Los ataques de voz con deepfake están superando las defensas: Lo que los líderes de seguridad deben saber

En marzo de 2025, el director financiero de una empresa multinacional en Singapur se unió a una llamada de Zoom que parecía rutinaria con su equipo directivo. El CFO estaba allí, otros ejecutivos aparecían en pantalla. Todos se veían y sonaban correctos. Autorizó una transferencia de 499.000 dólares antes de que alguien detectara el fraude. Cada rostro en esa llamada fue generado por IA.

Este ataque tiene un precedente. A principios de 2024, el mismo método se usó para robar 25,6 millones de dólares de Arup, una de las mayores firmas de ingeniería del mundo, en una sola tarde. El método se ha extendido ampliamente y las herramientas detrás de él se han vuelto más baratas y fáciles de usar cada mes.

Las organizaciones que han detenido estos ataques encontraron la misma respuesta: capacitar a su personal para que se detengan y verifiquen antes de actuar.

Las herramientas para ejecutar este ataque cuestan casi nada

Clonar la voz de alguien requiere tres segundos de audio y una descarga gratuita. Tres segundos de un mensaje de voz, un podcast, una conferencia de resultados o un video de LinkedIn son suficientes para que un modelo de IA actual genere una réplica de voz interactiva en tiempo real. El modelo funciona sin conexión, no requiere conocimientos técnicos y no cuesta nada.

Los incidentes de deepfake de voz aumentaron un 680% interanual en 2025. Se registraron más de 100.000 ataques en Estados Unidos en un solo año. Las herramientas están disponibles en repositorios públicos, sin moderación, y funcionan en hardware de consumo estándar.

Lo que hace que estos ataques sean tan efectivos es la preparación previa. Antes de realizar una llamada, los atacantes mapean el organigrama de la organización objetivo, identifican quién tiene autoridad financiera y estudian el flujo de trabajo estándar para la aprobación de transferencias bancarias. Cuando suena el teléfono, el guión ya está escrito.

Los ataques impulsados por IA ya están apuntando a sus empleados. Proteja a su equipo de deepfakes, phishing de voz y ataques de spear phishing con capacitación de concientización de seguridad de próxima generación. Empresas como Bose, PayPal y Xerox confían en Adaptive para defenderse contra deepfakes, phishing de voz y ataques impulsados por IA.

Su pila de seguridad fue construida para un ataque diferente

Un ataque de deepfake apunta directamente a las personas. Llega como una conversación: una cara familiar en una pantalla de Zoom, una voz que coincide, una solicitud urgente que suena como cualquier otra. Las llamadas telefónicas, las reuniones por video y las solicitudes de voz quedan fuera de todo lo que su pila de seguridad fue diseñada para inspeccionar.

La pila de seguridad más sofisticada del mundo no detendrá este ataque si el empleado que recibe la llamada nunca ha sido capacitado para reconocerlo.

Los equipos financieros son el objetivo principal. La mayoría nunca ha sido capacitada para esto.

Los objetivos en estos ataques son el contralor, el especialista en cuentas por pagar y el coordinador de recursos humanos que maneja la nómina. Los atacantes de deepfake también llaman a los help desks de TI con solicitudes urgentes de restablecimiento de credenciales, entregadas con una voz que suena exactamente como la del CTO. Estos empleados tienen autoridad para mover dinero y cambiar datos de cuentas.

La superficie de ataque va más allá de lo que la mayoría de los líderes de seguridad consideran. Ahora están apareciendo personas con IA en los procesos de contratación, construidas a partir de perfiles de LinkedIn robados y diseñadas para pasar entrevistas por video. Una vez contratadas, obtienen acceso a sistemas internos, código fuente y datos de la empresa.

Cuando comencé a hablar con CISOs sobre esta amenaza hace dieciocho meses, aproximadamente uno de cada diez había visto un ataque de deepfake exitoso en su organización. Hoy, ese número es más de la mitad. La mayor parte de lo que escucho nunca llega a las noticias. Las empresas tienen pocos incentivos para revelar que un clon de voz les acaba de costar 500.000 dólares.

La escala financiera de este problema está creciendo rápidamente

Las pérdidas por fraude con deepfake superaron los 200 millones de dólares solo en los primeros cuatro meses de 2025. El año completo 2024 registró pérdidas totales de 359 millones de dólares. El fraude global con deepfake ha superado ahora los 2.190 millones de dólares en pérdidas documentadas, con Estados Unidos representando la mayor parte.

Entre las organizaciones que perdieron dinero por un ataque de deepfake, el 61% reportó pérdidas superiores a 100.000 dólares. Casi el 19% reportó pérdidas superiores a 500.000 dólares. Estas son solo las pérdidas que se reportaron. El total real es mucho mayor.

Ejecutar este ataque a escala requiere tres cosas: un nombre, una muestra de audio de tres segundos y un empleado sin un protocolo de verificación. Esa combinación existe en casi todas las organizaciones en este momento.

Construyendo el reflejo antes de que llegue la llamada

Las empresas que detienen estos ataques antes de que el dinero se mueva hacen una cosa: capacitan a sus empleados para verificar antes de actuar, independientemente de lo familiar o urgente que suene la solicitud.

Tres controles no cuestan nada implementar: una contraseña verbal para cualquier solicitud financiera de alto valor, un requisito de devolución de llamada a un número previamente almacenado antes de aprobar cualquier transferencia bancaria, y una política establecida de que la urgencia en cualquier solicitud financiera es una razón para reducir la velocidad. La mayoría de las organizaciones no tienen ninguno de estos en la actualidad.

En julio de 2025, un atacante usó una voz generada por IA para hacerse pasar por el Secretario de Estado Marco Rubio, enviando mensajes de voz a través de Signal a ministros de relaciones exteriores, un senador en funciones y un gobernador. Ninguno de los destinatarios actuó según los mensajes. Las solicitudes habían llegado a través de una aplicación de mensajería de consumo no oficial, y esa inconsistencia por sí sola fue suficiente para desencadenar un escrutinio. El incidente fue reportado al Departamento de Estado antes de que alguien respondiera. El ataque fracasó porque los destinatarios hicieron una pausa antes de actuar.

Un módulo de cumplimiento una vez al año no construirá ese tipo de instinto. El audio deepfake está diseñado para sonar exactamente correcto. Un empleado que nunca ha experimentado un ataque de clonación de voz no tiene nada en qué basarse cuando su CFO llama solicitando una transferencia inmediata. El reflejo debe construirse antes de que llegue esa llamada.

En Adaptive Security, simulamos ataques deepfake impulsados por IA a través de voz, SMS, correo electrónico y video. Cuando un empleado recibe una llamada de una versión clonada de su CFO solicitando una transferencia bancaria urgente, es una prueba. Si falla, la plataforma ajusta su puntuación de riesgo y ofrece capacitación personalizada vinculada directamente a ese escenario. Los equipos de seguridad obtienen una visión clara y en tiempo real de dónde están más expuestos y pueden actuar antes de que un atacante lo haga.

La brecha entre una voz sintética y una humana se está cerrando más rápido de lo que la mayoría de las organizaciones se están preparando. Los equipos que realizan simulaciones y construyen hábitos de verificación hoy son los que detectarán la llamada antes de que se liquide la transferencia. Tres segundos de la voz de su CEO ya están en internet. Asegúrese de que su equipo sepa qué hacer cuando esa voz llame.

Para aprender cómo Adaptive Security ayuda a las organizaciones a prevenir ataques de ingeniería social impulsados por IA, visite adaptivesecurity.com. Patrocinado y escrito por Adaptive Security.