DetectifAI lleva la detección de deepfake de voz al móvil

Una estafa con la voz clonada de su abuelo encendió la chispa de DetectifAI

Hace unos dos años, el abuelo de Tarini Padmanabhuni recibió una llamada que parecía venir de su propio hermano: una voz idéntica pidiéndole un rescate urgente tras un supuesto secuestro. Pagó. Después descubrió que su hermano nunca estuvo en peligro y que la voz era una imitación generada con IA. «Lo que se me quedó grabado no fue el dinero», recuerda la fundadora en TechCrunch. «Fue que él no tenía manera de saberlo.»

De esa experiencia nació DetectifAI, una startup con sede en San Francisco que Padmanabhuni dirige con una premisa clara: poner la detección de deepfakes de voz directamente en el sistema operativo del teléfono, sin que el audio tenga que viajar a la nube.

¿Qué tan grande es el problema del fraude con IA?

El caso del abuelo de Padmanabhuni deja de ser aislado cuando se miran los números. Según reportó Yahoo News sobre datos del FBI, el Internet Crime Complaint Center recibió 22.364 quejas relacionadas con IA en 2025, con pérdidas reportadas cercanas a los US$893 millones, un salto del 24% frente a 2024. De ese total, US$632 millones correspondieron a fraudes de inversión, y los estadounidenses mayores de 60 años perdieron alrededor de US$352 millones.

🤖 La IA no es solo para leer sobre ella

En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.

👥 Aplicarla en la comunidad

La voz clonada es apenas la puerta de entrada. Pawan Jain, profesor de finanzas que estudia cómo los hogares toman decisiones con IA, escribió que «la historia de seguridad de IA más importante ahora no se desarrolla en servidores, sino en mesas de cocina». Deloitte, citado por Yahoo News, proyecta que las pérdidas totales por fraude en EE.UU. pasen de US$12.300 millones en 2023 a US$40.000 millones en 2027, en gran medida impulsadas por herramientas generativas más baratas y accesibles.

Y la velocidad del ataque crece más rápido que la defensa: el 2025 Voice Intelligence and Security Report de Pindrop, recogido por TechTimes, documenta que los ataques con voz clonada aumentaron más de 1.300% entre 2023 y 2025, pasando de un incidente mensual documentado a más de siete por día. Productos comerciales como ElevenLabs y OpenAI Voice Engine ya pueden clonar una voz convincente con apenas tres segundos de audio.

¿Qué hace diferente a DetectifAI frente a Reality Defender, Pindrop y otros?

El espacio de detección de voz ya tiene nombres pesados: Reality Defender, con inversiones de Accenture Ventures en octubre de 2024 y de BNY Mellon; Pindrop Security; Resemble AI; Microsoft Azure AI Content Safety y Nuance, también propiedad de Microsoft. El mercado global de detección de deepfakes se valoró en US$918,6 millones en 2025, según SNS Insider, y se proyecta a US$12.140,7 millones en 2035, con una tasa anual compuesta del 29,5%.

Lo que Padmanabhuni discute, según TechCrunch, es que la mayoría de estos productos corren en la nube, en servidores remotos. Eso impide que los fabricantes de teléfonos los integren de forma nativa en el dispositivo y deja a la persona que recibe la llamada sin una capa de defensa inmediata. DetectifAI opta por el camino inverso: en lugar de comprimir modelos grandes para meterlos en el móvil, diseña modelos compactos desde el inicio, lo bastante pequeños para correr dentro del sistema operativo del teléfono y entregar un veredicto instantáneo durante la llamada o sobre notas de voz, sin que el audio abandone el dispositivo.

El modelo de negocio es un SDK que se licencia a fabricantes de teléfonos para que la detección llegue como función nativa del sistema operativo. La analogía que usa la fundadora es la del papel de AT&T en el lanzamiento del iPhone original: el primer fabricante que integre DetectifAI ganará una ventaja competitiva, y la detección de deepfakes se volverá una especificación estándar, como la resolución de cámara.

¿Tiene ya tracción DetectifAI?

Sí, y de dos formas. Por un lado, según TechCrunch, ya gestiona más de 100.000 llamadas al mes para instituciones financieras en India: llamadas realizadas por agentes de voz con IA que se encargan de cobranza y seguimiento de préstamos, con detección de deepfake y verificación de hablante en cada llamada. Padmanabhuni no reveló los nombres de los clientes por acuerdos de confidencialidad.

Por otro lado, la startup levantó un monto semilla pequeño de dos inversores: Josh Constine, ex editor de TechCrunch, y Manohar Kamath, principal de la firma de consultoría KM Growth. DetectifAI es una de las startups seleccionadas por el equipo editorial de TechCrunch para competir en la Startup Battlefield, que se celebra del 13 al 15 de octubre en el marco de TechCrunch Disrupt en el centro de San Francisco.

¿Qué significa esto para tu startup?

El deepfake de voz dejó de ser una curiosidad tecnológica para convertirse en un vector de fraude masivo. Estas son señales accionables para founders:

Construye con detección desde el diseño, no como parche. Si tu producto maneja llamadas, onboarding por voz o verificación de identidad, integrar un SDK de detección como capa por defecto es ya una decisión de producto, no de seguridad. Modelos cloud como los de Reality Defender ofrecen APIs; alternativas on-device empiezan a aparecer en el ecosistema mobile.
Aprovecha el estándar de provenance que ya existe. La Coalition for Content Provenance Authenticity (C2PA) superó las 6.000 organizaciones miembro en enero de 2026, según TechTimes, y el artículo 50 del EU AI Act empezó a exigir en agosto de 2026 divulgación legible por máquina de contenido generado con IA en mercados europeos. Si tu producto genera audio, video o imágenes, firma criptográficamente el contenido desde el origen: esa metadata será exigible por reguladores y clientes enterprise en el corto plazo.
Prepárate para el «dividendo del mentiroso». Como advierte el Congressional Research Service, recogido por TechTimes, los deepfakes también permiten que contenido auténtico sea descartado como falso. Documenta con provenance desde el primer día cualquier material sensible (grabaciones de soporte, testimonios de usuarios, evidencia de QA) para que no pueda ser deslegitimado después.