Científicos crean un sistema para detectar deepfakes en videoconferencias en tiempo real

Un grupo de investigadores ha creado un sistema de alerta sobre interlocutores sintéticos para videoconferencias en tiempo real. Es una respuesta al hecho de que las tecnologías de deepfake ya imitan voz y apariencia con tanta convicción que el control visual estándar ha dejado de funcionar.

Por qué las videollamadas se han convertido en blanco de los estafadores

Las videoconferencias son hoy una herramienta básica de los negocios: por ellas se hacen entrevistas de trabajo, se firman acuerdos y se verifica la identidad de clientes y socios. Tradicionalmente, la videollamada inspiraba más confianza que un correo o una llamada de voz: parecía difícil hacerse pasar por otra persona mirando a la cámara. Esa lógica ya no se sostiene.

Las tecnologías de deepfake actuales pueden superponer un rostro ajeno al flujo de vídeo en tiempo real y clonar la voz al mismo tiempo, con un retardo de síntesis que ya casi no se nota. El resultado: el participante de la llamada mira a los «ojos» de su interlocutor, oye una voz conocida y, sin saberlo, habla con una imagen totalmente sintética generada por una red neuronal.

• Los deepfakes falsifican rostro y voz a la vez, durante la propia llamada
• La calidad de la síntesis ha llegado a un nivel en el que el análisis visual ya no basta
• Las videoconferencias son un objetivo directo: negociaciones, verificación de identidad, decisiones financieras
• La mayoría de los detectores de deepfakes existentes trabajan con grabaciones, no en tiempo real

Cómo funciona el sistema de alerta

El sistema analiza el flujo entrante de vídeo y audio durante la propia llamada y muestra una advertencia si detecta indicios de síntesis. Su objetivo clave no es sustituir el criterio de la persona, sino darle una señal a tiempo, antes de que tome una decisión basada en la confianza en su «interlocutor».

Los detectores de deepfakes buscan huellas características de la generación: desincronización entre la mímica y el habla, artefactos en los bordes del rostro y del cabello, anomalías en el movimiento de los ojos, parpadeo poco natural y patrones de iluminación atípicos. La tarea se complica porque las redes neuronales generadoras mejoran sin cesar, de modo que el detector trabaja en medio de una carrera tecnológica permanente.

«Cada vez con más frecuencia tenemos que preguntarnos si los ojos que nos miran desde la pantalla son reales», se afirma en un artículo de

TechXplore AI sobre la amenaza de los deepfakes en las videoconferencias.

La alerta debe aparecer en la interfaz de la llamada en tiempo real; de lo contrario pierde su valor práctico y se convierte en una herramienta de investigación retrospectiva, no en una protección en vivo.

Por qué la solución llega ahora

Entre 2025 y 2026, la calidad de los deepfakes dio un salto brusco: las herramientas comerciales y de código abierto disponibles permiten crear falsificaciones convincentes sin conocimientos técnicos especiales. La barrera de entrada ha bajado tanto que la tecnología está en manos de un amplio abanico de delincuentes, desde estafadores telefónicos hasta autores de espionaje corporativo.

Los detectores de deepfakes basados en IA existen desde hace varios años, pero la mayoría trabajan a posteriori: analizan vídeo ya grabado. Un sistema en tiempo real es un problema radicalmente distinto: el algoritmo debe emitir su veredicto en milisegundos, mientras la conversación sigue en marcha y el usuario aún no ha tomado la decisión clave.

Qué significa esto

La aparición de herramientas prácticas de alerta sobre deepfakes integradas en la interfaz de las videollamadas es un paso importante para la seguridad corporativa y la identificación en línea. Para las empresas que usan videoconferencias para verificar clientes, negociar operaciones financieras o tomar decisiones de personal, una herramienta así cierra una vulnerabilidad real: la que el ojo humano, en la era de la IA generativa, ya no cubre.