Incode explica por qué las empresas deben fortalecer las defensas de IA contra Deepfakes
January 21, 2026
January 21, 2026
En este TechCrunch artículo podemos explorar cómo ataques deepfake están escalando y por qué las empresas deben fortalecer sus defensas de IA a medida que la IA generativa reduce el costo y la complejidad del fraude de identidad.
La pieza resalta cómo Incodigo está abordando estas amenazas mediante Visión profunda, su defensa más avanzada contra ataques de identidad sintética y deepfake, diseñado para proteger la confianza digital a medida que las tácticas de fraude evolucionan más rápido que las comprobaciones de identidad tradicionales.
Lea la transcripción de este artículo, publicado por TechCrunch el 21 de enero de 2026.
Los deepfakes han evolucionado mucho más allá de las curiosidades de Internet. Hoy en día, son una potente herramienta para los ciberdelincuentes, que permite el fraude sofisticado en la incorporación, recuperación de cuentas, verificación de socios y autenticación de empleados. Solo en 2025, se estima que los ataques deepfake han costado a las organizaciones tanto como $1.5 mil millones, lo que ilustra lo mucho que está en juego la suplantación de identidad basada en la IA en las operaciones comerciales.
A medida que el contenido generado por IA se vuelve más realista y accesible, los actores de amenazas lo están convirtiendo en armas con una precisión cada vez mayor. Tres cuartas partes (72%) de líderes empresariales anticipan El fraude generado por la IA, incluidos los deepfakes, será uno de los principales desafíos operativos en 2026. Las empresas deben encontrar urgentemente formas de separar la realidad de la ficción antes de que estos ataques comprometan la confianza, los ingresos y la continuidad operativa.
“Los deepfakes se han movido mucho más allá de la novedad, se han convertido en un arma seria de fraude”, dijo Ricardo Amper, Fundador y CEO de Incode Technologies. “Cuando la identidad misma puede ser fingida de manera convincente, la confianza colapsa en cada interacción digital. El reto ahora es demostrar que hay un humano real detrás de la cámara, no uno sintético, antes de que se explote esa confianza”.
Los datos reflejan esta aceleración. Casi la mitad (46%) de las empresas encuestadas en 2025 reportaron un aumento anual en el deepfake y el fraude generativo de IA. Desde 2023, los intentos de fraude impulsados por deepfake se han duplicado en la banca, se han multiplicado por seis en los pagos y se han multiplicado por siete en el trabajo de trabajo en serie, lo que demuestra la rapidez con la que estos ataques se están escalando en las industrias digitales.
La detección tradicional de deepfake se ha centrado en gran medida en lo que es visible en el marco: artefactos faciales, movimiento antinatural y otras anomalías visuales. Eso sigue siendo importante, más que nunca con la introducción de los últimos modelos que crean videos e imágenes hiperrealistas, pero ya no es suficiente por sí solo porque los atacantes no solo están manipulando la cara, sino que están manipulando la ruta de entrega.
Cada vez más, los ciberdelincuentes utilizan tácticas de inyección para alimentar videos pregrabados o sintetizados en un flujo de autenticación a través de cámaras virtuales, dispositivos emulados o puntos finales comprometidos. En esos escenarios, el sistema puede estar analizando una transmisión que nunca vino de una captura de cámara real en vivo en primer lugar, lo que puede socavar los pasos de verificación estándar.
Es por eso que las defensas modernas deben ser holísticas: validar la integridad del dispositivo y la tubería de la cámara, detectar signos de sustitución de flujo o manipulación, y aún así inspeccionar el video en sí para su manipulación. Tratar el contenido y la ruta de captura como una única superficie de amenaza es lo que cierra la brecha entre “detectar una cara falsa” y detener a un atacante que puede inyectar un feed falso.
Los riesgos son significativos:
Incluso expertos capacitados están empezando a tener dificultades con los últimos deepfakes. A medida que los modelos generativos mejoran, las instrucciones son más sutiles y la revisión manual se convierte en una rutina: la fatiga se establece después de cientos de decisiones, y la “alta confianza” puede convertirse en conjeturas. Y como hemos visto con las técnicas de inyección, incluso un video que parece completamente legítimo puede no reflejar lo que una cámara real está capturando en primer lugar. Incluso cuando múltiples revisores evalúan el mismo contenido y llegan a un consenso, ese consenso ya no es una garantía de verdad. Estos desafíos resaltan las limitaciones de la detección humana y subrayan la creciente necesidad de defensas automatizadas de extremo a extremo que puedan seguir el ritmo de los últimos ataques deepfake.
Incode Deepsight es un sistema basado en IA diseñado para detectar y detener deepfakes, ataques de inyección y fraude de identidad sintético, todo sin interrumpir a los usuarios legítimos. A diferencia de las soluciones de señal única que dependen únicamente de anomalías visuales, Deepsight evalúa múltiples capas de actividad en cada sesión, evitando ataques antes de que lleguen a los flujos de verificación.
Juntas, estas capas validan de manera cruzada la actividad para crear una defensa integral integral de extremo a extremo contra ataques cada vez más sofisticados.
Pruebas independientes en la Universidad de Purdue confirma la eficacia de Deepsight en condiciones del mundo real. El benchmark Political Deepfakes Incident Database (PDID) de Purdue replica el contenido de baja resolución, comprimido y de circulación social que las empresas encuentran diariamente en plataformas como X/Twitter, YouTube, TikTok e Instagram.
En estas evaluaciones, Deepsight:
Las pruebas internas en 1.4 millones de sesiones de verificación empresarial reforzaron estos resultados: Deepsight logró una tasa de aceptación falsa 68 × menor que la siguiente mejor solución comercial, y evitó decenas de miles de sesiones fraudulentas, lo que demuestra una protección sólida y de baja fricción contra el fraude impulsado por la IA.
Los ataques deepfake modernos explotan sistemas completos, no solo contenido visual, lo que hace que la detección de una sola capa sea inadecuada. El enfoque multicapa de Deepsight, que evalúa la percepción, el comportamiento y la integridad del dispositivo/video, garantiza que incluso los ataques sofisticados de múltiples vectores se detecten antes de comprometer la verificación de identidad. Cada capa refuerza las demás, lo que permite a las empresas escalar la seguridad junto con el crecimiento del negocio sin sacrificar la usabilidad, la conversión o la experiencia del cliente.
A medida que aumentan los ataques de identidad sintética y deepfake, las empresas no pueden permitirse el lujo de tratar la detección como opcional. Las defensas de IA multicapa como Incode Deepsight previenen el fraude, reducen los falsos positivos, mantienen experiencias de usuario fluidas y preservan la confianza en las interacciones digitales. Con validación independiente y capacidad comprobada para detectar ataques que los revisores humanos y los sistemas de señal única pasan por alto, Deepsight equipa a las empresas para mantenerse un paso por delante de los actores de amenazas.
TechCrunch es una de las principales publicaciones tecnológicas del mundo, conocida por sus informes detallados sobre nuevas empresas, avances en IA, ciberseguridad, innovación empresarial y mercados tecnológicos emergentes. A través de características analíticas, entrevistas de la industria y cobertura de tendencias, el medio proporciona a los fundadores, inversores y líderes mundiales una visión autorizada de las fuerzas que configuran el futuro de la tecnología y la seguridad digital.
Lea el artículo completo aquí y aprende más sobre Deepsight de Incode aquí.
Discover more articles, news and trends.
%20(1).avif)
