Decir 'sí' al teléfono ya es un riesgo: la clonación de voz por IA convierte preguntas triviales en trampa

Por Irish Mirror · 5 de julio de 2026.

El consejo que ha corrido por TikTok es sencillo y algo inquietante: si un desconocido te llama y te pregunta '¿me oyes?', '¿eres el propietario de la vivienda?' o '¿tienes un momento para hablar?', no respondas 'sí'. Según el experto que difundió el aviso, Hector Chavez, esas preguntas triviales son en realidad un anzuelo diseñado para grabar tu voz diciendo esa palabra concreta, un fragmento que después puede usarse para autorizar cargos fraudulentos o para engañar a sistemas de autenticación por voz que verifican identidad mediante frases cortas. Su recomendación: no contestar con un 'sí' directo, preguntar primero quién llama y con qué motivo, y colgar si la respuesta es evasiva o hay un silencio extraño. La organización británica Age UK había avisado meses antes de otra variante del mismo problema: estafadores que se hacen pasar por personal bancario y que, en algunos casos, mantienen la línea abierta incluso después de que la víctima cuelga, por lo que aconsejan verificar desde otro teléfono o esperar varios minutos antes de hacer una llamada de comprobación.

Lo relevante aquí no es el consejo en sí —de sentido común, y ya conocido en el mundo de la ciberseguridad doméstica— sino lo que revela sobre el estado actual de la clonación de voz por IA. Que una grabación de una sola palabra, un simple 'sí', se considere ya material de riesgo suficiente para clonar una voz y usarla en fraudes de autorización, es una prueba de cuánto ha bajado el listón técnico y económico para producir deepfakes de audio convincentes. Ya no hace falta una muestra larga ni condiciones de grabación limpias: con fragmentos mínimos, los modelos de clonación actuales pueden generar audio suficientemente creíble para superar verificaciones automatizadas o convencer a un familiar de que está hablando con un ser querido en apuros. Es la misma dinámica que documentábamos al hablar del fraude bancario potenciado por IA, con proyecciones que apuntan a un fuerte crecimiento en los próximos años, impulsado precisamente por herramientas de este tipo.

Hay, sin embargo, un detalle en los comentarios del propio hilo de TikTok que merece más atención de la que recibe: varios usuarios explican que responder con frases inesperadas —'¿en qué puedo ayudarte?', o directamente guardar silencio— hace que 'el bot cuelgue'. Es una pista valiosa sobre las limitaciones actuales de estos sistemas de estafa automatizada: muchos todavía operan con guiones rígidos y fallan ante cualquier desviación del patrón esperado, delatándose como no-humanos. Esa fragilidad es, hoy, nuestra principal defensa práctica. Pero el propio aviso lo dice sin rodeos: 'con la IA mejorando tan rápido, esto podría empeorar'. Y tiene razón: los modelos de voz conversacional en tiempo real avanzan a un ritmo que hará que estas grietas se cierren antes de lo que nos gustaría.

Nuestra lectura es que este tipo de fraude ilustra bien la transición dura que defendemos sin edulcorar: a corto plazo, la asimetría favorece al atacante, porque clonar una voz es barato y detectar la clonación sigue siendo caro y manual, delegado en el sentido común del ciudadano de a pie. La respuesta razonable no es solo educar al público —imprescindible, pero insuficiente— sino exigir que la autenticación por voz deje de depender de una palabra pronunciada por teléfono y avance hacia sistemas multifactor que no puedan reducirse a un clip de audio robado. A largo plazo, la misma tecnología que hoy clona voces para engañar es la que permitirá construir detectores de deepfake de audio en tiempo real, integrados en el propio teléfono, capaces de avisarte antes de que termines de decir 'sí'. La abundancia que promete la IA no elimina estos riesgos de la noche a la mañana, pero sí apunta a un futuro en el que la defensa automatizada iguale, y probablemente supere, a la ofensiva. Mientras llega ese punto, la recomendación más eficaz sigue siendo la más antigua de todas: si no conoces el número, que salte el contestador.