amenaza, no como un escenario futuro sino como una realidad presente y acelerada, es un contexto esencial para la brecha de preparación que expone esta sección.
Cómo los estafadores convertirán la IA en un arma
Cuando se les preguntó cómo se podría convertir en arma la IA agéntica, los profesionales identificaron cuatro vectores principales. Generar documentos o identificaciones sintéticas (76%) encabeza la lista, representando un ataque directo a los procesos de verificación de reclamaciones que la mayoría de las aseguradoras aún realizan manualmente o mediante comprobaciones basadas en normas diseñadas antes de que fueran posibles las falsificaciones generadas por IA. Le siguen las pruebas deepfake (71%), que incluyen imágenes, audio y vídeo fabricados con suficiente fidelidad para pasar el escrutinio ordinario. Automatizar el fraude a gran escala en aplicaciones (44%) y coordinar redes organizadas de fraude (33%) completan el panorama.
La combinación de identidades sintéticas y pruebas deepfake es especialmente peligrosa porque estas dos capacidades atacan la misma vulnerabilidad desde ángulos diferentes. Las identificaciones sintéticas fabrican la identidad en el punto de entrada, creando un asegurado que no existe. Por el contrario, la evidencia deepfake fabrica pruebas en el momento de la reclamación, creando documentación de un incidente que no ocurrió. Una operación organizada que combine ambos puede construir una reclamación fraudulenta de extremo a extremo sin prácticamente ningún rastro tradicional de pruebas. Una póliza podía ser contratada por alguien que nunca existió, por un incidente que nunca ocurrió, y documentada con pruebas generadas en lugar de registradas.
La única contramedida fiable es la detección impulsada por IA, y la aritmética de la situación de la industria en ese aspecto no es cómoda. Con solo algunas organizaciones que cuentan con IA o ML completamente desplegadas para la detección de fraudes, la asimetría entre la capacidad del atacante y la preparación de los defensores es evidente.
76%
71%
44%
33%
Generación de documentos o identificaciones sintéticas
Crear pruebas deepfake (imágenes, audio, vídeo)
Automatización del fraude en aplicaciones a gran escala
Coordinación de redes organizadas de fraude
La brecha del deepfake: conocer la amenaza y no actuar al respecto
La desalineación entre la amenaza percibida y la respuesta operativa revelada en este estudio es uno de los hallazgos más importantes de todo el conjunto de datos. El 58 por ciento de los profesionales espera que los deepfakes se conviertan en la herramienta dominante de fraude a corto plazo, pero sólo el 20 % considera la verificación de documentos y medios como una prioridad operativa crítica. Aunque el 40% lo considera muy importante, "importante" y "crítico" no son lo mismo en términos operativos. Además, el 9% informa que la verificación de medios no se utiliza en absoluto.
Esta brecha no nace de la ignorancia; más bien, nace de la falta de recursos y la inercia organizativa, que son las mismas fuerzas que ralentizan la adopción de la IA de forma más generalizada. Los profesionales saben que los deepfakes están llegando, y muchos saben que la verificación de medios es la respuesta técnica. Sin embargo, saber y priorizar son cosas diferentes. En un entorno de presión presupuestaria y demandas en competencia, las tareas "muy importantes" pierden rutinariamente frente a las "críticas". El problema es que esta clasificación errónea será más difícil de corregir a medida que la calidad del deepfake siga mejorando y la accesibilidad se amplíe.
Cada flujo de trabajo de reclamaciones, en todas las áreas de negocio y desde el primer aviso de pérdida hasta el acuerdo final, debe tratar la verificación de autenticidad de medios y documentos como un valor por defecto y no como una excepción. La tecnología para hacer esto a gran escala ya existe. La ventana para desplegarla antes de que los deepfakes se vuelvan indistinguibles de pruebas legítimas está abierta ahora, y no permanecerá abierta indefinidamente.
20%
40%
31%
9%
Crítica
Muy importante
Algo importante
No utilizado
La brecha de preparación de la IA agéntica
Los datos de preparación de IA agentica son los más evidentes y relevantes de todo este estudio. El 78% de los encuestados cree que la IA agéntica es algo o muy probable que influya en el fraude de seguros en los próximos dos años. Esa es una visión casi consensuada entre los profesionales de primera línea sobre una amenaza a corto plazo. Y sin embargo sólo el 2% se siente muy preparado para defenderse de ello.
El tema merece un análisis profundo. El periodo antes de que el fraude de IA agéntico se convierta en algo común es, según estimaciones de los propios profesionales, de aproximadamente dos años o menos. El 38% de los encuestados está actualmente en el umbral de 'no muy preparado' o por debajo de él. Incluso 'algo preparado' es una posición precaria frente a una amenaza que quizá aún no se entienda del todo en sus implicaciones.
La IA agéntica es cualitativamente diferente de la tecnología antifraude anterior. Las generaciones anteriores de herramientas de fraude, incluso las más sofisticadas, requieren una dirección humana en cada paso. Un estafador puede usar software para generar un documento falso, pero aún así tiene que decidir cuándo y dónde presentarlo. Los sistemas de IA agéntica pueden planificar, actuar y adaptarse de forma autónoma a través de múltiples entornos digitales sin dirección humana en cada paso. Pueden identificar objetivos, fabricar pruebas que lo respalden, navegar los procesos de presentación, monitorizar las respuestas y adaptar su enfoque según lo que aprenden, sin un operador humano que guíe cada acción. Esto no es una versión más rápida del fraude existente. Es una categoría de amenaza diferente y exige una respuesta acorde a su escala.
2%
29%
29%
31%
7%
Muy bien preparado
Algo preparado
Neutro
No estoy muy preparado
No estoy nada preparado
Conclusión clave
La amenaza no es teórica, y la línea temporal no está lejana. Los propios profesionales estiman que el punto de inflexión de la IA agéntica es de dos años o menos, pero solo el 2% se siente muy bien preparado. Las capacidades de deepfake e identidad sintética que impulsarán esa amenaza ya están en uso hoy en día. La conciencia sin una respuesta operativa no es una defensa. La ventana para construir una defensa está abierta, pero no permanecerá abierta indefinidamente.
