Revista Mundo Financiero. Volumen 7, Número 23, 2026
19 Esta obra está bajo una licencia Creative Commons 4.0, de Reconocimiento-NoComercial-CompartirIgual
http://www.mundofinanciero.indecsar.org
Recibido: 10/02/2026
Aceptado: 27/03/2026
Publicado: 01/04/2026
Nuevas modalidades de fraude digital, phishing,
deepfakes e ingeniería social y su relación con el
delito de estafa
Andrés Alejandro Zuleta Araque
https://orcid.org/0009-0008-2925-2267
Universidad Estatal Península de Santa Elena, Ecuador
azuleta@upse.edu.ec
Magíster en Derecho Penal; Especialista Superior y Máster en Derecho Procesal. Abogado. Docente
de la carrera de derecho de la Universidad Estatal Península de Santa Elena
Wilfrido Wasbrum Tinoco
https://orcid.org/0000-0002-6172-5633
Universidad Estatal Península de Santa Elena, Ecuador
wwasbrum@upse.edu.ec
Magister en Derecho Penal, Docente de Derecho penal, Universidad Península de Santa Elena
Revista Mundo Financiero. Volumen 7, Número 23, 2026
20 Esta obra está bajo una licencia Creative Commons 4.0, de Reconocimiento-NoComercial-CompartirIgual
http://www.mundofinanciero.indecsar.org
Resumen
La estafa es un delito que tiene una
multiplicidad de modalidades de cometimiento,
con el auge de las tecnologías de la
información este delito se ha masificado en lo
digital, especialmente las modalidades donde
el delincuente busca captar información del
usuario para el fraude que en los últimos 4
años se han visto ampliamente potenciadas
por la implementación de la inteligencia
artificial. Este artículo tiene como objetivo
analizar las nuevas modalidades de estafa que
surgen a partir del desarrollo de inteligencia
artificial, este estudio se centra especialmente
phishing automatizado, los deepfakes, la
clonación de voz, la ingeniería social, las
estafas románticas y los fraudes financieros
digitales. El estudio se desarrolló bajo un
enfoque cualitativo, de tipo documental-
descriptivo, mediante la revisión de literatura
académica publicada entre 2020 y 2026. Los
resultados de este estudio evidencian que la
inteligencia artificial generativa ha
incrementado la capacidad de los
ciberdelincuentes para personalizar,
automatizar y masificar el engaño, generando
comunicaciones fraudulentas más creíbles y
difíciles de detectar. Sin embargo, bajo un
análisis jurídico de este tipo de conductas,
estas nuevas modalidades de estafa no
suponen un cambio en la estructura básica del
delito de estafa, sino que modifican los medios
que se emplean para cometer esta. En
consecuencia, el engaño, el error, la
disposición patrimonial, el perjuicio y el ánimo
de lucro continúan siendo elementos
esenciales para su configuración, aunque en
estos casos estos se dan en espacios digitales.
Se concluye que el principal reto para el
derecho penal contemporáneo consiste en
adaptar sus criterios de interpretación,
investigación y prueba a escenarios donde la
inteligencia artificial permite simular
identidades, relaciones de confianza y
comunicaciones aparentemente legítimas.
Palabras clave: estafa digital; inteligencia
artificial; phishing; deepfakes; ingeniería social;
derecho penal.
Abstract
Fraud is a crime with multiple forms of
commission. With the rise of information
technologies, this crime has become
widespread in the digital realm, especially in
methods where the perpetrator seeks to
capture user information for fraudulent
purposes. These methods have been
significantly enhanced in the last four years by
the implementation of artificial intelligence. This
article aims to analyze the new forms of fraud
that have emerged from the development of
artificial intelligence. This study focuses
particularly on automated phishing, deepfakes,
voice cloning, social engineering, romance
scams, and digital financial fraud. The study
was conducted using a qualitative,
documentary-descriptive approach, through a
review of academic literature published
between 2020 and 2026. The results of this
study demonstrate that generative artificial
intelligence has increased cybercriminals'
ability to personalize, automate, and scale up
deception, generating more credible and
difficult-to-detect fraudulent communications.
However, from a legal perspective, these new
forms of fraud do not represent a change in the
basic structure of the crime of fraud, but rather
modify the means employed to commit it.
Consequently, deception, error, transfer of
assets, harm, and the intent to profit remain
essential elements for its definition, although in
these cases they occur in digital spaces. It is
concluded that the main challenge for
contemporary criminal law lies in adapting its
criteria for interpretation, investigation, and
evidence to scenarios where artificial
intelligence allows for the simulation of
identities, relationships of trust, and seemingly
legitimate communications.
Key words: digital fraud; artificial intelligence;
phishing; deepfakes; social engineering;
criminal law.
Revista Mundo Financiero. Volumen 7, Número 23, 2026
21 Esta obra está bajo una licencia Creative Commons 4.0, de Reconocimiento-NoComercial-CompartirIgual
http://www.mundofinanciero.indecsar.org
Introducción
Desde 2020, el fraude digital ha evolucionado hacia formas de engaño asistidas por
inteligencia artificial (IA), en varias modalidades especialmente mediante phishing,
spear phishing personalizado, deepfakes, clonación de voz, suplantación de
identidad, ingeniería social multicanal y generación masiva de mensajes
fraudulentos. Estas modalidades conservan lo esencial del tipo penal de la estafa
(engaño, error, disposición patrimonial y perjuicio), pero varia de forma radical en los
medios que utiliza para cometer el delito y la capacidad de masificar el delito debido
a emplear la inteligencia artificial como herramienta preferentemente utilizada para
la comisión del delito en el campo de lo digital. Esto debido a que a medida que la
tecnología evoluciona, sus capacidades aumentan y, sobre todo, sus costes se
reducen drásticamente, como demuestran en su trabajo Schmitt y Flechais (2024)
“Inteligencia artificial generativa en ingeniería social y phishing”. Estas previsiones
sitúan la combinación de ingeniería social e IA en una posición emergente, ya que
los ataques de ingeniería social suelen ofrecer una forma menos compleja de
acceder a un sistema, sin necesidad de sortear contramedidas tecnológicas
complejas.
Actualmente, el delito de estafa en el mundo digital se ve potenciada por la
implementación de la inteligencia artificial generativa, lo que es una amenaza para
la sociedad actual que se encuentra ampliamente interconectada por la
implementación de internet en muchos aspectos de la vida cotidiana. El avance de
los sistemas de IA ocasiona que estos cada día desarrollen una capacidad de imitar
la capacidad de comunicación humana y a través de esto ocasionar que el receptor
perciba confianza de un supuesto emisor que sería humano, por lo que esta
situación de una IA desarrollada con estas nuevas capacidades abre nuevos retos
para la ingeniería social y phishing mediante el uso de estas herramientas. (Schmitt
and Flechais, 2024) El desarrollo de esta tecnología abre nuevas posibilidades para
el cometimiento de delitos en el ciberespacio, si bien estos existen desde la
masificación del internet en el mundo, la llegada de la inteligencia artificial ocasiona
que esto delitos tenga una masificación que está relacionada directamente a la
aparición de la IA.
Los modelos de lenguaje que conforman lo que conocemos como inteligencia
artificial sirven como una herramienta para que usuarios maliciosos puedan diseñar
correos electrónicos de tipo phishing a partir de un poco de información de un
particular. Estos nuevos tipos de correos contrastan con los correos electrónicos de
phishing tradicionales que los hackers diseñan manualmente utilizando reglas
generales extraídas de la experiencia, por lo que se evidencia que el avance de la
tecnología en IA facilita esta modalidad de phishing debido a que mediante la
aplicación de la inteligencia artificial se puede generar de forma masiva mensajes
que luego serán distribuidos bajo la modalidad de phishing, siendo este último el
más común de los ciberdelitos. (Heiding et al., 2023)
Revista Mundo Financiero. Volumen 7, Número 23, 2026
22 Esta obra está bajo una licencia Creative Commons 4.0, de Reconocimiento-NoComercial-CompartirIgual
http://www.mundofinanciero.indecsar.org
El rápido crecimiento de las redes sociales y las plataformas de mensajería ha
aumentado drásticamente la exposición de los usuarios a las estafas en línea. Estos
ataques, que van desde correos electrónicos de phishing y llamadas de
suplantación de identidad hasta mensajes directos fraudulentos, explotan la
información personal disponible públicamente y utilizan técnicas de manipulación
psicológica como la urgencia, el miedo y las señales de autoridad para engañar a
las personas y lograr que revelen datos confidenciales, si bien muchos individuos
consideran que no caerían en este tipo de estafa debido a que esto es ampliamente
conocido en la actualidad por los usuarios más jóvenes, está claro que el grupo más
vulnerable a este tipo de afectaciones son los usuarios que no son nativos digitales
o tienen barreras de acceso a este tipo de herramientas digitales (Hossain et al.,.,
2025)
Los informes sobre fraudes y ciberdelitos facilitados por IA están en aumento en los
últimos años. Según se informa, los atacantes utilizan la IA para obtener empleos
remotos con identidades falsas, crear perfiles de las víctimas y diseñar sofisticadas
campañas de phishing, cuestión que incluso es reconocida actualmente por sus
propios desarrolladores como un riesgo actual inherente al uso de estas
herramientas (Anthropic, 2025a; OpenAI, 2025a). Según un informe de Lookout
Security, “2022 marcó la tasa más alta de encuentros de phishing móvil”. Desde
entonces, la situación solo ha empeorado. InfoSecurity Magazine informa que “los
encuentros de phishing móvil han aumentado cada trimestre desde el segundo
trimestre de 2020”, con un asombroso aumento del 202% en los mensajes de
phishing en general y un dramático aumento del 703% en los ataques de phishing
de credenciales en la segunda mitad de 2024.(Denisenko et al., 2026) El impacto en
las víctimas es potencialmente significativo: datos recientes del Reino Unido
muestran que el fraude romántico cuesta 106 millones de libras esterlinas al año, el
fraude de identidad representa el 59 % de todos los casos denunciados y el fraude
del CEO causa pérdidas promedio superiores a las 10 000 libras esterlinas. (Mai et
al., 2026)
A pesar del enfoque en mejorar la concienciación sobre ciberseguridad por parte de
todos los gobiernos y organizaciones, el número de ciberataques ha aumentado
significativamente en los últimos años, lo que ha provocado enormes pérdidas
financieras y cuyos riesgos se extienden por todo el mundo. Esto se debe a las
técnicas empleadas en los ciberataques, que principalmente buscan explotar la
vulnerabilidad psicológica de los usuarios, mismo que es el eslabón más débil de
cualquier sistema de defensa contra fraudes electrónicos. (Jabir et al., 2025) Si bien
existen actualmente ciertos tipos de herramientas que sirven para poder detectar
ciberataques, estas cuando funcionan de manera automática tienen algún precio en
el mercado por lo cual no están al alcance de todos los usuarios, lo cual determina
que en la mayoría de los casos el usuario solamente depende de su criterio para
poder decidir si un mensaje que recibe es de origen malicioso o no.
Revista Mundo Financiero. Volumen 7, Número 23, 2026
23 Esta obra está bajo una licencia Creative Commons 4.0, de Reconocimiento-NoComercial-CompartirIgual
http://www.mundofinanciero.indecsar.org
El presente estudio se desarrolló desde un enfoque cualitativo, de tipo documental y
descriptivo. En términos sencillos, lo que se hizo fue revisar bibliografía reciente
relacionada con las nuevas formas de estafa digital que han surgido o se han
perfeccionado con el uso de la inteligencia artificial. Para ello, se tomó como
referencia el período comprendido entre 2020 y 2026, ya que el objetivo era trabajar
con literatura actual y vinculada a fenómenos recientes como el phishing generado
por IA, los deepfakes, la ingeniería social automatizada, los fraudes financieros
digitales, las estafas románticas y el uso de modelos de lenguaje de gran escala en
escenarios de engaño y ciberdelincuencia.
El método empleado fue documental-bibliográfico, complementado con un análisis
hermenéutico-jurídico, ya que en este estudio se revisaron publicaciones
especializadas con el propósito de relacionar sus aportes con los elementos del tipo
penal de la estafa en la legislación ecuatoriana. El diseño de la investigación fue no
experimental, de carácter transversal-retrospectivo, puesto que en este trabajo no
se manipularon variables, por lo que principalmente este trabajo se basa en análisis
de documentos publicados entre 2020 y 2026. El tipo de investigación aplicado en
este trabajo fue documental y el nivel empleado fue descriptivo-analítico, debido a
que se identificaron, describieron y analizaron las principales modalidades de estafa
asistida por inteligencia artificial, tales como phishing automatizado, deepfakes,
ingeniería social, fraudes financieros digitales, romance scams y uso de modelos de
lenguaje de gran escala.
La población estuvo conformada por publicaciones académicas, artículos científicos,
revisiones y estudios especializados relacionados con inteligencia artificial, fraude
digital, estafa, phishing, deepfakes, ingeniería social y ciberdelincuencia. Por otro
lado, se excluyeron los documentos que no tenían autoría verificable, las
publicaciones meramente periodísticas, los textos duplicados, las fuentes que no
guardaban una relación directa con la estafa o el fraude digital, y los trabajos
anteriores al año 2020. Con base en este proceso, la muestra final estuvo integrada
por 20 documentos académicos seleccionados de manera intencional, considerando
su pertinencia temática, actualidad, autoría verificable y relación directa con el
objeto de estudio.
A los documentos seleccionados se les aplico una técnica de análisis documental
por medio de la implementación de una matriz documental, en ella se registraron
datos como autor, año, título, fuente, modalidad de fraude estudiada, tecnología
utilizada, principales hallazgos y posible relación con los elementos jurídicos de la
estafa. Esta forma de organización permitió ordenar la literatura en varios ejes
temáticos: phishing generado por inteligencia artificial, deepfakes y suplantación de
identidad, fraudes financieros automatizados, estafas románticas asistidas por
modelos de lenguaje y uso de agentes conversacionales en contextos de
ciberdelincuencia.
Revista Mundo Financiero. Volumen 7, Número 23, 2026
24 Esta obra está bajo una licencia Creative Commons 4.0, de Reconocimiento-NoComercial-CompartirIgual
http://www.mundofinanciero.indecsar.org
Para ubicar inicialmente la literatura se utilizó una estrategia de búsqueda apoyada
en herramientas de inteligencia artificial generativa. Sin embargo, es importante
aclarar que estas herramientas no fueron usadas como fuente científica ni doctrinal,
sino únicamente como un apoyo exploratorio para identificar posibles autores,
títulos, palabras clave y líneas temáticas relevantes. Después de esa primera
búsqueda, cada referencia fue revisada y verificada en fuentes académicas y
editoriales especializadas, como revistas científicas, repositorios de preprints, bases
de datos académicas, páginas editoriales y registros DOI. Es decir, la inteligencia
artificial sirvió como una especie de punto de partida para orientar la búsqueda, pero
no como fundamento académico del estudio.
Los criterios de inclusión permitieron seleccionar trabajos publicados desde el año
2020 en adelante, especialmente artículos científicos, capítulos, preprints
académicos e investigaciones especializadas relacionadas con fraude digital, estafa,
phishing, deepfakes, ingeniería social, modelos de lenguaje, agentes de inteligencia
artificial y ciberdelincuencia. También se consideró necesario que los textos tuvieran
autoría identificable y pudieran ser verificados mediante DOI, revista científica,
repositorio académico o plataforma editorial. Además, se priorizaron aquellos
estudios que permitían conectar sus hallazgos con las nuevas formas de engaño
patrimonial que hoy resultan relevantes para el derecho penal.
Finalmente, la información fue interpretada desde una perspectiva jurídico-penal. Es
decir, los aportes tecnológicos y criminológicos encontrados en la literatura fueron
relacionados con los elementos tradicionales de la estafa: el engaño, el error, la
disposición patrimonial, el perjuicio y el ánimo de lucro. A partir de esto, se pudo
evidenciar que las nuevas modalidades digitales no eliminan la estructura clásica del
delito de estafa, sino que más bien modifican los medios mediante los cuales se
produce el engaño. En otras palabras, cambia la forma en que se comete el delito,
pero su núcleo esencial sigue siendo el mismo.
El papel de la IA en los fraudes digitales
La inteligencia artificial generativa ha incrementado las capacidades de los
ciberdelincuentes para automatizar, personalizar y masificar comunicaciones
fraudulentas, especialmente en modalidades como el phishing, la ingeniería social y
el fraude financiero digital (Denisenko et al., 2026; Heiding et al., 2023; Jabir et al.,
2025; Schmitt & Flechais, 2024).Los recientes avances en inteligencia artificial en
todo el mundo, particularmente en el ámbito de los modelos de lenguaje a gran
escala (LLM), han dado como resultado sistemas potentes y versátiles de doble uso.
Esta inteligencia puede emplearse para una amplia variedad de tareas beneficiosas,
pero también puede utilizarse para actividades delictivas en línea. Los LLM puede
ser utilizados para el spear phishing, que es una forma de ciberdelincuencia que
consiste en manipular a las víctimas para que revelen información confidencial.
(Hazell 2023) El phishing asistido por inteligencia artificial representa una evolución
Revista Mundo Financiero. Volumen 7, Número 23, 2026
25 Esta obra está bajo una licencia Creative Commons 4.0, de Reconocimiento-NoComercial-CompartirIgual
http://www.mundofinanciero.indecsar.org
del phishing tradicional, debido a que los modelos de lenguaje permiten generar
mensajes más creíbles, personalizados y adaptados al perfil de la víctima, lo que
dificulta su detección por parte de los usuarios (Denisenko et al., 2026; Hazell, 2023;
Heiding et al., 2023; Jabir et al., 2025).
Autores como Badhe (2025) aseveran que los modelos de lenguaje a gran escala
han demostrado una fluidez y capacidad de razonamiento impresionantes, pero su
potencial de mal uso ha generado una creciente preocupación. La reciente
disponibilidad de una potente inteligencia artificial como herramienta cotidiana ha
impulsado una nueva ola de técnicas de ataque, especialmente en el ámbito de la
Ingeniería Social. La posibilidad de generar multitud de plantillas diferentes en
cuestión de segundos para llevar a cabo un ataque de ingeniería social reduce la
barrera de entrada para los posibles ciberdelincuentes. (Matekas et al., 2025)
Esto debido a que anteriormente para poder generar un deepfake la barrera de
acceso era limitada debiendo el delincuente manejar conocimientos de edición de
imagen y videos de nivel semi profesional, cuestión que actualmente con la IA no
existe debido a su versatilidad para generar información con simples comandos, por
lo que la incorporación de inteligencia artificial en escenarios de fraude digital
reduce las barreras técnicas para los delincuentes, ya que permite generar
mensajes, audios, imágenes o interacciones falsas sin requerir conocimientos
avanzados de programación, edición audiovisual o manipulación informática (Badhe,
2025; Denisenko et al., 2026; Matecas et al., 2025; Schmitt & Flechais, 2024).
Mientras Schmitt y Flechais (2024) enfatizan que la inteligencia artificial generativa
potencia la ingeniería social y el phishing, Chlasta (2025) advierte que esta misma
tecnología tiene una dimensión dual, ya que puede ser usada tanto para atacar
como para defender sistemas digitales, siendo un factor significativo que configura
el ecosistema de ciberseguridad actual dado que, por un lado, sirve como una
herramienta eficaz para apoyar la protección de los sistemas de información y, por
otro, puede ser explotada como vector de ataque por actores maliciosos. Por su
parte, Jiang (2024) refuerza esta segunda perspectiva al analizar el uso de modelos
de lenguaje para la detección de estafas.
Siendo este último el uso que se le da por parte de ciberdelincuentes que explotan
la capacidad de la inteligencia artificial para generar diferentes tipos de fraudes, por
lo que el lanzamiento de la inteligencia artificial fue un acontecimiento que ha
marcado de forma sostenida el incremento de fraudes digitales que puede ser
implementados y facilitados por medio la aplicación de este tipo de herramientas. La
literatura reciente coincide en que la inteligencia artificial posee un carácter dual,
pues puede ser utilizada tanto por ciberdelincuentes para perfeccionar ataques de
phishing, deepfakes o fraudes financieros, como por instituciones y usuarios para
detectar patrones sospechosos y prevenir estafas digitales (Chlasta, 2025; Hossain
et al., 2025; Jiang, 2024; Schmitt & Flechais, 2024).
Revista Mundo Financiero. Volumen 7, Número 23, 2026
26 Esta obra está bajo una licencia Creative Commons 4.0, de Reconocimiento-NoComercial-CompartirIgual
http://www.mundofinanciero.indecsar.org
Jiang, (2024) sostiene que las estafas son prácticas engañosas diseñadas para
explotar a individuos, organizaciones o empresas, a menudo engañándolos para
que entreguen dinero o información personal. Las estafas comunes incluyen el
phishing, donde correos electrónicos y sitios web fraudulentos suplantan la identidad
de fuentes legítimas; el fraude de pago por adelantado, que promete recompensas a
cambio de pagos anticipados; las estafas románticas que utilizan perfiles falsos de
citas en línea para solicitar dinero; y los esquemas de inversión que prometen altos
rendimientos. Esto a diferencia de Heiding et al. (2023), quienes centran su análisis
en la capacidad de los modelos de lenguaje para generar y detectar mensajes de
phishing, Gressel et al. (2026) muestran que la IA también puede intervenir en
formas de engaño más prolongadas, como las estafas románticas.
Esta diferencia permite observar que el fraude asistido por inteligencia artificial no
opera únicamente mediante mensajes breves, sino también mediante relaciones
comunicativas sostenidas en el tiempo. A esto se deme sumar las estafas de
fraudes financieros donde se simula operaciones reales de bancos u operadores de
tarjetas de créditos para lograr que el usuario entregue su información personal y
bancario, para posteriormente proceder a realizar un retiro o transferencia con esta
información proporcionada.
A pesar de todo lo expuesto es innegable como la inteligencia artificial se ha
convertido en parte integral de las operaciones de las instituciones financieras. La
implementación de la IA permitió una mejora significativa en la calidad del servicio y
posibilitó soluciones innovadoras para los clientes. Al mismo tiempo, con todas las
ventajas y aspectos positivos del uso de la IA, también crea riesgos adicionales,
dependiendo de quién y para qué se utilice En el ámbito financiero, la inteligencia
artificial puede ser utilizada para simular comunicaciones bancarias, crear perfiles
aparentemente legítimos, coordinar interacciones fraudulentas y aumentar la
credibilidad de operaciones falsas dirigidas a obtener datos sensibles o
transferencias económicas indebidas (Ren et al., 2026; Shpachuk et al., 2026;
Vecchietti et al., 2025).
Las estafas de seducción romántica se han convertido en una importante fuente de
daño financiero y emocional en todo el mundo, asistidas por inteligencia artificial
esta modalidad de estafa muestra que el engaño digital puede desarrollarse de
manera progresiva, mediante conversaciones prolongadas que simulan afecto,
confianza e intimidad emocional con el propósito de inducir a la víctima a realizar
inversiones o transferencias fraudulentas (Gressel et al., 2026; Hossain et al., 2025;
Jiang, 2024). Estas operaciones son dirigidas por sindicatos del crimen organizado
que trafican con miles de personas para trabajos forzados, obligándolas a construir
una relación de intimidad emocional con las víctimas durante semanas de
conversaciones por texto antes de presionarlas para que realicen inversiones
fraudulentas en criptomonedas. Debido a que las estafas se basan inherentemente
Revista Mundo Financiero. Volumen 7, Número 23, 2026
27 Esta obra está bajo una licencia Creative Commons 4.0, de Reconocimiento-NoComercial-CompartirIgual
http://www.mundofinanciero.indecsar.org
en texto, plantean preguntas urgentes sobre el papel de los modelos de lenguaje a
gran escala tanto en la actualidad como en el futuro. (Gressel et al., 2026)
Bajo esta modalidad sucede algo similar a la práctica del phishing, pero con un
fuerte elemento de comunicación y construcción de relaciones que incluso puede
llevar meses en desarrollarse, lo relevante de esta modalidad es el uso de la IA para
lograr que se simule una verdadera conexión real con una persona que se
encuentra en situación de vulnerabilidad. Las nuevas modalidades de fraude digital
no dependen únicamente de vulnerabilidades técnicas, sino de la explotación de
factores humanos como la confianza, la urgencia, el miedo, la autoridad aparente y
la falta de verificación del mensaje recibido (Jabir et al., 2025; Matecas et al., 2025;
Schmitt & Flechais, 2024).
Los agentes de inteligencia artificial introducen una nueva dimensión en el fraude
digital, debido a que pueden simular conversaciones humanas, coordinar respuestas
y sostener interacciones prolongadas que aumentan la credibilidad del engaño
frente a la víctima (Badhe, 2025; Hossain et al., 2025; Ren et al., 2026). Estas
tareas suelen ser gestionadas por varios agentes que trabajan juntos con una
división precisa del trabajo. Paralelamente, otra línea de investigación explora las
sociedades de agentes, donde a los agentes se les otorga autonomía e interés
propio, y las interacciones a gran escala pueden dar lugar a fenómenos sociales
emergentes como la cooperación. Estas sociedades pueden utilizarse para estudiar
dinámicas sociales complejas y también para simular actividades que implican
riesgos éticos. Entre estos riesgos, el fraude financiero es uno de los más
perjudiciales.
El rápido crecimiento de las plataformas de redes sociales ha amplificado aún más
esta amenaza al proporcionar un terreno fértil para que el fraude se propague a gran
escala. (Ren et al., 2026) La interacción entre varios agente puede entregar al
usuario una sensación de que se está interactuando con un perfil real, debido a que
el sujeto observa que existe interacción dentro de las redes sociales por parte de
este usuario ficticio, esta simulación puede llevar a que el usuario sienta la
confianza suficiente para entregar información personal, siendo esta situación una
de las principales transformaciones introducidas por la inteligencia artificial es la
personalización del fraude, pues los modelos generativos pueden adaptar mensajes,
perfiles o interacciones a las características particulares de la víctima, aumentando
la apariencia de legitimidad y la probabilidad de éxito del engaño (Denisenko et al.,
2026; Hazell, 2023; Heiding et al., 2023; Ren et al., 2026).
Los deepfakes (vídeos, audios e imágenes artificiales pero hiperrealistas creados
mediante algoritmos) son uno de los últimos avances tecnológicos en inteligencia
artificial. Gracias a la velocidad y el alcance de las redes sociales, pueden llegar
rápidamente a millones de personas y provocar una amplia gama de engaños en el
mercado. Sin embargo, el conocimiento actual sobre las implicaciones de los
Revista Mundo Financiero. Volumen 7, Número 23, 2026
28 Esta obra está bajo una licencia Creative Commons 4.0, de Reconocimiento-NoComercial-CompartirIgual
http://www.mundofinanciero.indecsar.org
deepfakes en el mercado es limitado y fragmentado. (Mustak et al., 2023) Cabe
tomar en cuenta que el desarrollo de generación de imágenes y videos de la IA va
mejorando cada día, por lo cual es complejo determinar todos los delitos que
potencialmente se pueden llevar a cabo por medio del uso de los deepfakes. Existen
tres tipos principales de métodos de detección: clásicos, basados en aprendizaje
automático y aprendizaje profundo, e híbridos. Existen tres tipos principales de
métodos preventivos: técnicos, legales y morales. (Abdel-Wahab & Alkhatib, 2026)
Los deepfakes como resultados de la inteligencia artificial generativa, pueden ser
útiles para crear simulaciones realistas en la educación, el periodismo y las artes.
Sin embargo, la aparición de estafas maliciosas con deepfakes ha generado
preocupación sobre la calidad y la fiabilidad de la información proporcionada a los
usuarios de redes sociales (Lui, A and Miglionico 2026) A pesar de esto es innegable
el uso doloso que se puede dar a los deepfakes como instrumentos para cometer
estafas o incluso extorsiones en el ámbito digital, por lo que para el derecho penal
no se discute la veracidad de la información sino la posibilidad de ocasionar un
impacto a la vida de esta persona para potencialmente cometer un delito. Así mismo
la trata de personas, el lavado de dinero, el chantaje, la pornografía de venganza y
el ransomware son algunas de las amenazas asociadas a los deepfakes de las que
cualquiera puede ser víctima. Esta es la nueva normalidad de los deepfakes
impulsados por inteligencia artificial que no solo pone en cuestión el patrimonio
ciudadano, sino que también tiene la posibilidad de afectar otro tipo de cuestiones
esenciales para la vida en sociedad (Vecchietti, et al., 2025)
El uso de inteligencia artificial en modalidades como phishing, deepfakes, clonación
de voz y agentes conversacionales genera nuevos desafíos probatorios para el
derecho penal, especialmente en la identificación del autor, la trazabilidad del
engaño, la autenticidad de la evidencia digital y la demostración del nexo entre la
conducta engañosa y el perjuicio patrimonial (Gressel et al., 2026; Mustak et al.,
2023; Ren et al., 2026; Romero-Moreno, 2025).Los avances en inteligencia artificial
generativa han facilitado la suplantación de identidad, permitiendo a los usuarios
crear imágenes realistas de personas completamente nuevas o de individuos de
confianza. Si bien la susceptibilidad a la inautenticidad basada en mensajes (por
ejemplo, el phishing) está bien investigada, aún no está claro si existen mecanismos
cognitivos similares que respalden la detección de inautenticidad en técnicas
basadas en mensajes e imágenes (por ejemplo, rostros generados por IA) (Sarno et
al., 2026)
Los deepfakes han ampliado las posibilidades de suplantación de identidad en
entornos digitales, al permitir la creación de imágenes, audios y videos hiperrealistas
que pueden ser utilizados para fraudes financieros, manipulación informativa,
extorsión o engaños patrimoniales (Mustak et al., 2023; Romero-Moreno, 2025;
Vecchietti et al., 2025).Por lo que los deepfakes, habitualmente utilizados para el
fraude financiero, son utilizados también en campañas de desinformación política, la
Revista Mundo Financiero. Volumen 7, Número 23, 2026
29 Esta obra está bajo una licencia Creative Commons 4.0, de Reconocimiento-NoComercial-CompartirIgual
http://www.mundofinanciero.indecsar.org
difusión de imágenes no consensuales y el acoso dirigido, además de representar
una amenaza en rápida evolución para la integridad de la información global, por su
potencial uso masivo exige una intervención inmediata y coordinada por parte las
autoridades locales e incluso en muchos casos un esfuerzo y coordinación regional
e internacional, esto debido al impacto de estos delitos, dado a que no solo se trata
de una afectación que puede darse a nivel individual sino que potencialmente el uso
de los deepfakes puede afectar a una sociedad en su conjunto alterando elecciones,
afectando el honor de personajes públicos y demás modalidades de afectación.
(Romero-Moreno, 2025)
Resultados
Tabla 1. Caracterización de la muestra documental sobre estafa
N.º
Autor/Año
País /
afiliación
principal
Metodología usada por el
autor
Hallazgo principal
1
Schmitt y
Flechais
(2024)
Reino Unido
Revisión sistemática y
propuesta de modelo
conceptual
La IA generativa amplifica la ingeniería
social mediante creación de contenido
realista, personalización avanzada e
infraestructura automatizada de ataque.
2
Heiding et al.
(2023)
Estados
Unidos
Estudio experimental
comparativo con
participantes y modelos
de lenguaje
Los LLM pueden generar correos de
phishing personalizados y reducir costos
del ataque; además, algunos modelos
detectan intención maliciosa con alta
capacidad.
3
Hazell (2023)
Reino Unido
Estudio experimental con
generación de mensajes
para spear phishing
Los LLM pueden apoyar la fase de
reconocimiento y la generación de
mensajes de spear phishing, incluso a
bajo coste.
4
Jabir, Le y
Nguyen (2025)
Australia
Revisión sistemática con
protocolo PRISMA y
metodología Kitchenham
El phishing con IA generativa explota
diversos factores humanos como
confianza, urgencia, error y falta de
alfabetización digital.
5
Hossain et al.
(2025)
Estados
Unidos
Diseño y evaluación
experimental de un
framework con LLM y
aprendizaje federado
Un sistema AI-in-the-loop puede
detectar y ralentizar conversaciones
fraudulentas en tiempo real,
preservando la privacidad mediante
aprendizaje federado.
6
Mai et al.
(2026)
Reino Unido
Evaluación multi-turn con
expertos en política
pública y aplicación de la
ley
Los LLM actuales ofrecen ayuda
limitada para delitos complejos, pero los
modelos sin salvaguardas o con
solicitudes fragmentadas pueden
aumentar el riesgo de abuso.
7
Ren et al.
(2026)
China
Benchmark y simulación
de escenarios de fraude
con agentes LLM
colaborativos
Los agentes LLM pueden coordinarse
en fraudes financieros en plataformas
sociales, aumentando el riesgo por
interacción colectiva y adaptación al
entorno.
8
Jiang (2024)
China
Propuesta técnica y
evaluación preliminar con
GPT-3.5 y GPT-4
Los LLM pueden utilizarse para detectar
señales de estafa, phishing, fraude de
pago anticipado y romance scams.
9
Gressel et al.
India / Israel /
Entrevistas, estudio
Las estafas románticas pueden
Revista Mundo Financiero. Volumen 7, Número 23, 2026
30 Esta obra está bajo una licencia Creative Commons 4.0, de Reconocimiento-NoComercial-CompartirIgual
http://www.mundofinanciero.indecsar.org
N.º
Autor/Año
País /
afiliación
principal
Metodología usada por el
autor
Hallazgo principal
(2026)
Italia /
Australia
conversacional ciego y
evaluación de filtros de
seguridad
automatizarse con LLM; los agentes
generados por IA pueden producir
mayor confianza y cumplimiento que
operadores humanos.
10
Shpachuk,
Markova y
Adamyk
(2026)
Reino Unido
/ Ucrania
Análisis jurídico-
regulatorio
El fraude financiero impulsado por IA
exige mayor responsabilidad, gestión de
riesgos y actualización de mecanismos
legales de protección.
11
Chlasta (2025)
Polonia
Análisis teórico-
documental sobre
ciberseguridad
La IA generativa tiene un carácter dual:
puede utilizarse tanto para fortalecer
defensas como para facilitar ataques de
ingeniería social y phishing.
12
Matecas,
Kieseberg y
Tjoa (2025)
Austria
Estudio técnico-
exploratorio sobre
herramientas abiertas de
IA
La IA reduce la barrera de entrada para
ataques de ingeniería social al permitir
generar múltiples plantillas persuasivas
en segundos.
13
Denisenko et
al. (2026)
Estados
Unidos
Estudio aprobado por IRB
y análisis estadístico de
más de 1.400 hipótesis
La susceptibilidad al phishing depende
de la interacción entre características
del usuario y propiedades del contenido
generado por IA.
14
Lui y
Miglionico
(2026)
Reino Unido
Análisis jurídico de
responsabilidad y
protección del consumidor
Las estafas financieras con deepfakes
evidencian vacíos de responsabilidad en
los marcos de protección del
consumidor.
15
Mustak et al.
(2023)
Finlandia /
Reino Unido
/ India
Revisión conceptual y
análisis de literatura sobre
deepfakes
Los deepfakes generan engaños en el
mercado, afectan la confianza del
consumidor y plantean riesgos para
empresas y usuarios.
16
Vecchietti,
Liyanaarachchi
y Viglia (2025)
Reino Unido
/ Italia
Estudio cualitativo
explicativo con 27
gerentes bancarios de
tres bancos globales en
nueve países
La integridad de los datos y la
gobernanza de IA son claves para
mitigar amenazas de deepfakes en el
sector bancario.
17
Romero-
Moreno (2025)
Reino Unido
Análisis técnico y jurídico-
comparado
Los deepfakes usados en fraude,
desinformación y acoso requieren
detección, trazabilidad, marcas de agua
y marcos jurídicos protectores de
derechos humanos.
18
Badhe (2025)
No
especificado
claramente
en la fuente
consultada
Diseño de agente
autónomo y simulación
multi-turn de llamadas
fraudulentas
Los agentes LLM pueden simular
llamadas de estafa realistas, adaptar
respuestas y evadir salvaguardas
cuando el ataque se fragmenta en
varios turnos.
19
Abdel-Wahab
y Alkhatib
(2026)
Arabia
Saudita
Revisión de técnicas de
detección y prevención de
deepfakes
Las defensas contra deepfakes deben
integrar métodos clásicos, machine
learning, deep learning, estrategias
híbridas y medidas legales o éticas.
20
Sarno et al.
(2026)
Estados
Unidos
Estudio empírico
comparativo sobre
detección de
inautenticidad digital
Los usuarios detectan peor la
inautenticidad basada en imágenes
generadas por IA que las estafas
basadas en mensajes.
Revista Mundo Financiero. Volumen 7, Número 23, 2026
31 Esta obra está bajo una licencia Creative Commons 4.0, de Reconocimiento-NoComercial-CompartirIgual
http://www.mundofinanciero.indecsar.org
Los resultados de la revisión documental realizada fueron organizados en cinco
temáticas, esto de acuerdo con la recurrencia de los problemas abordados por los
documentos analizados en este estudio: phishing e ingeniería social asistida por
inteligencia artificial, deepfakes y suplantación de identidad, fraudes financieros
digitales, estafas románticas automatizadas y carácter dual de la inteligencia
artificial.
En primer lugar, se identificó que el phishing, el spear phishing y la ingeniería social
constituyen las modalidades más abordadas por la literatura reciente sobre este
fenómeno. Los estudios muestran que los modelos de lenguaje permiten generar
mensajes fraudulentos más personalizados, coherentes y difíciles de detectar. Esta
modalidad se diferencia del phishing tradicional porque la inteligencia artificial puede
adaptar el mensaje al perfil de la víctima, utilizar información disponible en redes
sociales y simular patrones de comunicación humana para lograr el objetivo
delictivo.
En segundo lugar, los deepfakes aparecen como una modalidad emergente que
presenta un alto riesgo. La literatura evidencia que la inteligencia artificial permite
crear audios, imágenes y videos hiperrealistas que pueden ser utilizados para
suplantar identidades, simular comunicaciones legítimas e incluso inducir a la
víctima a realizar actos patrimoniales perjudiciales. Esta modalidad genera además
dificultades como prueba dentro de un proceso, especialmente en lo que respecta a
la autenticidad de la evidencia digital y la identificación del autor del material.
En tercer lugar, se encontraron estudios relacionados con fraudes financieros
digitales y agentes de inteligencia artificial. Estos estudios demuestran que la IA
puede ser utilizada para simular comunicaciones bancarias, perfiles empresariales,
operaciones financieras y escenarios de interacción coordinada en plataformas
sociales. La presencia de agentes LLM colaborativos evidencia el riesgo, debido a
que el engaño puede adquirir una apariencia de interacción social real.
En cuarto lugar, se identificaron estafas románticas asistidas por modelos de
lenguaje. Esta modalidad se caracteriza por la construcción progresiva de vínculos
emocionales falsos mediante conversaciones reales, simulación de empatía y
generación de confianza personal. A diferencia del phishing tradicional, el engaño no
se produce necesariamente en un solo acto, sino a través de una relación sostenida
que puede ocasionar que se den inversiones falsas, transferencias o entrega de
información sensible.
Finalmente, la revisión permitió identificar el carácter dual de la inteligencia artificial.
Por un lado, puede ser empleada como herramienta delictiva para automatizar,
personalizar y masificar el engaño. Por otro lado, también puede utilizarse para
detectar patrones sospechosos, identificar contenido generado artificialmente y
prevenir fraudes digitales. En consecuencia, el problema jurídico no se encuentra en
Revista Mundo Financiero. Volumen 7, Número 23, 2026
32 Esta obra está bajo una licencia Creative Commons 4.0, de Reconocimiento-NoComercial-CompartirIgual
http://www.mundofinanciero.indecsar.org
la inteligencia artificial como tecnología en sí misma, sino en el uso que se le da
dentro de contextos de engaño patrimonial.
Discusión
Los resultados de la revisión permiten sostener que la inteligencia artificial no
elimina la estructura tradicional de la estafa, sino que transforma los medios
mediante los cuales se produce el engaño. En este sentido, el phishing, los
deepfakes, las estafas románticas, los fraudes financieros y los agentes
conversacionales no constituyen necesariamente delitos completamente nuevos,
sino formas actualizadas de engaño patrimonial. Lo que cambia realmente es la
capacidad tecnológica para automatizar, personalizar y masificar la conducta
fraudulenta a los intereses delictivos.
Esta idea coincide con los aportes de Schmitt y Flechais (2024), Heiding et al.
(2023) y Jabir et al. (2025), quienes advierten en sus estudios que la inteligencia
artificial generativa permite crear mensajes fraudulentos más creíbles,
personalizados y difíciles de detectar. Por lo tanto, la principal aplicación no se
encuentra únicamente en la existencia del fraude digital, sino en la facilidad con la
que actualmente puede producirse contenido de esta naturaleza a gran escala. Este
hecho reduce las barreras técnicas para los ciberdelincuentes y aumenta la
exposición de los usuarios a modalidades de estafa más sofisticadas a las
habituales.
Asimismo, los hallazgos muestran que el phishing y el spear phishing son las
modalidades más desarrolladas en la literatura analizada. Esto se explica debido a
que los modelos de lenguaje pueden adaptar mensajes al perfil de la víctima,
utilizando información disponible en redes sociales, contextos laborales o patrones
de comunicación personal. En este punto, Hazell (2023), Heiding et al. (2023) y
Denisenko et al. (2026) coinciden en que la personalización del mensaje incrementa
la credibilidad del engaño y el riesgo de exponerse a un fraude digital. Desde una
perspectiva jurídico-penal, esto resulta relevante porque el engaño deja de ser
genérico y se convierte en una estrategia dirigida, capaz de inducir a error de
manera más eficiente que las que habitualmente existían.
Por otra parte, los deepfakes representan un nuevo desafío, ya que afectan la
confianza en la imagen, la voz y la identidad digital. Mustak et al. (2023), Romero-
Moreno (2025) y Vecchietti et al. (2025) permiten comprender que los deepfakes no
solo generan riesgos en el mercado o en la comunicación pública, sino también en
el cometimiento de fraudes patrimoniales. La posibilidad de simular la voz de un
directivo, la imagen de una persona conocida o una comunicación institucional
aparentemente legítima puede facilitar que la víctima se exponga a este tipo de
fraude y realice transferencias, entregue información confidencial o confíe en una
identidad falsa.
Revista Mundo Financiero. Volumen 7, Número 23, 2026
33 Esta obra está bajo una licencia Creative Commons 4.0, de Reconocimiento-NoComercial-CompartirIgual
http://www.mundofinanciero.indecsar.org
En relación con las estafas románticas y los fraudes financieros, los resultados
evidencian que la inteligencia artificial puede sostener interacciones prolongadas
con las víctimas. A diferencia del phishing tradicional, que suele operar mediante
mensajes breves, las estafas románticas asistidas por modelos de lenguaje pueden
construir vínculos emocionales falsos durante días, semanas o incluso meses. Esto
coincide con Gressel et al. (2026), quienes muestran que los modelos de lenguaje
pueden intervenir en dinámicas de engaño afectivo y financiero. En estos casos, el
engaño no se configura en un solo acto, sino mediante una acumulación progresiva
de confianza, manipulación y dependencia emocional.
Desde el punto de vista del derecho penal ecuatoriano, estos hallazgos permiten
afirmar que las nuevas modalidades de estafa asistida por inteligencia artificial
pueden ser analizadas a partir de los elementos tradicionales del delito de estafa:
engaño, error, disposición patrimonial, perjuicio y ánimo de lucro. Sin embargo, lo
relevante en el campo del derecho es la dificultad probatoria, esto debido a que en
los casos donde intervienen deepfakes, agentes conversacionales, perfiles falsos o
mensajes generados automáticamente, puede resultar más complejo identificar al
autor, demostrar la trazabilidad del engaño y probar la relación entre la conducta
fraudulenta y el perjuicio sufrido por la víctima.
También es posible advertir que la respuesta por parte del estado no debe consistir
en crear nuevos tipos penales para cada modalidad tecnológica ya que esto
ocasiona una excesiva fragmentación normativa podría generar inflación de tipos
penales pena y problemas de aplicación práctica, debido a la multiplicidad de tipos.
Más bien, el reto consiste en interpretar adecuadamente los tipos penales existentes
frente a nuevos medios comisivos, fortalecer las capacidades de investigación digital
y mejorar los mecanismos de prevención, trazabilidad y preservación de evidencia
electrónica.
Finalmente, los autores mencionados coinciden que la inteligencia artificial debe
entenderse como una herramienta de carácter dual en el campo de las estafas
digitales. Por un lado, puede ser utilizada por ciberdelincuentes para cometer
fraudes más sofisticados, pero, por otro lado, también puede emplearse para
detectar patrones de estafa, identificar mensajes sospechosos, analizar
conversaciones en tiempo real y prevenir ataques. Por ello, el problema jurídico no
radica en la inteligencia artificial en sí misma, sino en su utilización dentro de
contextos de engaño patrimonial.
Conclusiones
La revisión documental permitió concluir que la inteligencia artificial ha transformado
las modalidades de estafa digital al permitir la automatización, personalización y
masificación del engaño que son aplicadas. Herramientas como los modelos de
lenguaje, deepfakes, clonación de voz y agentes conversacionales aumentan la
credibilidad de las comunicaciones fraudulentas y dificultan su detección por parte
Revista Mundo Financiero. Volumen 7, Número 23, 2026
34 Esta obra está bajo una licencia Creative Commons 4.0, de Reconocimiento-NoComercial-CompartirIgual
http://www.mundofinanciero.indecsar.org
de las víctimas, además del procesamiento de las autoridades. Sin embargo, estas
nuevas modalidades no eliminan la estructura clásica de la estafa, sino que
modifican sus medios de ejecución: el engaño, el error, la disposición patrimonial, el
perjuicio y el ánimo de lucro continúan siendo elementos esenciales para su
configuración jurídico-penal, aunque las modalidades sean muy variadas.
Asimismo, se concluye que el phishing, la ingeniería social, los deepfakes, las
estafas románticas y los fraudes financieros digitales constituyen las principales
manifestaciones de la estafa asistida por inteligencia artificial. El procesamiento de
estos delitos por parte de las autoridades por estas modalidades genera retos
probatorios desde su etapa de investigación, especialmente en la identificación del
autor, la autenticidad de la evidencia digital y la trazabilidad del engaño.
Finalmente, la inteligencia artificial debe entenderse como una herramienta de
carácter dual, capaz de facilitar la comisión de fraudes, pero también de contribuir a
su detección y prevención. Por ello, la respuesta jurídica debe combinar
interpretación penal adecuada, fortalecimiento de capacidades investigativas,
alfabetización digital y cooperación institucional.
Referencias Bibliográficas
Abdel-Wahab, A., & Alkhatib, M. (2026). Toward robust deepfake defense: A review
of deepfake detection and prevention techniques in images. Computers,
Materials & Continua, 86(2), 1–34. https://doi.org/10.32604/cmc.2025.070010
Badhe, S. (2025). ScamAgents: How AI agents can simulate human-level scam
calls. arXiv. https://doi.org/10.48550/arXiv.2508.06457
Chlasta, K. (2025). The dual-use dilemma of generative artificial intelligence in
cybersecurity: Navigating the explosive growth in offensive and defensive
applications. Security and Defence Quarterly, 52(4).
https://doi.org/10.35467/sdq/217364
Denisenko, N., La Gatta, V., Postiglione, M., Sola, L., Chen, Y., & Subrahmanian, V.
S. (2026). AI-generated phishing: Combining human behavior with post content
to assess susceptibility. ACM Transactions on Internet Technology, 26(2),
Article 24. https://doi.org/10.1145/3799891
Gressel, G., Pankajakshan, R., Rozenfeld, S., Li, L., Franceschini, I., Achuthan, K., &
Mirsky, Y. (2026). Love, lies, and language models: Investigating AI’s role in
romance-baiting scams. arXiv.
Hazell, J. (2023). Spear phishing with large language models. arXiv.
https://doi.org/10.48550/arXiv.2305.06972
Revista Mundo Financiero. Volumen 7, Número 23, 2026
35 Esta obra está bajo una licencia Creative Commons 4.0, de Reconocimiento-NoComercial-CompartirIgual
http://www.mundofinanciero.indecsar.org
Heiding, F., Schneier, B., Vishwanath, A., Bernstein, J., & Park, P. S. (2023).
Devising and detecting phishing: Large language models vs. smaller human
models. arXiv. https://doi.org/10.48550/arXiv.2308.12287
Hossain, I., Puppala, S., Alam, M. J., & Talukder, S. (2025, November 5). AI-in-the-
loop: Privacy preserving real-time scam detection and conversational
scambaiting by leveraging LLMs and federated learning. arXiv.
Jabir, R., Le, J., & Nguyen, C. (2025). Phishing attacks in the age of generative
artificial intelligence: A systematic review of human factors. AI, 6(8), Article 174.
https://doi.org/10.3390/ai6080174
Jiang, L. (2024). Detecting scams using large language models. arXiv.
Lui, A., & Miglionico, A. (2026). AI-generated deepfake financial scams: A missing
liability regime for consumer protection frameworks. Asian Journal of
Comparative Law. Advance online publication.
Mai, K. T., Gausen, A., Dubois, M., Murad, M., O’Dell, B., Staes-Polet, N.,
Summerfield, C., & Strait, A. (2026, February). A multi-turn framework for
evaluating AI misuse in fraud and cybercrime scenarios. arXiv.
Matecas, A.-R., Kieseberg, P., & Tjoa, S. (2025). Social engineering with AI. Future
Internet, 17(11), Article 515. https://doi.org/10.3390/fi17110515
Mustak, M., Salminen, J., Mäntymäki, M., Rahman, A., & Dwivedi, Y. K. (2023).
Deepfakes: Deceptions, mitigations, and opportunities. Journal of Business
Research, 154, Article 113368. https://doi.org/10.1016/j.jbusres.2022.113368
Ren, Q., Zheng, Z., Guo, J., Yan, J., Ma, L., & Shao, J. (2026, April 6). When AI
agents collude online: Financial fraud risks by collaborative LLM agents on
social platforms. arXiv.
Romero-Moreno, F. (2025). Deepfake detection in generative AI: A legal framework
proposal to protect human rights. Computer Law & Security Review, 58, Article
106162. https://doi.org/10.1016/j.clsr.2025.106162
Sarno, D. M., Solorio, J., Ballar, S., Chadwick, S., Harris, K., Moss, D., & Lyu, S.
(2026). Framing digital inauthenticity: Comparing user detection of AI-generated
faces to message-based scam methods. Acta Psychologica, 262, Article
105995. https://doi.org/10.1016/j.actpsy.2025.105995
Schmitt, M., & Flechais, I. (2024). Digital deception: Generative artificial intelligence
in social engineering and phishing. Artificial Intelligence Review, 57, Article 324.
https://doi.org/10.1007/s10462-024-10973-2
Revista Mundo Financiero. Volumen 7, Número 23, 2026
36 Esta obra está bajo una licencia Creative Commons 4.0, de Reconocimiento-NoComercial-CompartirIgual
http://www.mundofinanciero.indecsar.org
Shpachuk, V., Markova, O., & Adamyk, B. (2026). AI-driven financial fraud: Key risks
and legal protections for financial institutions. Journal of Banking Regulation,
27, Article 6. https://doi.org/10.1057/s41261-025-00304-y
Vecchietti, G., Liyanaarachchi, G., & Viglia, G. (2025). Managing deepfakes with
artificial intelligence: Introducing the business privacy calculus. Journal of
Business Research, 186, Article 115010.
https://doi.org/10.1016/j.jbusres.2024.115010
