Clonar una voz lleva 30 segundos. Por qué su director financiero debería saberlo
A principios de 2024, clonar una voz requería horas de datos de entrenamiento y una infraestructura sofisticada. A mediados de 2026, hay API comerciales que ofrecen clones de voz convincentes a partir de 30 segundos de audio, por menos de 10 € por generación.
El problema del fraude en transferencias
La autenticación por voz solía funcionar como un factor más junto a las contraseñas. Era razonable: se consideraba que una voz era difícil de falsificar. Esa premisa ya no se sostiene.
El patrón que los equipos de seguridad describen con más frecuencia: un atacante obtiene la voz de un consejero delegado de un pódcast público o de una presentación de resultados. Genera un clon. Llama al director financiero fuera del horario laboral y le dice que hace falta una transferencia urgente para cerrar una adquisición esa misma noche. El director financiero reconoce la voz. La transferencia sale. El verdadero consejero delegado se entera el lunes por la mañana.
La suplantación de identidad ya mueve miles de millones: solo en EE. UU., las víctimas declararon pérdidas de 3500 millones de dólares por estafas de suplantación de identidad en 2025 (fuente: U.S. Federal Trade Commission, junio de 2026).
Qué cambia para los equipos directivos
Tres cambios de procedimiento que todo equipo debería hacer:
- La voz por sí sola ya no autentica. Añada un segundo factor (códigos verbales acordados previamente, devolución de la llamada a números conocidos o confirmación por otro canal) para cualquier operación financiera.
- Reduzca la exposición pública de la voz cuando sea posible. Las presentaciones de resultados y los pódcast forman parte del trabajo, pero no todos los vídeos internos tienen que ser públicos.
- Vigile los clones de las voces de los directivos en circulación. Si existe un clon, se usará. Detectarlo antes de que se utilice da tiempo para reaccionar.
Lo que puede hacer la tecnología
La detección de voces clonadas mejora, pero no es perfecta. Funciona mejor con grabaciones limpias y es menos fiable en llamadas telefónicas, donde la compresión oculta las huellas que busca. Lo correcto es combinar capas: detección cuando es posible, verificación procedimental cuando no lo es y vigilancia continua de los clones no autorizados que aparecen en internet.
En resumen
La clonación de voz ya es infraestructura, no una novedad. Todo directivo con un papel público tiene un perfil de voz que se puede clonar. Tratarlo como un activo de seguridad, vigilado, autenticado y protegido, ya no es opcional.