Deepfakes y seguros: cuando una imagen ya no alcanza para cobrar

Un simple clic ya no alcanza para demostrar un choque o una rotura. La foto que durante años fue la prueba reina de los siniestros ahora puede ser fabricada, alterada o generada por inteligencia artificial, y las aseguradoras corren contra el reloj para no caer en la trampa.

El cambio es radical. Lo que antes se resolvía con un par de imágenes desde el celular, hoy exige un análisis profundo. Los deepfakes y la IA generativa pusieron en jaque el sistema de validación de daños, y las compañías de seguros ya no saben si lo que ven es real o una elaborada mentira.

El fenómeno no es menor. Según el informe The Battle Against AI-Driven Identity Fraud, elaborado por Signicat a partir de una encuesta a más de 1.200 responsables de prevención del fraude en el sector financiero de siete países europeos, los intentos de fraude con deepfakes crecieron un 2.137% en los últimos tres años. Además, el 42,5% de los intentos detectados ya involucran herramientas de inteligencia artificial.

Aunque el estudio se enfoca en el sistema financiero, sus conclusiones son cada vez más aplicables al mercado asegurador. Fotografías, certificados médicos, presupuestos, comprobantes de gastos e incluso documentos de identidad pueden ser alterados o generados con IA con un realismo que hace casi imposible distinguir lo auténtico de lo falso.

¿Qué está en juego?

Este nuevo escenario no solo incrementa el riesgo de fraudes exitosos. También eleva los costos de investigación, alarga los tiempos de validación de los siniestros y pone bajo presión el equilibrio entre ofrecer respuestas rápidas y mantener controles efectivos.

«Lo que está cambiando no es solamente el fraude. Está cambiando el concepto de evidencia. Una fotografía ya no puede asumirse como prueba suficiente por sí sola», sostiene Silvia Pascual, Business Manager de Flux IT. Para la especialista, el desafío es combinar tecnologías que detecten manipulaciones con procesos que integren múltiples fuentes de información y mantengan al analista humano como responsable de las decisiones críticas.

La respuesta de las aseguradoras

Muchas compañías ya incorporaron herramientas de IA que analizan grandes volúmenes de datos, comparan información de distintas fuentes y detectan patrones anómalos. Estas soluciones permiten autenticar imágenes de siniestros, identificar alteraciones, resumir expedientes y marcar casos sospechosos para que los especialistas concentren sus esfuerzos donde realmente hay mayor riesgo.

En ese terreno, Flux IT asegura haber desarrollado modelos que combinan machine learning, análisis de metadatos e inconsistencias visuales para asistir a los investigadores. Según la empresa, las implementaciones sobre fotografías de vehículos y documentación de siniestros alcanzaron niveles de precisión de entre el 97% y el 100%, sin registrar falsos positivos.

Pero la carrera tecnológica tiene una trampa: las mismas herramientas que usan las aseguradoras para detectar irregularidades también las aprovechan los estafadores. La IA permite crear imágenes hiperrealistas, documentos falsificados e identidades sintéticas cada vez más difíciles de detectar, lo que obliga a elevar permanentemente los estándares de control.

Desde Flux IT advierten que no existe una única solución tecnológica. La estrategia debe combinar automatización, integración de información, datos confiables y supervisión humana. El objetivo no es sumar más IA por sumar, sino usarla donde aporte valor y permita reducir costos y tiempos sin deteriorar la experiencia de los asegurados.

A medida que la gestión de siniestros avanza hacia procesos completamente digitales, la confianza deja de depender exclusivamente de la documentación presentada. El verdadero diferencial pasa a ser la capacidad de verificar su autenticidad. En la era de la inteligencia artificial, una imagen ya no es una prueba suficiente: ahora también debe demostrar que es real.