Estafas telefónicas: el papel de la emoción y la urgencia

Asistimos al Informe sobre la situación de las estafas en Sudáfrica 2026: Un análisis comparativo de las tendencias de las estafas en África.
Jueves 1 de octubre a las 12:00 (CEST)

Millones de llamadas telefónicas fraudulentas revelan un patrón: provocar miedo, urgencia o entusiasmo antes de pedirle algo a la víctima. Investigaciones presentadas en un encuentro de GASA muestran que la inteligencia artificial no está abandonando esas viejas técnicas: las está amplificando. ¿Somos realmente capaces de reconocer una estafa cuando la tenemos delante? Una serie de investigaciones presentadas en un encuentro dedicado al estudio y prevención del fraude plantea una respuesta incómoda: confiamos mucho más en nuestra capacidad para detectar un engaño de lo que justifican nuestros resultados.

Uno de los estudios comenzó con algo aparentemente sencillo: entradas para espectáculos.

Doscientas personas observaron entradas reales y falsas para conciertos, partidos de fútbol, comedia y musicales en el Reino Unido. Después debían responder tres preguntas: si consideraban que la entrada era verdadera o falsa, si la comprarían y qué grado de confianza tenían en su decisión.

Los investigadores utilizaron dos clases de falsificaciones. Algunas contenían palabras mal escritas, un error que potencialmente podía ser descubierto por el comprador. Otras eran mucho más difíciles: incluían asientos que directamente no existían dentro del estadio.

En el primer caso, alrededor de la mitad de los participantes consiguió detectar el fraude. En el segundo, solamente el 35 por ciento reconoció que la entrada era falsa.

El dato más preocupante apareció cuando se compararon las entradas auténticas con aquellas que incluían asientos inexistentes: la intención de compra era prácticamente la misma.

Pero había algo todavía más significativo. Las personas mantenían un alto grado de confianza en su propio juicio. Esa confianza, sin embargo, no estaba relacionada con su capacidad real para distinguir lo verdadero de lo falso.

La urgencia como herramienta

Un segundo experimento incorporó una de las herramientas clásicas de los estafadores: la presión temporal.

A los participantes se les dijo que quedaba una sola entrada y que tenían apenas treinta segundos para decidir. Los resultados fueron muy similares, aunque se registró una ligera disminución de la confianza y un pequeño aumento en la intención de compra.

La urgencia importa porque limita una de las principales defensas frente al fraude: el tiempo necesario para pensar, comparar y verificar.

Pero los investigadores fueron un paso más allá. En un tercer estudio intentaron averiguar si una intervención educativa sencilla podía mejorar la capacidad de detección.

A algunos participantes se les explicó qué indicios debían buscar en una entrada sospechosa. A otros, además, se les permitió volver atrás y revisar la entrada antes de tomar la decisión definitiva.

Los resultados fueron importantes. Enseñar a buscar errores concretos produjo mejoras significativas. En las entradas con palabras mal escritas, la diferencia entre quienes no recibieron ninguna orientación y quienes fueron advertidos sobre esos posibles errores llegó a cerca del 40 por ciento.

La intención de compra también cayó de manera drástica: en una de las intervenciones pasó de aproximadamente cinco puntos a 2,36 en la escala utilizada por los investigadores.

Sin embargo, la intervención prácticamente no funcionó cuando el fraude consistía en asientos inexistentes.

La explicación es sencilla: no se puede detectar aquello para lo que no tenemos información suficiente.

Un consumidor puede aprender a buscar errores ortográficos. Pero difícilmente pueda memorizar la distribución de todos los estadios, teatros y salas de espectáculos del mundo.

Y esa limitación se vuelve todavía más relevante con la inteligencia artificial.

Cuando lo falso ya no parece falso

Durante las preguntas posteriores a la presentación, una investigadora planteó el problema directamente: si los estafadores pueden producir entradas completamente ficticias pero visualmente auténticas, ¿qué señales quedan para enseñarles a los consumidores?

La respuesta fue reveladora.

Cuando comenzó la investigación, explicó el expositor, las herramientas actuales de inteligencia artificial todavía no habían alcanzado su nivel actual de difusión y sofisticación. Hoy un estafador puede producir una entrada tan convincente que, en palabras del investigador, podría llegar a parecer “más realista que la entrada real”.

La cuestión excede las entradas. Puede ocurrir con inversiones, páginas web, instituciones financieras o incluso llamadas que imitan la voz de una persona conocida.

La posibilidad de distinguir simplemente por la apariencia entre lo verdadero y lo falso empieza a desaparecer.

Cuatro millones y medio de llamadas

Una segunda investigación presentada en el encuentro trasladó el problema al teléfono.

Ryan, profesor asistente del Departamento de Información de la Universidad de Texas en Austin, presentó junto con Doug Shadel, investigador con décadas de experiencia en fraude y exintegrante de AARP, un estudio sobre patrones lingüísticos y técnicas de persuasión presentes en millones de llamadas automatizadas.

Los investigadores trabajaron con datos proporcionados por Nomorobo, una empresa dedicada al bloqueo de llamadas.

La compañía mantiene una enorme red de líneas telefónicas señuelo que reciben, registran y transcriben automáticamente robocalls. No hay una potencial víctima del otro lado: las líneas existen precisamente para capturar las llamadas y estudiar su contenido.

El conjunto analizado comprendió aproximadamente 4,5 millones de llamadas recibidas entre 2018 y 2022. Cerca de un millón fueron clasificadas como estafas.

El volumen permitió observar algo difícil de estudiar mediante encuestas tradicionales: no solamente las estafas denunciadas por las víctimas, sino el lenguaje de los intentos de fraude que circulan cotidianamente.

Los investigadores buscaron cuatro grandes técnicas de persuasión:

promesa de ganancia, amenaza de pérdida, presión temporal y apelación a la autoridad.

Esta última puede consistir, por ejemplo, en invocar el nombre de una agencia gubernamental, un banco u otra institución reconocida.

Las cuatro aparecieron con mayor frecuencia en las llamadas fraudulentas que en las llamadas comerciales legítimas.

“Poner a la víctima bajo el éter”

Pero la investigación encontró un elemento todavía más profundo: la activación emocional.

Doug Shadel relató que años atrás su equipo había entrevistado a personas condenadas por cometer fraudes. Querían saber qué estrategia utilizaban para manipular a sus víctimas.

Las respuestas coincidían en un punto fundamental: antes de intentar obtener dinero o información había que conseguir que la persona entrara en un estado emocional elevado.

Los propios estafadores utilizaban una expresión para describirlo: poner a la víctima “under the ether”, bajo el éter.

Los investigadores traducen esa idea como emotional arousal: activación emocional.

Puede ser positiva o negativa. Miedo, entusiasmo, ansiedad, esperanza o sensación de urgencia pueden cumplir la misma función si consiguen reducir la capacidad de la persona para detenerse y evaluar lo que está ocurriendo.

Estudios posteriores mostraron que las personas sometidas a estados emocionales elevados tenían mayores probabilidades de creer en anuncios engañosos y de manifestar intención de compra.

El análisis masivo de las llamadas encontró precisamente ese patrón: las llamadas fraudulentas utilizaban un lenguaje significativamente más capaz de generar activación emocional que las llamadas comerciales no fraudulentas.

Los adultos mayores

El equipo estudió además las llamadas dirigidas particularmente a adultos mayores.

Entre ellas aparecen, por ejemplo, comunicaciones relacionadas con seguros funerarios o servicios cuya elegibilidad está vinculada con la edad, como Medicare en Estados Unidos.

Las estafas relevantes para este grupo mostraron todavía mayores niveles de activación emocional.

También utilizaron con mayor intensidad tres mecanismos: amenaza de pérdida, presión temporal y apelación a la autoridad.

Los investigadores advierten que el estudio analiza el contenido de las llamadas y no la respuesta directa de las personas que las reciben. Sin embargo, otras investigaciones psicológicas sugieren que determinadas características asociadas con la toma de decisiones pueden hacer que los adultos mayores sean especialmente vulnerables a algunas de estas estrategias.

¿Qué cambia con la inteligencia artificial?

El conjunto de 4,5 millones de llamadas presentaba una particularidad histórica: terminaba en 2022, justo antes de la expansión masiva de la inteligencia artificial generativa.

Los investigadores decidieron entonces hacer otro experimento.

Durante 2026 utilizaron cinco modelos contemporáneos de inteligencia artificial generativa y les pidieron producir 600 guiones de llamadas fraudulentas.

No les proporcionaron ejemplos de las llamadas del estudio anterior. Solamente les explicaron qué era una estafa y les dieron instrucciones básicas para producir un guion de robocall fraudulento.

Después compararon esos textos con las estafas telefónicas producidas por humanos recopiladas hasta 2022.

El resultado fue contundente.

Las estafas generadas mediante inteligencia artificial presentaban niveles significativamente mayores de lenguaje capaz de producir activación emocional.

Y no solamente eso.

La IA intensificó todas las técnicas de fraude analizadas: utilizó más presión temporal, más apelaciones a la autoridad, más amenazas de pérdida y más promesas de ganancia que las estafas creadas por seres humanos.

La paradoja

Esto abre una pregunta que los propios investigadores todavía están estudiando.

Una estafa que utiliza de manera más eficaz mecanismos psicológicos de persuasión podría aumentar la vulnerabilidad de quienes la reciben.

Pero también podría ocurrir lo contrario.

Si la inteligencia artificial exagera esas técnicas —demasiada urgencia, demasiadas amenazas, demasiada intensidad emocional— quizás termine haciendo que algunos fraudes sean más fáciles de reconocer.

Los investigadores están realizando nuevos experimentos para saber cómo reaccionan realmente los consumidores frente a estos mensajes.

Mientras tanto, aparece una conclusión especialmente útil para la prevención.

En un mundo en el que una voz puede falsificarse, una página web puede clonarse y una comunicación fraudulenta puede tener exactamente la apariencia de una institución legítima, quizás resulte cada vez menos útil preguntarse solamente “¿parece verdadero?”.

Hay otra pregunta posible: “¿Qué están intentando hacerme sentir para que actúe ahora?”

Si una llamada introduce repentinamente miedo, ansiedad o excitación; si amenaza con una pérdida inmediata; si promete una ganancia extraordinaria; si invoca una autoridad y, sobre todo, si exige decidir rápidamente, la combinación debería funcionar como señal de alarma.

Una de las recomendaciones surgidas del encuentro fue precisamente observar la propia reacción física y emocional. ¿La llamada produce nerviosismo? ¿Acelera el pulso? ¿Genera la sensación de que hay que actuar inmediatamente?

Ese estado emocional puede ser parte de la propia arquitectura de la estafa.

La inteligencia artificial está transformando las herramientas disponibles para los estafadores. Pero detrás de la sofisticación tecnológica persiste un mecanismo antiguo: primero alterar las emociones; después conseguir que la víctima actúe antes de pensar.

Descripción completa de los temas tratados en el encuentro sobre fraude, estafas telefónicas e inteligencia artificial

El encuentro estuvo centrado en la investigación sobre fraude, capacidad de los consumidores para reconocer estafas, mecanismos psicológicos de persuasión, robocalls, vulnerabilidad de los adultos mayores e impacto de la inteligencia artificial generativa.

Las exposiciones presentaron distintos estudios empíricos y una discusión posterior con investigadores y participantes.

1. ¿Podemos distinguir una entrada verdadera de una falsa?

La primera presentación comenzó con un ejercicio práctico. Se mostraron entradas para espectáculos y se pidió a los participantes que determinaran si eran verdaderas o falsas y explicaran qué elementos habían utilizado para tomar esa decisión.

Uno de los ejemplos contenía un error ortográfico. Otro era mucho más difícil de detectar: la entrada parecía auténtica, pero los asientos indicados no existían dentro del estadio.

La idea era demostrar que existen fraudes con distintos niveles de dificultad. Una persona puede detectar un error de escritura, pero difícilmente pueda saber si determinada fila o asiento existe en un estadio que no conoce.

Los investigadores aclararon que estos tipos de estafas no fueron inventados arbitrariamente para el experimento, sino que reproducían modalidades utilizadas por estafadores.

2. Primer estudio: 200 personas frente a entradas reales y falsas

Para estudiar experimentalmente el problema se reunieron datos de 200 participantes.

Cada uno observó cuatro entradas, reales o falsas, correspondientes a cuatro categorías:

  • conciertos;
  • fútbol;
  • comedia;
  • musicales.

Todas correspondían al Reino Unido.

Los participantes debían responder tres preguntas fundamentales:

  1. ¿La entrada es verdadera o falsa?
  2. ¿La comprarían?
  3. ¿Qué grado de confianza tienen en su decisión?

3. Dos tipos diferentes de fraude

Los investigadores compararon principalmente dos clases de entradas fraudulentas.

La primera contenía palabras mal escritas.

La segunda incluía asientos inexistentes.

Ante las entradas con errores ortográficos, aproximadamente el 50 % de los participantes consiguió reconocer que eran falsas.

Cuando el fraude consistía en un asiento inexistente, solamente alrededor del 35 % detectó que la entrada era falsa.

La explicación propuesta por los investigadores es que resulta prácticamente imposible para una persona común conocer la distribución exacta de un estadio.

4. Una entrada falsa podía tener casi la misma probabilidad de compra que una verdadera

El estudio no preguntaba solamente si las personas podían reconocer la falsificación. También medía su intención de compra.

En las entradas con errores ortográficos, la intención de compra disminuía algo frente a una entrada auténtica.

Pero cuando la falsificación consistía en un asiento inexistente, la diferencia prácticamente desaparecía: los participantes podían comprar la entrada falsa en proporciones similares a una auténtica.

También mantenían niveles de confianza similares en su decisión.

5. Confianza no significa capacidad

Este fue uno de los resultados psicológicos importantes del estudio.

Las personas podían tener mucha confianza en su capacidad para reconocer una estafa, pero esa confianza no estaba relacionada con su desempeño real.

En otras palabras, sentirse seguro de haber identificado correctamente una entrada no significaba necesariamente haber acertado.

El estudio encontró una capacidad relativamente pobre para discriminar entre entradas auténticas y fraudulentas y, al mismo tiempo, una intención de compra considerable.

6. Segundo estudio: “queda una sola entrada”

Los investigadores realizaron posteriormente otro experimento introduciendo una técnica habitual de los estafadores: la urgencia.

Les dijeron a los participantes que quedaba solamente una entrada y les dieron 30 segundos para decidir.

El objetivo era estudiar el efecto de la presión temporal sobre la decisión.

Los resultados fueron muy similares a los del primer experimento. La confianza disminuyó ligeramente y apareció una intención algo mayor de comprar la entrada, posiblemente porque los participantes tenían menos tiempo para procesar la información.

Pero la capacidad general para distinguir las entradas continuó siendo baja.

7. Tercer estudio: ¿podemos enseñar a reconocer una estafa?

La investigación pasó entonces de diagnosticar el problema a intentar prevenirlo.

Los investigadores señalaron que habían buscado intervenciones utilizadas por distintas organizaciones, pero que no habían encontrado suficiente evidencia empírica sobre qué herramientas podían mejorar específicamente la detección de entradas fraudulentas.

Diseñaron entonces un nuevo experimento con tres grupos.

El primero funcionaba como grupo de control y no recibía una capacitación especial.

Al segundo se le explicaba cómo identificar determinados signos de una entrada falsa y se le mostraba un ejemplo.

El tercer grupo recibía esa misma información y, además, tenía la posibilidad de volver atrás y revisar nuevamente la entrada antes de confirmar su decisión.

8. Una advertencia muy sencilla produjo una mejora importante

La intervención funcionó particularmente bien con los errores ortográficos.

Simplemente decirle a una persona que revisara cuidadosamente las palabras y buscara errores produjo una mejora cercana al 40 % respecto de quienes no habían recibido esa indicación.

En las intervenciones generales se observaron mejoras de alrededor del 25 % y superiores al 30 %, dependiendo de la condición experimental.

Los propios investigadores señalaron, sin embargo, una limitación: se trataba de un efecto medido inmediatamente después de la intervención. No podían afirmar que un mes después las personas conservaran la misma capacidad.

9. La intención de comprar la entrada fraudulenta cayó aproximadamente un 50 %

Otro resultado importante apareció en la intención de compra.

En la condición de control, la intención se encontraba cerca de cinco puntos en la escala utilizada.

Después de una de las intervenciones descendía a 2,36.

El investigador describió esto como una reducción cercana al 50 %, un efecto muy considerable para una intervención tan sencilla.

10. Pero la capacitación tiene límites

La misma intervención prácticamente no produjo cambios cuando el fraude consistía en asientos inexistentes.

El problema era que no existía una herramienta sencilla que pudiera enseñarse.

Para saber si un asiento existe habría que conocer previamente la configuración del estadio o lugar correspondiente.

La conclusión fue que las intervenciones funcionan cuando existen señales concretas que el consumidor puede aprender a reconocer, pero no necesariamente cuando el engaño depende de información que la persona no tiene.

11. Advertencias automáticas en plataformas digitales

La presentación pasó después a otro experimento relacionado con plataformas como Meta.

La pregunta planteada fue qué ocurriría si la propia plataforma utilizara sus sistemas para identificar una oferta potencialmente riesgosa y mostrara una advertencia al usuario.

El ejemplo presentado era un aviso similar a:

“Nuestra IA detectó un comportamiento inusual en esta cuenta. Esta oferta puede ser riesgosa”.

Los investigadores probaron distintos niveles de advertencia para observar cómo modificaban las decisiones de compra.

12. La advertencia de la plataforma redujo la susceptibilidad al fraude

El experimento mostró que las advertencias podían producir una reducción importante en la predisposición a aceptar ofertas fraudulentas.

Al mismo tiempo, los investigadores analizaron una posible objeción: que un sistema demasiado cauteloso terminara perjudicando también a vendedores legítimos.

Según los resultados presentados, eso no ocurrió de la manera temida. Las advertencias redujeron el cumplimiento frente a ofertas riesgosas y no eliminaron el interés por las ofertas legítimas.

La conclusión planteada fue que las plataformas podrían asumir una parte mayor de la prevención, en lugar de colocar toda la responsabilidad de detección sobre el consumidor.

13. La inteligencia artificial hace más difícil reconocer una falsificación

Durante las preguntas apareció una cuestión central.

Si actualmente un estafador puede utilizar inteligencia artificial para fabricar una entrada ficticia que visualmente parece completamente auténtica, ¿qué indicadores pueden enseñarse todavía al consumidor?

El investigador reconoció que no tenía una respuesta definitiva.

Cuando comenzaron el estudio, las herramientas actuales de inteligencia artificial todavía no tenían el nivel de difusión y capacidad que poseen hoy.

Ahora los estafadores pueden producir materiales extremadamente realistas. El expositor llegó a señalar que una entrada falsa podría terminar pareciendo incluso más convincente que una auténtica.

14. Ni siquiera utilizar vendedores conocidos elimina completamente el problema

Una de las soluciones discutidas fue recurrir a revendedores autorizados o plataformas reconocidas.

Pero inmediatamente apareció otra dificultad: los estafadores pueden suplantar a esas mismas compañías, construir sitios falsos que imiten a servicios legítimos y vender desde allí entradas fraudulentas.

Por lo tanto, la reputación visual o el aspecto profesional de un sitio tampoco son garantías suficientes.

Segunda exposición: millones de estafas telefónicas

15. El estudio de los robocalls

La segunda presentación estuvo a cargo de Ryan, profesor asistente del Departamento de Información de la Universidad de Texas en Austin, junto con Doug Shadel, consultor y antiguo integrante de AARP con alrededor de treinta años de trabajo en esa organización e investigación sobre fraude.

Su proyecto estudia los patrones lingüísticos y las tácticas de persuasión utilizadas en millones de llamadas automatizadas fraudulentas y comerciales.

16. El teléfono continúa siendo un canal fundamental para las estafas

Aunque las llamadas telefónicas automatizadas pueden parecer una tecnología antigua frente a los nuevos sistemas digitales, los investigadores destacaron que el teléfono continúa siendo un canal muy importante para cometer fraudes.

En Estados Unidos, explicaron, una gran proporción de las denuncias recibidas por la FCC está relacionada con robocalls y las pérdidas económicas provocadas por este tipo de estafas ascienden a decenas de miles de millones de dólares.

También señalaron que existe evidencia de que los adultos mayores reciben más llamadas automatizadas y reportan pérdidas medianas superiores.

17. El problema de estudiar solamente las estafas denunciadas

Gran parte de la investigación tradicional sobre fraude telefónico depende de lo que las víctimas recuerdan y denuncian.

Esto genera una limitación porque muchas estafas no son reportadas.

El equipo buscó entonces observar directamente qué mensajes fraudulentos están circulando, independientemente de que alguien posteriormente los denuncie.

18. Un enorme “honeypot” telefónico

Los investigadores trabajaron con Nomorobo, una compañía dedicada al bloqueo de llamadas.

La empresa mantiene un honeypot: una red de aproximadamente 300.000 líneas telefónicas señuelo que reciben llamadas automatizadas, las registran y las transcriben.

No hay una persona interactuando con el estafador. Las líneas simplemente capturan el mensaje.

Para el estudio se utilizaron llamadas correspondientes a cinco años, entre 2018 y 2022.

19. 4,5 millones de robocalls

El conjunto final contenía aproximadamente 4,5 millones de llamadas automatizadas.

Ante semejante cantidad de información, era imposible que investigadores humanos leyeran manualmente todas las transcripciones.

El equipo recurrió entonces a modelos de lenguaje para clasificarlas.

20. Utilización de GPT para clasificar millones de llamadas

Los investigadores trabajaron con un experto en fraude para construir instrucciones, definiciones y ejemplos que permitieran a GPT-4o Mini clasificar las llamadas.

El sistema debía determinar:

  • si una llamada era una estafa;
  • si era spam;
  • si no correspondía a ninguna de esas categorías;
  • y si su contenido era especialmente relevante para adultos mayores.

Los investigadores realizaron validaciones comparando las clasificaciones automáticas con las realizadas por el experto humano.

21. Diferencia entre “scam” y “spam”

El equipo estableció una distinción importante.

Consideraron scam a una llamada en la que existe poca probabilidad de que aquello prometido tenga realmente algún valor o sea entregado.

En cambio, spam podía ser una comunicación comercial no solicitada pero en la cual sí existía una posibilidad razonable de recibir el producto o servicio ofrecido.

De los 4,5 millones de registros analizados, aproximadamente un millón fueron clasificados como llamadas de estafa.

22. Cuatro grandes técnicas de persuasión

Los investigadores analizaron las palabras y expresiones asociadas con cuatro estrategias conocidas en la literatura sobre fraude:

  • promesa de ganancia;
  • amenaza de pérdida;
  • presión temporal;
  • apelación a la autoridad.

La apelación a la autoridad puede consistir, por ejemplo, en presentarse como representante de una institución pública, organismo gubernamental u otra entidad reconocida.

23. La activación emocional

Otro elemento fundamental del estudio fue el emotional arousal, que puede traducirse como activación o excitación emocional.

El equipo quería medir hasta qué punto el lenguaje utilizado en una llamada podía provocar un estado emocional elevado.

Para hacerlo recurrieron a bases de datos que asignan puntuaciones a miles de palabras de acuerdo con su capacidad para producir activación emocional.

24. Lo que los propios estafadores habían explicado

Doug Shadel recordó investigaciones realizadas años atrás con personas condenadas por fraude.

Cuando les preguntaban cuál era su estrategia general, aparecía repetidamente una misma respuesta:

llevar primero a la persona que intentaban estafar a un estado emocional elevado.

La explicación de los propios estafadores era sencilla: una persona en ese estado resulta más fácil de manipular.

Ellos denominaban a esta situación “get the victim under the ether”, algo así como colocar a la víctima “bajo el éter”.

25. La emoción puede ser negativa o positiva

La activación emocional no significa solamente miedo.

Puede ser negativa —ansiedad, temor, amenaza— o positiva —entusiasmo, expectativa de obtener dinero o un premio—.

Lo importante es sacar a la persona de un estado emocional relativamente estable y llevarla a otro de mayor intensidad.

Investigaciones anteriores habían mostrado que las personas sometidas a ese estado tenían mayor probabilidad de creer en anuncios engañosos y de manifestar intención de compra.

26. Las llamadas fraudulentas son emocionalmente más intensas

Al analizar millones de llamadas, los investigadores encontraron que las comunicaciones clasificadas como estafas tenían niveles significativamente superiores de activación emocional que las llamadas comerciales clasificadas como spam.

El resultado proporcionó evidencia a gran escala de algo que los investigadores y los propios estafadores venían observando desde hacía años: la manipulación emocional forma parte central de muchas estrategias fraudulentas.

27. Estafas dirigidas a adultos mayores

El equipo analizó además las llamadas cuyo contenido resultaba particularmente relevante para adultos mayores.

Entre los ejemplos mencionaron seguros funerarios y servicios relacionados con Medicare en Estados Unidos.

Estas estafas mostraron mayores niveles de activación emocional que las estafas dirigidas al público general.

28. Amenaza de pérdida, urgencia y autoridad

Las llamadas particularmente relevantes para adultos mayores utilizaron con mayor frecuencia:

  • amenazas de pérdida;
  • presión temporal;
  • apelaciones a la autoridad.

Los investigadores relacionaron estos resultados con literatura psicológica previa, aunque aclararon una limitación importante: su estudio analizaba las llamadas y no las respuestas reales de las personas que las recibían.

Tercera parte: inteligencia artificial y fraude telefónico

29. Un conjunto de datos anterior a la explosión de la IA generativa

Los datos de las llamadas terminaban en 2022.

Esto ofrecía a los investigadores una oportunidad particular: el conjunto correspondía prácticamente al período anterior a la expansión pública de las herramientas de inteligencia artificial generativa.

La siguiente pregunta fue entonces: ¿son diferentes las estafas telefónicas creadas por IA de las creadas por seres humanos?

30. Cinco modelos de inteligencia artificial y 600 estafas

Los investigadores utilizaron cinco modelos contemporáneos de inteligencia artificial generativa.

Les pidieron que produjeran en total 600 guiones de llamadas fraudulentas.

No les mostraron las estafas del conjunto original. Los modelos recibieron una definición de fraude y algunas instrucciones básicas sobre la modalidad y extensión del mensaje.

Posteriormente compararon los textos producidos por IA con las llamadas fraudulentas creadas por seres humanos.

31. La IA produjo mensajes emocionalmente más intensos

La primera diferencia fue muy marcada.

Los mensajes fraudulentos generados por inteligencia artificial presentaron niveles significativamente superiores de lenguaje capaz de producir activación emocional que las estafas humanas.

Los investigadores describieron el tamaño del efecto como muy grande.

En otras palabras, la IA tendía a intensificar precisamente uno de los mecanismos psicológicos centrales del fraude.

32. La IA amplificó las cuatro tácticas de fraude

El mismo patrón apareció en las estrategias de persuasión.

Las estafas creadas mediante IA utilizaron en mayor medida:

  • presión temporal;
  • apelación a la autoridad;
  • amenaza de pérdida;
  • promesa de ganancia.

Todas aparecieron con una frecuencia significativamente superior respecto de los mensajes fraudulentos generados por seres humanos.

33. ¿Eso vuelve a la IA más peligrosa o más fácil de detectar?

Los investigadores no dieron por resuelta esa pregunta.

Una posibilidad es que mensajes más persuasivos y emocionalmente intensos hagan que las personas sean más vulnerables.

Pero existe una hipótesis opuesta: la IA podría exagerar tanto las técnicas del fraude que terminara haciendo algunos mensajes más evidentes.

Por ejemplo, demasiada urgencia, demasiadas amenazas o una intensidad emocional excesiva podrían despertar sospechas.

El equipo está realizando nuevos experimentos para determinar cómo responden realmente los consumidores a esas comunicaciones.

Debate final

34. ¿Cómo reconocer hoy una llamada fraudulenta?

En las preguntas, una participante de Filipinas señaló que allí ya habían detectado robocalls y llamadas realizadas mediante bots de inteligencia artificial.

Preguntó cómo distinguirlas de llamadas comerciales legítimas que también pueden ser identificadas automáticamente como spam.

35. Mirar el contenido, no solamente la apariencia

La respuesta volvió sobre las cuatro grandes señales.

Una comunicación debería despertar especial atención cuando combina:

urgencia + amenaza de pérdida + promesa de ganancia + apelación a una autoridad.

El problema de la inteligencia artificial es que una comunicación falsa puede parecer visual y auditivamente legítima. Puede presentarse como un banco o como un organismo gubernamental.

Por eso los investigadores propusieron prestar más atención a qué está intentando conseguir el mensaje y qué técnicas está utilizando, independientemente de lo auténtico que parezca.

36. Observar nuestra propia reacción

La última recomendación fue particularmente interesante porque desplaza la atención desde el teléfono hacia la propia persona.

Los investigadores sugirieron preguntarse:

¿Esta llamada me está poniendo nervioso?

¿Me está provocando miedo?

¿Siento que tengo que hacer algo inmediatamente?

¿Está generando deliberadamente un estado emocional elevado?

Esa reacción puede convertirse en una bandera roja.

Si una llamada consigue alterar intensamente el estado emocional, la recomendación es detenerse y realizar pasos adicionales para verificar la información antes de actuar.

Conclusiones generales del encuentro

Las distintas investigaciones convergieron en varios puntos.

Las personas no son especialmente buenas distinguiendo determinados fraudes de situaciones auténticas, y su confianza en esa capacidad puede ser mucho mayor que su desempeño real.

Las intervenciones educativas pueden mejorar considerablemente la detección cuando existen señales concretas que pueden enseñarse, pero tienen límites cuando el fraude reproduce de manera convincente una situación legítima.

Las estafas telefónicas recurren sistemáticamente a mecanismos psicológicos de persuasión: promesas, amenazas, urgencia, autoridad y activación emocional.

Las llamadas dirigidas especialmente a adultos mayores presentan niveles todavía mayores de algunas de esas estrategias.

Y la inteligencia artificial generativa introduce una nueva dimensión: en los experimentos presentados, los mensajes producidos por IA amplificaron tanto la activación emocional como las cuatro grandes tácticas de fraude estudiadas.

El interrogante que quedó abierto es si esa intensificación hará que las futuras estafas sean más eficaces o, paradójicamente, si su exageración permitirá reconocerlas con mayor facilidad.

En cualquier caso, una idea atravesó las distintas exposiciones: en un escenario donde lo falso puede parecer perfectamente auténtico, prevenir una estafa ya no depende únicamente de aprender a reconocer cómo luce una falsificación. También exige comprender cómo se intenta manipular una decisión.