Uno de cada 100: los deepfakes quiebran la verificación de identidad

El 14 de julio de 2026, LexisNexis Risk Solutions dio a conocer un resultado llamado a reordenar cómo el sector discute el fraude con deepfakes: uno de cada 100 controles de identidad fallidos incluye ya un documento, una imagen o un vídeo de verificación de vida (liveness) producido de forma artificial.

Tomada por separado, esa cifra ya inquieta. Se torna catastrófica en cuanto se incorpora el denominador.

Juniper Research calcula que, a lo largo de 2026, se ejecutarán 100.400 millones de verificaciones de identidad en todo el mundo, un 16 por ciento por encima de 2025. Partiendo de una tasa de rechazo del 2 por ciento, el sector absorbe unos 2.000 millones de controles fallidos cada año. El uno por ciento de esos fallos incluye deepfakes. A esa magnitud, decenas de millones de intentos de fraude asistidos por deepfakes afloran cada año únicamente a través de la capa de detección. Y el volumen avanza a un ritmo del 180 por ciento interanual.

Esto dejó de ser un asunto de KYC. Es un asunto de infraestructura.

Qué implica de verdad "1 de cada 100" cuando se escala

Las cifras producen titulares más llamativos que cuentas útiles para la sala de dirección. Hagamos las cuentas como corresponde.

100.400 millones de verificaciones anuales equivalen a unos 275 millones de controles diarios, o 3.200 controles por segundo a escala mundial. La mayor parte de esos controles recibe aprobación. Aun así, cualquier sistema que aplique controles antifraude reales rechazará una fracción de los intentos. El conjunto total de controles fallidos es vasto.

Si falla el 1 por ciento de los 100.000 millones de controles anuales, resultan 1.000 millones de verificaciones rechazadas. El uno por ciento de esas conlleva deepfakes: 10 millones de intentos de fraude deepfake interceptados únicamente en la capa de detección, antes de sumar los que no se detectan.

El aumento del 180 por ciento interanual en ataques deepfake que anota LexisNexis no describe un crecimiento lineal de una amenaza ya conocida. Describe la expansión comercial del fraude de identidad a través de IA, con kits de ataque disponibles desde 60 dólares al mes que se lanzan contra varias plataformas sin conocimientos técnicos.

Tres fuerzas que vuelven estructural el problema

El sector ya ha afrontado antes aceleraciones del fraude. Lo que vuelve estructuralmente distinto el problema del deepfake en 2026 es que tres fuerzas convergen a la vez.

Accesibilidad. Hasta 2024, elaborar un deepfake convincente exigía habilidades técnicas relevantes, potencia de cómputo y tiempo. La democratización de las herramientas de IA generativa ha alterado esto de raíz. Un operador sin formación técnica puede producir en minutos un deepfake de documento convincente. El Identity Fraud Index de Shufti proyecta, solo en 2026, un crecimiento del 3.892 por ciento en deepfakes de documentos, un incremento 40 veces superior al de 2025, impulsado por la accesibilidad y no por tecnología nueva.

Distribución. El mercado del fraude de identidad asistido por IA ha transitado de ataques a medida ejecutados por actores especializados a operaciones de fraude como servicio empaquetado. En el estudio que dedicamos a las operaciones de bypass KYC como servicio documentamos que estos servicios se mantienen de forma activa, vienen preconfigurados para plataformas de verificación concretas y tienen precios pensados para un despliegue masivo. Los datos de Shufti de septiembre de 2026 amplían este panorama: las redes de fraude organizado reciclan estos activos entre instituciones, desplegando los mismos documentos falsificados e infraestructura de dispositivos en múltiples plataformas antes de que alguna institución pueda detectar el patrón.

Diversificación de vectores. La superficie de ataque ya no queda confinada a la detección de vida facial. Los ataques de inyección sobre la detección de vivacidad constituyen ahora el vector dominante: eluden la detección a nivel de sensor al inyectar vídeo sintético de forma directa en las tuberías de las aplicaciones. Los deepfakes de documentos avanzan más rápido que los biométricos. Y la biometría genuina robada habilita ataques de suplantación que ningún algoritmo de liveness es capaz de detectar.

Cuando coinciden herramientas accesibles, distribución comercial y diversificación de vectores, atacar una sola capa del problema no resuelve el sistema.

La predicción de Gartner ya está aquí

Gartner emitió en febrero de 2024 una predicción: para 2026, el 30 por ciento de las empresas dejarían de considerar fiables de forma aislada las soluciones de verificación de identidad a causa de los deepfakes generados por IA.

Estamos en agosto de 2026. Los datos de LexisNexis ratifican que la predicción no es teórica: es operativa. Uno de cada 100 controles fallidos implica un deepfake. Los deepfakes originan 1 de cada 5 intentos de fraude biométrico a nivel mundial. Más de la mitad de las organizaciones no consigue verificar por completo que sus datos biométricos se capturaron en vivo.

Lo que Gartner apuntaba en 2024 no era que hubiera que abandonar la verificación biométrica. Era que no podía ser la única señal. Por sofisticada que resulte, una sola verificación biométrica en el onboarding no logra sostener la garantía de identidad a lo largo de una relación cuyo perfil de riesgo puede mutar y cuyas credenciales pueden verse comprometidas.

Esa es la brecha arquitectónica que aborda el KYC perpetuo y la monitorización continua, la misma brecha que Gartner anticipó dos años antes de que llegaran los datos que la confirman.

Por qué "mejores biométricos" no es la respuesta

Cuando el fraude se acelera, el reflejo consiste en reforzar el control: mejor detección de vida, reconocimiento facial más sofisticado, biometría conductual superpuesta al reconocimiento facial.

Esas mejoras importan. El enfoque de verificación biométrica multicapa al que pivotaron Regula y AU10TIX en julio de 2026 es una evolución necesaria. Aun así, la biometría multicapa en la puerta de entrada del onboarding continúa siendo un control puntual en el tiempo. Resulta más defensible, aunque responde a la misma pregunta: "¿Quién es esta persona en este momento?"

A 100.000 millones de controles anuales y un crecimiento del 180 por ciento en ataques deepfake, el problema no se sitúa únicamente en la calidad del control puntual. Se sitúa en lo que ocurre en el intervalo entre ese control y todo lo que sucede después.

Quien supera en enero una verificación biométrica de cinco capas en el onboarding puede ver sus credenciales comprometidas en abril. Cambia su huella de dispositivo. Sube su velocidad de transacción. Varía su geolocalización de acceso. Ninguna de estas señales dispara una re-verificación bajo el modelo puntual. Bajo un modelo de inteligencia continua, cada anomalía constituye una señal y la respuesta queda calibrada.

El Grupo Wolfsberg —cuyas directrices de banca corresponsal determinan cómo las grandes instituciones financieras valoran el riesgo de contraparte— ha empezado a actualizar su orientación para recoger los fallos en la garantía de identidad como fuente de presión sistémica de des-riesgo. La inquietud no es que las instituciones individuales estén fallando sus controles KYC, sino que la tasa de fallo agregada en todo el ecosistema de verificación genera un déficit de confianza que repercute en las relaciones de banca corresponsal a nivel macro.

La arquitectura que escala

La revisión manual no logra escalar a la amenaza. Un revisor humano que trabaje con eficiencia puede evaluar unos 40 casos de verificación de identidad por hora. Ante incluso 100 millones de intentos deepfake al año, afrontar la amenaza mediante revisión manual exigiría aproximadamente 68.000 revisores a tiempo completo ocupados solo en casos deepfake, sin contar otros vectores de fraude.

Esto no es un problema de personal con solución de contratación. Es un problema de arquitectura con solución de arquitectura.

Los agentes de IA de Joinble funcionan de forma continua a lo largo del ciclo de vida del cliente y valoran señales conductuales que aparecen después de un onboarding limpio: cambios en la huella de dispositivo, variaciones en la velocidad de transacciones, anomalías geográficas, divergencias en el comportamiento de sesión y correlación de señales de riesgo entre sistemas. El agente no aguarda un ciclo de revisión periódico: monitoriza en tiempo real y actúa en tiempo real.

A la escala de 100.000 millones de controles anuales y un 180 por ciento de crecimiento anual en ataques deepfake, el modelo operativo que falla es el construido alrededor de revisores humanos y re-verificaciones periódicas. El que escala es aquel en el que los agentes autónomos gestionan la monitorización continua y los humanos gestionan las excepciones.

Qué toca hacer ahora a los equipos de cumplimiento

Los datos de LexisNexis no alertan de un problema futuro. Miden uno presente. Quienes en cumplimiento aún dependen de un único control biométrico en el onboarding, sin capa de monitorización continua, ya quedan por detrás de la curva de amenaza.

Las acciones prioritarias:

Auditar la arquitectura de controles. ¿Cuántas señales independientes evalúa el proceso de verificación en el onboarding? Si la respuesta es una (selfie contra documento) o dos (selfie más liveness), la superficie de ataque resulta demasiado estrecha.

Poner en marcha monitorización conductual continua. El onboarding abre una relación; no cierra la evaluación de riesgo. La arquitectura de verificación debe incorporar señales conductuales que persistan a lo largo del ciclo de vida del cliente.

Medir la exposición a deepfakes. ¿Cuántos fallos de verificación registró la plataforma en los últimos 12 meses? ¿Qué porcentaje implicó anomalías en documentos, rechazo biométrico o fallo de liveness?

Valorar la capacidad de detección de ataques de inyección. Preguntar de forma específica sobre detección de ataques de inyección, no solo de liveness. Los ataques de inyección de cámara eluden los algoritmos de liveness al alimentar datos sintéticos a nivel de pipeline.

El dato de 1 de cada 100 de LexisNexis es una medición de referencia de mediados de 2026. Dado el crecimiento del 180 por ciento anual, el dato a mediados de 2027 será materialmente mayor. Para los equipos de cumplimiento, la pregunta no es si el problema empeorará —lo hará— sino si la arquitectura de verificación actual fue diseñada para ese volumen.

El encuadre regulatorio de esta amenaza cambió aún más el 2 de agosto de 2026, cuando las obligaciones de divulgación de deepfakes del Artículo 50 de la Ley de IA de la UE entraron en vigor. Los sistemas de detección que registran y documentan ataques deepfake cumplen ahora una doble función: prevención del fraude y el expediente de auditoría que el Artículo 50 exige a las organizaciones dentro de su ámbito de aplicación.

---

Preguntas frecuentes

¿Qué encontró el informe de LexisNexis de julio de 2026? Según LexisNexis Risk Solutions, uno de cada 100 controles de verificación de identidad fallidos incluye ya un documento deepfake, una imagen o un vídeo de liveness. La compañía anotó además un aumento interanual del 180 por ciento en ataques deepfake. El informe salió el 14 de julio de 2026.

¿Por qué "1 de cada 100" es un problema sistémico y no una tasa de fraude manejable? Porque el denominador son 100.000 millones. A esa magnitud, incluso una tasa reducida de fallos que impliquen deepfakes se convierte en decenas de millones de intentos de fraude cada año. Lo que presiona la infraestructura de verificación y vuelve económicamente inviable la revisión humana es el volumen absoluto, no el porcentaje.

¿Qué diferencia hay entre el fraude deepfake y el fraude documental tradicional? En el fraude documental tradicional intervienen materiales alterados o falsificados de forma física. Los ataques deepfake se sirven de IA generativa para producir imágenes, vídeos o documentos sintéticos que superan los sistemas de verificación automatizados. En 2026, la superficie de ataque se ha ensanchado con los ataques de inyección, que alimentan vídeo sintético de forma directa en las API de verificación eludiendo los sensores de cámara.

¿Por qué la verificación biométrica aislada ya no es suficiente? Porque responde a una pregunta puntual: "¿Es esta persona quien dice ser en este momento?" No cubre el compromiso de credenciales posterior al onboarding, las anomalías conductuales que aparecen con el tiempo ni los ataques de inyección que eluden la capa biométrica. La predicción de Gartner de 2024 queda confirmada ahora con los datos operativos de fraude.

¿Cuál es el papel de los agentes de IA ante el fraude deepfake a esta escala? Los agentes de IA ofrecen monitorización continua a lo largo de todo el ciclo de vida del cliente: identifican anomalías conductuales que aparecen tras el onboarding y actúan en tiempo real antes de que intervengan los revisores humanos. A la escala de decenas de millones de intentos deepfake anuales, la revisión exclusivamente humana no logra mantener el ritmo.

¿Qué deben hacer primero los equipos de cumplimiento? Auditar cuántas señales independientes evalúa el proceso de verificación actual. Incorporar monitorización conductual que persista después del onboarding, valorar las capacidades de detección de ataques de inyección del proveedor y fijar una métrica base sobre qué proporción de los fallos de verificación actuales implica contenido sintético.

¿Cuándo se aplican las nuevas normas técnicas de diligencia debida de AMLA? AMLA elevó a la Comisión Europea, en julio de 2026, los Proyectos de Normas Técnicas Reglamentarias sobre Diligencia Debida del Cliente. Esas normas se aplicarán de forma directa en los 27 estados miembros de la UE a partir del 10 de julio de 2027.