Cómo la IA falsifica documentos y cómo detectarlo

Última actualización: 2026-10-19

Durante la mayor parte de la última década, detectar un documento falsificado era cuestión de mirar con atención. Las falsificaciones aficionadas tenían fuentes desiguales, logotipos equivocados o columnas de saldo que no cuadraban. Un ojo entrenado, unos minutos y una calculadora solían bastar.

La IA generativa cambió ese punto de partida. Un falsificador ya no necesita habilidades de diseño ni paciencia: solo una instrucción y unos segundos. El resultado es un documento que, a primera vista y muchas veces también a segunda, se ve exactamente como el auténtico. Entender cómo se hacen estas falsificaciones es el primer paso para detectarlas.

Lo que la IA puede y lo que todavía no puede falsificar

Los modelos modernos de lenguaje y de imagen pueden reproducir con gran fidelidad la estructura visual de un estado de cuenta bancario, una factura o un recibo de nómina. Aciertan bastante con los logotipos, generan filas de transacciones verosímiles y mantienen un formato numérico coherente. Lo que no pueden hacer de forma confiable —todavía— es reproducir la estructura interna exacta de los PDF que genera un banco real.

Un PDF auténtico generado por el sistema bancario central de un banco lleva una huella de software específica: los campos Producer y Creator de los metadatos, la forma en que se incrustan las fuentes, la disposición del árbol de objetos y la configuración de compresión reflejan el conjunto de software particular de ese banco. Los documentos generados con IA suelen crearse con un modelo de lenguaje que renderiza a una biblioteca de PDF genérica, la cual deja su propio conjunto de huellas.

Por qué la apariencia ya no es evidencia

El problema de fondo es que la inspección visual siempre fue un atajo, no un método. Funcionaba bastante bien cuando falsificar un documento era difícil. Ahora que es fácil, la apariencia no dice casi nada sobre la autenticidad.

Un documento que se ve perfecto puede ser fraudulento. A la inversa, un documento con una pequeña rareza de formato puede ser totalmente auténtico: los bancos actualizan sus plantillas, los usuarios imprimen y vuelven a escanear, y distintas sucursales usan versiones de software ligeramente diferentes. Confiar solo en la apariencia significa juzgar un concurso de falsificaciones con las reglas del propio falsificador. Las guías de verificación de este sitio coinciden en lo mismo: mire los metadatos y la estructura, no la superficie.

Verificaciones que siguen funcionando

Metadatos y rastros del software. Las herramientas de IA que generan PDF suelen dejar un campo Producer reconocible: una biblioteca de Python, un renderizador de navegador sin interfaz o un kit de herramientas PDF genérico. Abra las propiedades del archivo y compare los campos Producer y Creator con lo que esperaría del banco. Un estado de cuenta supuestamente emitido por un gran banco polaco o ucraniano debería mencionar el sistema de ese banco, no una biblioteca genérica. Consulte la guía completa de metadatos para saber cómo leer estos campos.

Marcas de tiempo de modificación y creación. Los documentos generados con IA se crean en el momento de la generación, por lo que la marca de tiempo de creación puede ser posterior al periodo que el estado de cuenta dice cubrir. Un "estado de cuenta de enero" creado con IA en abril mostrará una fecha de creación de abril, a menos que el falsificador haya editado los metadatos a mano, lo que a su vez deja rastros en el flujo de objetos.

Huellas de las fuentes. Los bancos incrustan fuentes específicas y con licencia en sus PDF. Un documento generado con IA usa las fuentes que tenga disponibles el motor de renderizado, que rara vez son las mismas. Con mucho zoom, la forma de las letras de una falsificación hecha con IA puede diferir sutilmente de la auténtica. De forma más confiable, una herramienta forense puede leer directamente las tablas de fuentes incrustadas y compararlas con archivos auténticos conocidos del mismo banco.

Coherencia matemática. Los modelos de IA pueden introducir cifras que parecen verosímiles pero son aritméticamente incorrectas. Compruebe que saldo inicial + abonos − cargos = saldo final. Compruebe que las partidas de una factura suman el total indicado y que el IVA se aplica a la tasa indicada. Consulte la guía sobre cómo detectar una factura falsa para ver cómo se aplica esta verificación a las facturas.

Cotejar con una plantilla de referencia es la verificación más confiable. Si tiene un estado de cuenta auténtico del mismo banco y del mismo periodo, una comparación cuidadosa, lado a lado, de la estructura de objetos del PDF —no solo de su apariencia— revelará discrepancias que una falsificación con IA no puede ocultar.

La carrera armamentista: detectores contra generadores

Las herramientas de detección de IA que buscan patrones estadísticos en el texto o las imágenes generadas están mejorando, pero los generadores también. Un detector entrenado con una generación de modelos puede no detectar la siguiente. Esto no es motivo para abandonar la detección: es motivo para no depender de un solo método.

El enfoque más duradero es verificar propiedades que a los generadores les cuesta falsificar por razones estructurales: la disposición interna de objetos de un PDF generado por el software de un banco específico, los parámetros exactos de incrustación de fuentes y de compresión, y los flujos de metadatos que una biblioteca de PDF genérica no puede replicar con precisión sin conocer la configuración exacta del software del banco.

Verificación forense del propio archivo

La defensa más sólida contra el fraude documental generado con IA es dejar de mirar la imagen y leer el archivo. El análisis forense examina la estructura interna del documento —el árbol de objetos del PDF, el historial de actualizaciones incrementales, las tablas de incrustación de fuentes y los flujos de metadatos— y se pregunta si todo encaja: si un solo generador lo produjo de una sola pasada, si algo se escribió encima después, si las cifras de la página concuerdan entre sí. Un documento generado con IA puede verse perfecto y, aun así, desmoronarse estructuralmente de una docena de maneras.

El método es universal: examinar el árbol de objetos en busca de capas de edición, cotejar las tablas de fuentes y señalar anomalías en el historial de creación y modificación. Nada depende de que tengamos una plantilla de la institución emisora, así que un estado de cuenta de un pequeño banco regional se lee con el mismo detalle que uno de un banco conocido por todos. El resultado incluye una puntuación de confianza y un resumen de lo que fue y lo que no fue coherente con un documento auténtico.

Qué significa esto para prestamistas y arrendadores

Cualquiera que tome una decisión financiera con base en un documento —aprobar un préstamo, firmar un contrato de arrendamiento, entregar mercancía— opera ahora en un entorno donde una falsificación pulida se produce en segundos. La respuesta práctica es integrar la verificación de documentos en el proceso, no tratarla como un extra opcional para los casos sospechosos. Los prestamistas y arrendadores que verifican de forma rutinaria tienen una ventaja estructural: detectan el fraude a tiempo, antes de la pérdida, y reducen el incentivo de los solicitantes para intentarlo.

Sus documentos se procesan bajo estrictos protocolos de seguridad y del RGPD y se eliminan dentro de los 30 días posteriores a la carga. La verificación no es una señal de desconfianza hacia un solicitante: es una parte habitual de una debida diligencia responsable.

Preguntas frecuentes.

¿Se pueden detectar los documentos falsos generados con IA?

Sí. Las herramientas generativas reproducen el aspecto de un documento, no su origen. La estructura interna del PDF, las huellas del generador y los rastros de edición siguen delatando las falsificaciones en un análisis forense.

¿Por qué ya no basta con la inspección visual?

Porque la IA produce logotipos correctos, cifras verosímiles y diseños limpios en segundos. La apariencia ya no distingue lo auténtico de lo falso: la evidencia está en los metadatos, en la estructura de objetos y en verificaciones cruzadas que un visor nunca muestra.

¿Qué verificaciones siguen funcionando contra las falsificaciones con IA?

Las que se apoyan en algo fuera de la imagen: los metadatos y el historial de edición del PDF, el cuadre de saldos, la coherencia entre la estructura del archivo y el software del que dice provenir, y la confirmación independiente: llamar al empleador, consultar el registro, esperar a que el dinero se acredite.