La expansión de la inteligencia artificial (IA) aplicada a la creación y alteración de imágenes, documentos y certificados abrió un nuevo frente para el mercado asegurador: la validez de la evidencia presentada en reclamos. En un contexto de gestión de siniestros cada vez más digital, la posibilidad de manipular una foto con alto realismo empieza a tensionar los mecanismos tradicionales de verificación.
A nivel mundial, los intentos de fraude mediante deepfakes crecieron 2.137% en los últimos tres años, según el estudio *The Battle Against AI-Driven Identity Fraud*, elaborado por Signicat. El relevamiento se basó en una encuesta a más de 1.200 responsables de prevención de fraude del sector financiero y de pagos de siete países europeos. El informe también indicó que el 42,5% de los intentos de fraude detectados ya involucran IA.
Aunque el foco del estudio está puesto en finanzas y pagos, el fenómeno empieza a trasladarse a otras industrias donde la verificación de evidencias resulta crítica, como los seguros. Fotografías, presupuestos, certificados médicos, comprobantes e incluso documentos de identidad pueden ser alterados o generados mediante IA. Para las aseguradoras, ese cambio incrementa el riesgo de fraude y, al mismo tiempo, eleva los costos asociados a investigaciones, prolonga los tiempos necesarios para validar un siniestro y presiona la confianza entre compañías y clientes, que esperan resoluciones ágiles sin resignar seguridad.
“Lo que está cambiando no es solamente el fraude. Está cambiando el concepto de evidencia”, dijo Silvia Pascual, Business Manager de Flux IT. “Una fotografía ya no puede asumirse como prueba suficiente por sí sola”, agregó.
Frente a este escenario, las aseguradoras comienzan a incorporar herramientas capaces de analizar grandes volúmenes de información, detectar inconsistencias entre distintas fuentes e identificar patrones de comportamiento. En la práctica, estas capacidades pueden asistir en la autenticación de imágenes de siniestros para detectar posibles manipulaciones, contrastar documentación con otras fuentes de información, resumir expedientes y señalar anomalías para que los analistas concentren su trabajo en los casos que requieren una investigación más profunda.
“En nuestros proyectos combinamos modelos de machine learning, análisis de metadatos e inconsistencias visuales”, dijo Pascual, al describir implementaciones sobre fotografías de vehículos y documentación de siniestros. En esos casos, la ejecutiva afirmó que se alcanzaron precisiones de entre 97% y 100%, sin registrar falsos positivos.
La particularidad del escenario es que la misma tecnología usada para prevenir el fraude también es aprovechada por quienes intentan cometerlo. La IA permite crear imágenes, documentos e identidades sintéticas con un nivel de precisión que obliga a elevar estándares de control y verificación. En paralelo, el crecimiento de estas maniobras incrementa el esfuerzo operativo: cada caso sospechoso demanda más validaciones, mayor participación de especialistas y tiempos de análisis más extensos, con el desafío de fortalecer controles sin trasladar esa complejidad a las personas aseguradas mediante procesos más lentos o experiencias más friccionadas.
