Tu voz ya no es tuya: la biometría que la banca rompió

Durante una década, bancos como HSBC y Lloyds vendieron la idea de que tu voz era una credencial imposible de falsificar. La arquitectura ya estaba rota desde 2019, años antes de que la clonación de IA se volviera un problema masivo en 2026. Lo que cambió no es la vulnerabilidad — es que ya nadie puede seguir fingiendo que no la vio venir.

“Mi voz es mi contraseña”: una promesa vendida como ingeniería

A mediados de la década de 2010, bancos como HSBC y Lloyds en el Reino Unido, y Chase, Wells Fargo y TD Bank en Estados Unidos, lanzaron sistemas de autenticación por voz y los presentaron como biometría a prueba de clonación, comparable a una huella dactilar. Lloyds explicaba a sus clientes que su sistema analizaba más de cien rasgos distintos de la voz para verificar identidad, un lenguaje pensado para transmitir certeza técnica, no probabilidad. El argumento comercial era simple: tu voz es tuya, nadie más puede reproducirla, así que sirve como llave.

Ese argumento nunca fue del todo cierto, ni siquiera cuando se empezó a vender la idea. La tecnología para clonar una voz de forma convincente existía desde antes de que los bancos adoptaran la voz como factor de autenticación a escala masiva. Lo que faltaba no era la técnica, sino que alguien la usara contra el sistema que la banca acababa de construir sobre ella.

La grieta de 2019 que se trató como anomalía

Esa prueba llegó en marzo de 2019. Según reportó el Wall Street Journal citando a la aseguradora Euler Hermes, el director de una empresa energética con sede en el Reino Unido recibió una llamada de quien creyó era el director de la matriz alemana, pidiéndole transferir con urgencia 220,000 euros a un proveedor húngaro. La voz tenía el acento y la cadencia correctos. El dinero salió en menos de una hora y terminó dispersado entre cuentas en México y otros países. Fue, según especialistas consultados por la aseguradora, el primer caso documentado de fraude financiero con voz clonada por IA.

No fue el único. En enero de 2020, según documentos judiciales revelados por Forbes, estafadores combinaron una voz clonada con correos falsificados para convencer al gerente de una sucursal bancaria en Emiratos Árabes Unidos de autorizar transferencias por 35 millones de dólares, presentadas como parte de la adquisición de una empresa. El gerente reconoció la voz porque ya había trabajado antes con el ejecutivo real. Las autoridades emiratíes identificaron al menos 17 personas involucradas en el reparto del dinero entre bancos de distintos países.

Ambos casos se cubrieron como curiosidades tecnológicas, no como advertencia estructural. La banca siguió vendiendo voz como credencial durante los seis años siguientes.

Cuando el periodismo reveló lo que ningún regulador vio

La prueba pública, la que no dependía de investigadores forenses ni de documentos judiciales filtrados, llegó de reporteros con herramientas de consumo. Según una columna publicada en Forbes Business Council en julio de 2026, en 2023 un periodista de Vice clonó su propia voz de forma gratuita y entró a su cuenta de Lloyds leyendo la frase “mi voz es mi contraseña” con un clon que no era su voz real. En 2024, un periodista de la BBC repitió el ejercicio y accedió a cuentas en Santander y Halifax. La BBC documentó el caso de forma directa: los bancos respondieron, en ambos casos, que la autenticación por voz es solo una capa de seguridad entre varias.

Un reportero con un clon de voz gratuito probó en público lo que ningún regulador logró en una década: “mi voz es mi contraseña” nunca fue seguridad, fue una frase de marketing disfrazada de ingeniería.

Esa respuesta institucional es, en sí misma, una admisión. Si la voz es “solo una capa”, entonces nunca funcionó como la credencial única e infalsificable que se le vendió al cliente durante años.

Tres segundos o cinco minutos: la cifra que nadie termina de confirmar

Hay un dato que circula sin resolverse del todo. El informe “The Artificial Imposter” de McAfee (2023) sostiene que un clip de tres segundos de audio puede producir un 85% de coincidencia de voz, hasta 95% con más entrenamiento. Esa cifra es la que repiten la mayoría de las notas sobre clonación de voz, incluidas coberturas mexicanas sobre extorsión telefónica.

Pero según una verificación de Maldita.es, citando directamente la documentación oficial de ElevenLabs — una de las plataformas de referencia en clonación de voz por IA —, un clon verdaderamente convincente requiere entre uno y cinco minutos de audio limpio y sin comprimir para el modo instantáneo, y más de treinta minutos para el modo profesional de alta fidelidad. Un “hola” de dos segundos capturado en una llamada telefónica comprimida no cumple ninguno de esos dos umbrales, según los especialistas consultados por ese medio.

Las dos cifras no se pueden reconciliar con la información disponible: no es lo mismo un porcentaje de coincidencia técnica en laboratorio que un clon capaz de sostener una conversación de extorsión en tiempo real. Este artículo no elige un bando. La discrepancia queda señalada porque, mientras no se resuelva, cualquier cifra que un banco o un medio repita sobre “cuántos segundos hacen falta para clonarte” debe leerse con esa duda de fondo.

El retiro silencioso, no el rediseño

En 2026, ningún banco ha anunciado públicamente que la autenticación por voz fue un error de diseño. Lo que se observa, en cambio, es un retiro gradual disfrazado de refuerzo. En México, la Comisión Nacional Bancaria y de Valores y la Asociación de Bancos de México confirmaron que, desde el 1 de julio de 2026, las operaciones en efectivo en ventanilla iguales o mayores a 140,000 pesos requieren identificación oficial vigente y al menos un dato biométrico adicional — huella o reconocimiento facial —, aunque esta capa aplica a depósitos y retiros en efectivo, no específicamente a la autenticación por voz, y excluye a los cajeros automáticos.

En Argentina, Banco Galicia, Naranja X y Santander se sumaron en 2025 a una red interbancaria de intercambio de datos de fraude en tiempo real basada en el comportamiento del usuario en pantalla, no en su voz. Es la misma lógica en otro formato: sumar capas de detección conductual alrededor de una credencial que nadie audita directamente, en lugar de sacarla de circulación.

Nada de esto es exclusivo de la banca. La misma industria que automatiza el fraude en granjas de trata también automatiza las llamadas de suplantación de voz: la infraestructura de call centers forzados y la infraestructura de vishing (estafa de phishing realizada mediante llamadas de voz) con voz clonada no son sistemas separados, comparten proveedores, guiones y a veces hasta las mismas víctimas. Ese artículo de esta serie documenta la cadena de producción del lado del fraude organizado; este documenta la cadena de negación del lado institucional. El fraude de extorsión familiar con voz clonada que ya se cubrió en este sitio describe la mecánica individual de esa misma vulnerabilidad — la versión que le pasa a una familia por teléfono, no a un banco por ventanilla.

La pregunta que ninguna institución quiere responder en voz alta

Nada de lo anterior significa que la voz haya dejado de usarse como factor de autenticación. Sigue activa en decenas de canales bancarios, gubernamentales y corporativos en 2026, casi siempre presentada con el mismo lenguaje de seguridad inquebrantable que se usó desde el inicio.

Ninguna institución ha dicho en voz alta que vendió una credencial que nunca fue lo que prometía; solo la fue retirando por partes.

Si ninguna institución está dispuesta a admitir públicamente que vendió durante una década una credencial que nunca cumplió lo que prometía, ¿cuántas otras pruebas biométricas que hoy se presentan como “inclonables” — huella, rostro, iris — están a una generación de modelos de distancia del mismo colapso silencioso?