La expansión de la inteligencia artificial generativa abrió nuevas oportunidades para la automatización y la innovación digital, pero también aceleró la sofisticación de las amenazas vinculadas al fraude online. En este escenario, los deepfakes se convirtieron en uno de los mayores desafíos para empresas, bancos, fintechs y plataformas digitales que dependen de procesos de validación de identidad y seguridad en tiempo real.
Ante este contexto, la compañía Sumsub presentó una nueva generación de herramientas enfocadas en combatir este tipo de ataques mediante modelos de aprendizaje continuo. La firma lanzó Adaptive Deepfake Detector, una solución basada en machine learning que incorpora actualizaciones automáticas y aprendizaje online en tiempo real para detectar fraudes digitales cada vez más complejos.
El problema de los modelos tradicionales de detección
La iniciativa surge como respuesta a una limitación que afecta a gran parte de las tecnologías tradicionales de detección de deepfakes: los modelos offline. Este tipo de sistemas suele depender de actualizaciones programadas que pueden demorar semanas o incluso meses, generando ventanas de vulnerabilidad que los ciberdelincuentes aprovechan para evadir controles y concretar ataques.
Según explicó la compañía, el nuevo detector busca eliminar precisamente ese problema mediante un sistema que aprende constantemente a partir de nuevas señales de fraude. De esta manera, puede adaptarse en cuestión de horas a nuevas modalidades de ataque, sin necesidad de esperar ciclos manuales de reentrenamiento.
La problemática se volvió aún más crítica en los últimos años debido al crecimiento acelerado de los ataques impulsados por inteligencia artificial. Los deepfakes modernos ya no se limitan a videos falsificados fácilmente identificables, sino que incluyen imágenes, voces y simulaciones biométricas extremadamente difíciles de detectar incluso para especialistas humanos.
El crecimiento de los fraudes con IA y ataques multietapa
Además, los ataques actuales suelen combinar múltiples técnicas simultáneamente. De acuerdo con datos de la propia plataforma de Sumsub, durante 2025 la proporción de ataques multietapa aumentó un 180%, hasta representar el 28% de todos los fraudes detectados a nivel global.
En paralelo, el crecimiento de los fraudes mediante deepfakes generados con IA continúa expandiéndose en distintos mercados internacionales. México aparece como uno de los ejemplos más notorios: según el último Reporte de Fraude de Identidad de la compañía, este tipo de delitos creció más de 484% entre 2024 y 2025.
Para los especialistas en ciberseguridad, este fenómeno marca una nueva etapa en la carrera entre los equipos de prevención de fraude y los atacantes digitales. La velocidad con la que evolucionan las amenazas obliga a replantear los modelos tradicionales de defensa y avanzar hacia sistemas capaces de reaccionar prácticamente en tiempo real.
La visión de Sumsub frente a las nuevas amenazas digitales
Javier Herrera Zumztein, Gerente de Preventa de Monitoreo de Transacciones en América de Sumsub, sostuvo que el panorama de amenazas cambió radicalmente y que las empresas necesitan incorporar herramientas de nueva generación para responder a este escenario.
“El panorama de amenazas ha evolucionado, exigiendo que los equipos de gestión de riesgos respondan con modelos de prevención de fraude de nueva generación. Los deepfakes modernos ya no pueden ser detectados por el ojo humano, y la toma de decisiones debe basarse en el análisis de múltiples señales en tiempo real”, señaló el ejecutivo.
Uno de los principales diferenciales del nuevo sistema es su capacidad de análisis multicapa. A diferencia de herramientas tradicionales que dependen de un único indicador de anomalía, el detector de Sumsub combina múltiples fuentes de información para identificar comportamientos sospechosos.
Cómo funciona el Adaptive Deepfake Detector
El sistema analiza documentos digitales, direcciones IP, datos de geolocalización, señales provenientes de dispositivos y pruebas biométricas faciales vinculadas a mecanismos de “prueba de vida”. Además, cruza información entre múltiples usuarios para detectar posibles redes de fraude organizadas.
Esta combinación permite construir un contexto mucho más amplio sobre cada sesión digital y detectar patrones difíciles de identificar mediante métodos convencionales.
Otro aspecto clave del modelo es su funcionamiento basado en aprendizaje online. Técnicamente, esto significa que el sistema ajusta automáticamente sus parámetros a medida que recibe nueva información, eliminando la necesidad de procesos manuales de actualización o entrenamiento periódico.
La herramienta también incorpora mecanismos capaces de detectar métodos de inyección y manipulación avanzados utilizados por los atacantes para alterar imágenes, videos o señales biométricas. Este punto resulta especialmente importante debido a que muchas de las nuevas generaciones de deepfakes no solo falsifican contenido audiovisual, sino también los datos asociados a las sesiones digitales.
Según detalló la empresa, el criterio de decisión del detector cambia dinámicamente conforme evolucionan las amenazas. Gracias a este enfoque, la solución logra niveles de precisión cercanos al 100% en la detección promedio de intentos de fraude.
El futuro de la prevención del fraude digital
Para la industria tecnológica y financiera, este tipo de avances se vuelve cada vez más relevante en un contexto donde la identidad digital ocupa un rol central en operaciones bancarias, onboarding remoto, billeteras virtuales y plataformas de servicios online.
La creciente sofisticación de los deepfakes también plantea desafíos regulatorios y operativos para las compañías, especialmente en sectores altamente regulados donde un error de validación puede traducirse en pérdidas millonarias o daños reputacionales significativos.
En este contexto, la detección adaptativa aparece como una de las principales tendencias en ciberseguridad e inteligencia antifraude para los próximos años. La capacidad de aprender continuamente, identificar patrones emergentes y responder en tiempo real podría convertirse en un factor determinante para proteger ecosistemas digitales cada vez más expuestos a ataques impulsados por inteligencia artificial.
“Cuando el costo del error es demasiado alto, un enfoque integral frente al creciente fraude impulsado por IA es la respuesta que necesitamos”, concluyó Herrera Zumztein.
Preguntas frecuentes
1. ¿Qué sectores son los más afectados por los deepfakes?
Los sectores financiero, bancario, fintech, seguros, gaming, criptomonedas y comercio electrónico aparecen entre los más afectados. Esto se debe a que dependen de procesos de validación de identidad remota, apertura de cuentas digitales y autenticación biométrica para operar.
2. ¿Cómo se crean los deepfakes con inteligencia artificial?
Los deepfakes suelen desarrollarse mediante modelos de IA generativa entrenados con grandes volúmenes de imágenes, videos o grabaciones de voz. Estas herramientas pueden replicar expresiones faciales, movimientos y tonos de voz con un nivel de realismo muy elevado.
3. ¿Por qué los deepfakes representan un riesgo para las empresas?
Porque pueden utilizarse para suplantar identidades, acceder a cuentas bancarias, aprobar verificaciones biométricas falsas o manipular sistemas de autenticación. Además, generan riesgos reputacionales, financieros y legales para las organizaciones.
4. ¿Qué diferencia existe entre un fraude tradicional y uno impulsado por IA?
El fraude impulsado por inteligencia artificial suele ser más automatizado, escalable y difícil de detectar. Los atacantes pueden generar miles de identidades falsas o contenidos manipulados en pocos minutos, reduciendo la efectividad de los métodos de seguridad tradicionales.
5. ¿La detección de deepfakes también puede aplicarse a videollamadas?
Sí. Muchas soluciones modernas de prevención de fraude ya incorporan análisis en tiempo real durante videollamadas, entrevistas virtuales y procesos de onboarding digital para detectar manipulaciones faciales, movimientos anómalos o señales sintéticas.
Leer más
- Deepfakes, vishing y ataques automatizados así evolucionará el hacking en 2026
- Fraude digital y deepfakes: por qué tu onboarding online necesita evolucionar
- IA impulsa una nueva ola de deepfakes en México con un repunte histórico de 484%
