Ataques de voz deepfake contra los equipos de finanzas: guía de defensa

Viernes, 16:50. La voz al teléfono es la del director financiero: el mismo ritmo al hablar, el mismo acento, esa impaciencia conocida. Quiere que un pago confidencial salga antes del cierre. Todo en la voz encaja. Lo único que no encaja es que el director financiero nunca hizo esa llamada.

Este escenario dejó de ser hipotético hace años. En la empresa de ingeniería Arup, un empleado de finanzas participó en una videollamada con personas que parecían y sonaban como el director financiero de la compañía y varios compañeros, y después realizó 15 transferencias por un total aproximado de 25,6 millones de dólares. Todos los demás participantes de la llamada eran deepfakes. Desde entonces la tecnología no ha hecho más que mejorar. Según el comunicado de prensa de Gartner del 22 de septiembre de 2025, el 62 % de las organizaciones sufrió un ataque deepfake en el último año. El Global Threat Report 2025 de CrowdStrike registró un aumento del 442 % del phishing de voz en el segundo semestre de 2024 frente al primero. Y el Data Breach Investigations Report 2026 de Verizon sitúa el elemento humano en el 62 % de las brechas.

Esta guía trata el punto en el que esa tecnología choca con una única función: las personas autorizadas a aprobar salidas de dinero. Esos equipos están en el centro mismo del riesgo humano en el sector financiero. Explicamos por qué los equipos de finanzas son el objetivo, qué enseñan tres casos bien documentados sobre lo que funciona y lo que no, y un proceso de verificación que resiste aunque la voz sea perfecta.

Por qué las llamadas van a finanzas

La voz deepfake no es un ataque nuevo, sino una herramienta que multiplica la fuerza de uno antiguo. El fraude del CEO, que suplanta a un alto directivo para pedir un pago urgente, es muy anterior a la IA. El compromiso del correo electrónico empresarial (BEC) sigue siendo uno de los delitos más caros: el Internet Crime Complaint Center (IC3) del FBI comunicó en su informe anual de 2025 unas pérdidas por BEC de unos 3.000 millones de dólares. Lo que añade la voz clonada es la capa de confianza que el correo nunca pudo imitar: una voz conocida que responde a sus preguntas en tiempo real.

Los reguladores han señalado este cambio de forma explícita. FinCEN, dependiente del Tesoro estadounidense, alertó en noviembre de 2024 a las entidades financieras sobre el aumento de operaciones sospechosas con contenido deepfake, desde documentos de identidad generados con IA hasta la suplantación de directivos. El Center for Financial Services de Deloitte prevé que las pérdidas por fraude facilitado por IA generativa en Estados Unidos pasen de 12.300 millones de dólares en 2023 a 40.000 millones en 2027. Es una proyección, no una medición; pero la dirección es clara.

La lógica de la selección del objetivo es sencilla. Los equipos de finanzas combinan la facultad de pago con una cultura de respuesta rápida a la dirección, y los circuitos de aprobación (quién puede aprobar qué y por encima de qué importe) suelen ser previsibles desde fuera. Un atacante que clona la voz del consejero delegado no necesita comprometer ningún sistema. Le basta con una persona que acepte una voz como prueba de identidad. El fraude de facturas funciona con la misma lógica: la petición es rutinaria, la presión es social y el dinero sale por canales legítimos.

Tres llamadas, tres lecciones

Leídos juntos, los tres casos son excepcionalmente instructivos, porque la diferencia entre una pérdida de ocho cifras y dos intentos frustrados nunca fue la tecnología de detección. A nadie le salvó el oído.

En Ferrari, la voz que suplantaba al consejero delegado Benedetto Vigna era convincente; hasta el acento del sur de Italia estaba en su sitio. Pero el directivo al teléfono hizo algo que ningún clon puede sortear: preguntó por el libro que Vigna le había recomendado poco antes. El falso CEO colgó. En LastPass, el empleado reconoció justo las señales para las que la empresa forma a su plantilla: un contacto fuera de los canales de trabajo habituales y una urgencia artificial. En Arup, en cambio, la propia videollamada disipó la sospecha inicial que el empleado había sentido ante un correo de phishing. La reunión falsa funcionó como garantía, y entre esa garantía y las transferencias no había ningún control de proceso.

Una voz clonada no necesita engañar a su oído para siempre; le basta con engañarlo lo suficiente para que la urgencia se imponga al procedimiento. La verificación tiene que vivir en el proceso, no en quien escucha.

Cómo se prepara una llamada clonada

Entender la cadena de producción muestra dónde funciona la defensa. El primer paso es el reconocimiento: los atacantes usan OSINT para elegir la voz, el objetivo y un pretexto creíble, a partir de conferencias con inversores, vídeos de congresos, organigramas en LinkedIn y notas de prensa. El segundo es el propio clon: la investigación de McAfee sobre clonación de voz encontró que herramientas de acceso gratuito pueden lograr una coincidencia de voz del 85 % con solo tres segundos de grabación. El tercero es el canal: los ataques prefieren los móviles personales y WhatsApp, donde la seguridad del correo y los registros de llamadas no miran nunca. Es el mismo punto ciego que aprovecha la ola más amplia de vishing y smishing. Algunas campañas invierten el flujo y recurren al phishing de devolución de llamada: un correo deja un número de teléfono, la víctima inicia la llamada y llega a la línea confiando de antemano.

Después llega el guion: una adquisición confidencial, una emergencia con un proveedor, un plazo regulatorio. Siempre urgente, siempre confidencial; siempre termina en un pago o en una credencial. El aviso público del FBI de diciembre de 2024 describe la cadena completa, desde la voz clonada hasta los documentos generados con IA que sostienen el pretexto.

Cómo se vería en una empresa española (ejemplo ficticio)

El siguiente escenario es totalmente ficticio; la empresa y las personas son inventadas.

La jefa de contabilidad de Distribuciones Ejemplo S.L., una distribuidora mediana, recibe un jueves por la tarde un mensaje de WhatsApp desde una cuenta con la foto del director general: «Estamos en una negociación confidencial de compra, te llamo en un momento, no lo comentes con nadie». Diez minutos después, en la llamada, la voz del director general le dice que hoy tiene que salir un anticipo a un proveedor extranjero; los datos de la factura llegarán desde [email protected]. La jefa de contabilidad tiene un procedimiento interno: todo pago superior a 25.000 € requiere una segunda autorización y una devolución de llamada al número del directorio. Cuelga y llama al director general a su extensión interna. Está en una reunión y no sabe nada de esa petición. El pago no sale, y ella notifica el incidente al departamento de seguridad de la información.

Lo que enseña este caso ficticio es que no importa en absoluto si reconoció la voz o no. Lo que la protegió fue un proceso que no dependía de su propio juicio.

El proceso de verificación para los equipos de finanzas

1. Haga innegociable la devolución de llamada a un número conocido. Toda petición por voz o vídeo que implique una salida de dinero, un cambio de datos de pago o compartir credenciales se verifica por un canal independiente: cuelgue y llame al número del directorio corporativo. Nunca use el número que le llamó ni uno facilitado durante la llamada. El FBI recomienda además acordar de antemano una palabra o frase secreta para las autorizaciones de alto riesgo. Trátela como uno de los controles, no como el único; todo lo que se puede compartir se puede filtrar.

2. Diseñe controles que den por hecho que la identidad no se puede verificar. Doble autorización por encima de un importe fijado, separación entre quien inicia el pago y quien lo aprueba, y un periodo de espera obligatorio para los beneficiarios nuevos o modificados. Estos controles funcionan porque no les importa lo convincente que suene quien pide. La pérdida de Arup necesitó a una sola persona capaz de ejecutar quince transferencias a partir de una sola reunión.

3. Proteja la vía de cambio de datos de proveedores. Los cambios de datos bancarios son el primo discreto de la llamada dramática del CEO, y por ahí es por donde fluye realmente la mayor parte del dinero del BEC. Todo cambio en los datos de pago de un proveedor se verifica con una persona conocida del proveedor, en un número establecido de antemano, por legítima que parezca la petición.

4. Haga que decir «no» al CEO sea seguro. En Ferrari, la salvación fue posible porque un directivo se sintió autorizado a poner a prueba a su consejero delegado. Déjelo por escrito: nadie que retrase un pago para verificarlo será sancionado, y los directivos reales esperan la verificación. Una petición que combina urgencia y confidencialidad para disuadir de verificar es la señal de fraude más fuerte que encontrará.

5. Ensaye y después mida. Una política que nadie ha practicado pierde frente a una voz que todos reconocen. Haga simulaciones de voz deepfake específicas para las funciones de finanzas y tesorería, y compruebe si de verdad se devuelve la llamada bajo presión de tiempo. Lleve los resultados a una puntuación de riesgo humano, para que quienes tienen facultad de pago, es decir, quienes más caro pagan un error, reciban acompañamiento dirigido en lugar de una formación anual genérica. Cuando haya un intento, notifíquelo: primero al equipo de seguridad y, si el dinero ha salido, de inmediato a su banco.

Conclusión

La voz era un dato biométrico que su organización tenía gratis: si conoce al director financiero, se fía de él. La clonación de voz barata ha eliminado esa suposición y no va a volver. Los equipos de finanzas que gestionan bien esta situación no son los que compran un detector de deepfakes, sino los que trasladan la confianza de la percepción humana al proceso y ensayan ese proceso lo suficiente para que resista una voz convincente un viernes por la tarde. La tecnología detrás de las llamadas seguirá mejorando. La devolución de llamada a un número conocido seguirá funcionando.