By La inteligencia artificial comienza a convertirse en una herramienta cada vez más relevante para identificar fraudes digitales, pero una nueva investigación plantea una pregunta clave: ¿qué tan buena es realmente la IA para reconocer una estafa? Un estudio publicado en julio de 2026 analizó el desempeño de distintos modelos de lenguaje frente a una amplia variedad de fraudes en línea y encontró que los sistemas más avanzados pueden alcanzar resultados destacados, aunque todavía existen importantes limitaciones.
La investigación, realizada por especialistas de Northeastern University, Ariel University y Gen Digital, evaluó nueve modelos de lenguaje de diferentes tamaños y arquitecturas. Los investigadores utilizaron una base de datos de estafas reales y probaron diferentes estrategias para dar instrucciones a los modelos, además de comparar sus resultados con un clasificador basado en BERT, una tecnología especializada en comprensión y clasificación de texto.
Uno de los principales hallazgos fue que los modelos de mayor tamaño generalmente obtuvieron mejores resultados que los modelos pequeños. Sin embargo, la investigación también mostró que la manera en que se formula una instrucción —conocida como prompting— puede modificar considerablemente el desempeño. Esto significa que incluso modelos más pequeños pueden mejorar su capacidad para reconocer señales asociadas con una estafa cuando reciben instrucciones adecuadas.
El estudio puso a prueba diferentes tipos de fraudes, entre ellos estafas de inversión, phishing, suplantación de identidad, fraudes relacionados con entregas de paquetes, soporte técnico, préstamos y esquemas de romance. En el caso de ChatGPT 4o1, uno de los modelos analizados, los investigadores reportaron una identificación correcta del 90.35% de las estafas que habían sido clasificadas previamente por los evaluadores como pertenecientes a algún tipo específico de fraude.
Las estafas de inversión también estuvieron entre los casos analizados. El modelo ChatGPT 4o1 identificó correctamente 58 de 64 muestras clasificadas como fraude de inversión, equivalente a 90.63%. En contraste, tuvo mayores dificultades con determinadas categorías, como las tiendas electrónicas fraudulentas, los fraudes románticos y algunos casos de suplantación de identidad.
Sin embargo, hay una precisión importante: este estudio no demuestra que la inteligencia artificial sea superior a los seres humanos en la detección de estafas, porque los investigadores no establecieron una comparación directa contra un grupo de personas. La comparación principal se realizó entre distintos modelos de IA y un clasificador BERT entrenado específicamente para la tarea. Por ello, los resultados deben interpretarse como evidencia sobre las capacidades de los modelos de lenguaje, no como una prueba definitiva de que puedan sustituir a los especialistas humanos.
De hecho, BERT mostró un desempeño competitivo. Después de ser ajustado para la tarea, alcanzó una puntuación F1 de 0.59 en las pruebas, superando a algunos modelos de lenguaje pequeños y quedando ligeramente por debajo de los modelos de mayor tamaño. Los investigadores señalaron que esta alternativa puede resultar atractiva debido al menor costo asociado con su operación.
Otra ventaja de los modelos de lenguaje fue su capacidad para generalizar ante estafas que no habían aparecido previamente en los datos utilizados para entrenarlos. En una evaluación con información propietaria, Llama 3.1 70B mantuvo un desempeño considerablemente mejor que el BERT ajustado, lo que sugiere que los modelos grandes podrían ser especialmente útiles frente a fraudes nuevos o que cambian constantemente.
El hallazgo adquiere relevancia en un momento en que los fraudes digitales también están incorporando inteligencia artificial. Los delincuentes pueden utilizar herramientas generativas para crear mensajes más convincentes, traducir conversaciones, desarrollar identidades falsas y personalizar estrategias de engaño, particularmente en esquemas prolongados como el llamado pig butchering, que combina manipulación emocional con falsas oportunidades de inversión.
La investigación apunta así hacia un escenario en el que la IA podría convertirse en una primera línea de defensa contra las estafas digitales: analizar grandes cantidades de mensajes, detectar patrones sospechosos y señalar conversaciones que requieren una revisión adicional. No obstante, sus resultados también muestran que ningún modelo es infalible y que el tamaño del sistema, el tipo de instrucciones y la naturaleza de la estafa pueden modificar significativamente su precisión.
Más que plantear una sustitución inmediata del criterio humano, los resultados refuerzan la posibilidad de combinar ambas capacidades. La IA puede procesar grandes volúmenes de información y detectar patrones con rapidez, mientras que las personas pueden aportar contexto, experiencia y capacidad para evaluar situaciones ambiguas. En una era en la que las estafas evolucionan al mismo ritmo que la tecnología, esa combinación podría convertirse en una de las estrategias más importantes para fortalecer la seguridad digital.
Comments