La falsificación documental acaba de entrar en una nueva etapa. Lo que antes requería conocimientos de edición, tiempo y cierta habilidad para manipular imágenes, hoy puede lograrse con inteligencia artificial generativa en cuestión de segundos. El riesgo no está solo en que un recibo pueda alterarse, sino en que la modificación puede resultar prácticamente invisible incluso para humanos entrenados y para herramientas forenses especializadas.
Un estudio publicado el 28 de abril analizó hasta qué punto los sistemas actuales de detección están preparados para identificar documentos intervenidos mediante IA. La conclusión es que las defensas tradicionales están perdiendo efectividad frente a una nueva clase de manipulación visual.
Índice de temas
Una falsificación que ya no deja huellas visibles
La técnica evaluada se basa en el “relleno” de imágenes con IA. El modelo borra una zona específica del documento —por ejemplo, un número, una fecha o un monto— y reconstruye esa parte de la imagen para que se integre con el resto. No se trata de pegar un texto sobre otro, como ocurría en muchas falsificaciones clásicas. La IA genera píxeles nuevos que imitan el papel, la iluminación, la tipografía, el ruido de la cámara y la textura general del archivo.
El estudio trabajó con GPT-Image-2, de OpenAI, y creó una base de 3.066 documentos falsificados, cada uno acompañado por su versión original. Los investigadores usaron recibos de compra, imágenes tomadas con celulares, formularios comerciales y documentos en distintos idiomas. Los campos alterados fueron justamente aquellos de mayor interés para un fraude: totales, precios individuales, fechas e identificadores.
Luego, los investigadores pusieron a prueba a personas reales. A través de una plataforma pública, 120 participantes observaron 365 pares de imágenes: una auténtica y otra manipulada. Su tarea era detectar cuál había sido editada. El resultado fue prácticamente azaroso: la precisión promedio llegó al 50,1%. Es decir, aun con el documento verdadero y el falso uno al lado del otro, los usuarios no lograron distinguirlos de forma confiable.La
La situación tampoco mejora demasiado cuando intervienen las herramientas forenses. El equipo probó TruFor, un detector orientado a encontrar inconsistencias en el ruido de sensores de cámara, y DocTamper, diseñado específicamente para identificar alteraciones en documentos. Frente a las falsificaciones generadas con IA, ambos sistemas apenas superaron el nivel de una elección al azar.
La diferencia se observa al comparar estos resultados con falsificaciones tradicionales. En ediciones más antiguas, hechas con técnicas de copiar y pegar, los detectores obtuvieron desempeños mucho más altos. Esto sugiere que las herramientas actuales todavía pueden identificar manipulaciones convencionales, pero enfrentan serias dificultades cuando la edición no deja bordes visibles, parches o inconsistencias evidentes.
Cuando los detectores también fallan
Los sistemas forenses suelen buscar rupturas en la estructura de una imagen: cambios en la compresión, diferencias en el ruido, zonas con patrones que no coinciden o rastros de edición local. El relleno con IA reduce muchas de esas señales porque no inserta simplemente un fragmento externo. En cambio, reconstruye el área alterada de manera coherente con el entorno visual.
Incluso el propio modelo tuvo problemas para reconocer sus creaciones. Según el estudio, cuando se le pidió a GPT-Image-2 que determinara si una imagen había sido modificada por IA, clasificó como reales sus propias falsificaciones en la mayoría de los casos. Los investigadores probaron distintas formas de preguntar, incluida una estrategia de razonamiento paso a paso, pero ninguna corrigió el problema de fondo. En algunos escenarios, pedirle al modelo que razonara empeoró el desempeño.
El filtro de seguridad también mostró limitaciones. En las pruebas, OpenAI bloqueó una parte menor de los pedidos de edición documental, pero muchas solicitudes pudieron reformularse para sortear la restricción. Para los investigadores, esto implica que los controles de acceso pueden frenar a algunos actores, aunque no alcanzan para detener un abuso sistemático.
El nuevo desafío para bancos, aseguradoras y auditorías
El hallazgo obliga a replantear la confianza en documentos digitales. Durante años, empresas y organismos trataron a recibos, comprobantes y formularios escaneados como evidencia suficiente, siempre que no mostraran señales obvias de edición. Ese criterio empieza a quedar desactualizado.
Pilar Pereira, gerente de alianzas estratégicas para América Latina de Jumio, remarca que “la IA se convirtió en la base de los fraudes digitales y nos ha obligado a
dejar de ser reactivos”. El especialista remarca que “hoy debemos anticiparnos a las amenazas con modelos predictivos que evolucionen al ritmo de la IA”.
La respuesta, según se desprende del estudio, no debería depender de un único detector. Las organizaciones necesitarán combinar análisis automático al recibir documentos, validación contra sistemas de origen, trazabilidad de archivos y, en casos sensibles, revisión forense del dispositivo original desde el cual se generó o capturó la imagen.
La nueva frontera del fraude documental no es una falsificación burda. Es una alteración mínima, barata y visualmente coherente. Un número cambiado en un recibo puede parecer un detalle menor. Pero cuando la tecnología logra hacerlo invisible, ese detalle se convierte en un problema estratégico para toda industria que todavía confía en imágenes como prueba.
