El fraude de voz con IA de 4.500 millones de yenes en Japón: ¿un incidente o 143?

Un clon de voz de IA creado a partir de charlas y vídeos públicos de un director ejecutivo llamó al responsable de finanzas de una empresa, ordenó una transferencia y mostró el número de móvil real del directivo en la identificación de llamada. El archivo registra la pérdida resultante como 4.500 millones de yenes, fechada el 3 de septiembre de 2026, clasificada como de gravedad alta, confianza A y no disputada. Casi todos los elementos de esa descripción están documentados en Japón, pero no juntos ni a esa escala. La cifra de 4.500 millones de yenes es el recuento de la Agencia Nacional de Policía para 143 transferencias corporativas mediante phishing telefónico durante todo 2025, y la descripción que la propia agencia hace de la técnica corresponde a un ataque distinto del que figura en el resumen del registro. Esta entrada es una de un conjunto más amplio de registros clasificados que se conservan en el Orca AI Incident Archive, que publica una gravedad, un grado de confianza y un indicador de disputa para cada incidente.

No se nombra a ninguna empresa, presidente ni empleado en ningún lugar del informe. Lo que describe la entrada es un compuesto: el mecanismo de una fuente, la escala de otra y una fecha que no pertenece a ninguna de las dos. Eso no hace que la amenaza sea hipotética —un fabricante japonés fue objetivo de exactamente este mecanismo en noviembre de 2024, y el intento se detuvo antes de que saliera cualquier cantidad de dinero. Sí significa que el registro, leído literalmente, describe un evento que ninguna fuente documenta.

Lo que realmente dice el artículo del 3 de septiembre

La fuente citada en la entrada es un artículo explicativo japonés publicado el 9 de septiembre de 2026 por yasashii-cybersecurity.com, que remite a ITmedia Enterprise. ITmedia publicó el artículo el 3 de septiembre de 2026 con el titular {{1}}«El uso indebido de la voz del presidente causa pérdidas por 4.500 millones de yenes: un exagente del Departamento de Policía Metropolitana revela la técnica del fraude con IA»{{/1}} — «abuso de la voz del presidente, 4.500 millones de yenes en pérdidas; un exagente del MPD revela la técnica de fraude con IA». El cuerpo del artículo está detrás de un muro de suscripción, y el explicativo lo reconoce: reconstruyó los detalles a partir de lo que indica el titular y de explicaciones habituales en artículos independientes japoneses sobre seguridad, y afirma que no leyó el artículo.

Una versión más extensa y totalmente legible se publicó anteriormente en Keyman's Net, de ITmedia, el 27 de julio de 2026, atribuida a 平行男. En el pie se indica que la redacción la reconstruyó a partir de un seminario en línea celebrado el 14 de julio de 2026. Intervinieron tres personas. 稲村悠 es exagente del Departamento de Policía Metropolitana y ahora director representante de Fortis Intelligence Advisory: el «ex MPD» del titular. 赤塚育海 es consejero delegado de TITAN INTELLIGENCE, una empresa de IA para entretenimiento cuyo producto de síntesis de voz se llama mimidub y que, por tanto, es proveedor de la tecnología objeto de debate. 藤居朋之 es directivo de LRM, una consultora de seguridad fundada en 2006.

Así que la pieza es un seminario para proveedores y consultores, reconstruido por una redacción. No es un informe de caso, y no incluye ninguna víctima, ninguna transferencia ni ninguna fecha de un fraude.

Qué cuenta el número de la policía

Si se remonta el origen de los ¥4.500 millones, deja de ser un incidente. El seminario se basó en el informe de amenazas de 2025 de la Agencia Nacional de Policía, 令和7年におけるサイバー空間をめぐる脅威の情勢等について, publicado en marzo de 2026. La agencia contabilizó 4.747 transferencias bancarias por internet no autorizadas en 2025 por un valor de unos ¥103.970 millones, de las cuales el phishing representó aproximadamente nueve de cada diez. Las cuentas corporativas absorbieron ¥4.709 millones de esa cantidad en 189 casos —alrededor de cuatro veces las pérdidas y el número de casos del año anterior, lo que representa aproximadamente el 45 % del dinero del año en cerca del 4 % de los casos de ese año.

La agencia identifica el phishing telefónico como la razón del repunte en las empresas. ITmedia, al informar sobre el mismo comunicado, sitúa la parte de phishing telefónico en 143 casos y unos 4.500 millones de yenes para 2025. Esa es la cifra que se difundió: la que recoge el titular, la que repitieron los agregadores en chino y la que el registro de archivo consigna como una única pérdida. La mayor pérdida individual empresarial que describe la policía supera los 400 millones de yenes —menos de una décima parte del titular, y la escala de una sola víctima, no de 143.

Hay un segundo problema, y es más importante. La propia descripción que hace la agencia de la técnica no es la de un director ejecutivo clonado. En el boletín que la describe, los delincuentes llaman a una empresa haciéndose pasar por personal que gestiona una actualización de la banca por internet, convencen al empleado de que lea en voz alta una dirección de correo electrónico durante la llamada y luego envían un correo de phishing a esa dirección. Las características enumeradas son un número de llamada internacional, un saludo automatizado que cambia a una voz humana y una dirección de correo electrónico solicitada durante la llamada. El objetivo son unas credenciales, no una transferencia autorizada.

El escenario de clonación mediante IA —la voz de un presidente, reproducida y dirigida al único empleado que puede mover dinero— aparece en el artículo de ITmedia como una demostración de hacia dónde se dirige la técnica y como el argumento a favor de las contramedidas. No aparece como un caso policial con 4.500 millones de yenes de por medio.

El caso de clonación de voz japonés que se documentó

Un caso japonés sí encaja exactamente con el mecanismo, y por eso la advertencia no es hipotética. En noviembre de 2024, un ejecutivo de un fabricante no identificado recibió tres llamadas con una voz que sonaba como la del presidente de la empresa. La primera exigía una transferencia para el mismo día por un asunto confidencial de fusión y decía que un abogado se pondría en contacto; la segunda, unos noventa minutos después, preguntaba cuándo se podría efectuar el pago. El número que aparecía era el número de móvil real del presidente. La voz del presidente ya era pública en sitios para compartir videos y podría haberse utilizado para entrenar el sistema, descrito como funcionando a modo de cambiador de voz en tiempo real.

El ejecutivo habló con el presidente real de forma habitual y no detectó la imitación al principio. Para la tercera llamada, ya habían surgido sospechas y el intento se vino abajo sin que se realizara una transferencia. La filial japonesa de Proofpoint reveló el intento el 19 de marzo de 2025, y Kyodo News lo reportó ese mismo día a través de periódicos regionales, incluido Chiba Nippo. Su evangelista principal, 増田幸美, advirtió que el uso indebido de la IA aumentaría a partir de ahí.

Así se ve un caso documentado japonés de suplantación de voz con IA: falsificación de la identificación de llamada, una voz obtenida de un video público, un pretexto urgente y confidencial, un empleado con autoridad para ordenar transferencias y un paso de verificación que resistió. Terminó en prevención, sin pérdidas reportadas. Proporciona el detalle de la identificación de llamada que afirma el resumen del archivo — para un caso en el que no se robó nada, no para uno de 4.500 millones de yenes.

¿Qué se demostró en julio?

En el seminario del 14 de julio, la demostración duró unos diez segundos. A partir de unos diez segundos del discurso de 稲村, un sistema produjo un clon que leyó una instrucción fabricada: soy 稲村, hoy tiene que salir un pago de contrato de 1 millón de yenes, y si el banco llama para confirmar, díganles que es una transacción normal. La última cláusula es la parte en la que conviene detenerse. No solo suplanta la identidad de un firmante; también se anticipa a la propia llamada de verificación del banco, que es el control en el que confía el sector.

Akatsuka grabó unos segundos de su propia voz durante la sesión e hizo que se generara un clon en el acto. Señaló que su empresa suministra tecnología de voz para entretenimiento bajo acuerdos de gestión de derechos, y que la misma herramienta que dobla un drama puede leer una instrucción de pago. La conclusión estructural es la siguiente: las voces de los directivos se publican en presentaciones de resultados, vídeos de captación de personal y grabaciones de seminarios, de modo que una empresa que se comunica más produce más material de entrenamiento.

El seminario presentó cifras de encuesta, reportadas por ITmedia: el 67,5% de los encuestados había recibido un correo electrónico sospechoso en el trabajo, el 19,1% nunca había informado de uno, y solo el 42,9% afirmó que la formación en seguridad había cambiado su comportamiento. Inamura dijo que su propia formación sobre vishing descubrió que las organizaciones reforzadas contra el phishing por correo electrónico a veces obtenían peores resultados en phishing telefónico, con más empleados entregando información a un interlocutor telefónico; los hábitos con el correo electrónico no se trasladan a una llamada en vivo con una figura de autoridad.

¿Qué cambió después?

La respuesta que consta en actas es de procedimiento, no técnica. Tras el resurgimiento de las pérdidas corporativas en noviembre de 2025, la Oficina de Ciberpolicía de la Agencia Nacional de Policía elaboró un boletín de sensibilización pública, サイバー警察局便り, junto con la Agencia de Servicios Financieros, la Asociación de Banqueros de Japón y el Centro de Control del Cibercrimen de Japón (JC3). Su consejo a las empresas es que vuelvan a llamar al banco al número de la sucursal o del representante en lugar de confiar en cualquier número facilitado durante la llamada, y que accedan a la banca por internet únicamente a través del sitio oficial o de la aplicación del banco.

El marco del seminario era «PTP» —protocolo, tecnología, personas—, con el protocolo como fundamento, bajo el argumento de que una empresa sin un procedimiento escrito no tiene respuesta que dar a un empleado bajo presión. Las reglas que 稲村 estableció para el lado receptor eran colgar, devolver la llamada desde un número oficial y bajar el ritmo deliberadamente en lugar de responder a la urgencia. Las recomendaciones del propio ponente para la dirección iban más allá:

• Los directivos deberían declarar por adelantado, por escrito, que nunca ordenarán una transferencia por teléfono.

• Las transferencias, y cualquier cambio de datos bancarios, deben confirmarse a través de un segundo canal, con un número tomado del directorio interno en lugar de uno proporcionado por quien llama.

Ninguna de esas medidas es nueva. Lo que cambiaron las cifras de 2025 es el argumento a favor de ellas: una vez que un clon necesita unos segundos de audio, "reconocí la voz" deja de ser un control.

Lo que la calificación del registro compra, y lo que no.

El archivo califica esta entrada con confianza A: «bien documentado, las fuentes primarias coinciden». En lo que respecta a la técnica, es justo: las estadísticas policiales, el artículo explicativo de ITmedia y el caso Proofpoint de 2024 coinciden en cuanto a la suplantación del identificador de llamada, las muestras de voz públicas y la velocidad de la clonación actual. La calificación no se extiende a la frase que comprime el título. Ninguna fuente describe una transferencia de 4.500 millones de yenes, una víctima identificada ni una fecha del incidente. La fecha que figura en el registro, 3 de septiembre de 2026, es la fecha en que ITmedia Enterprise publicó su versión. El fraude subyacente no tiene fecha porque no hay un único fraude al que asignar una fecha.

La fuente citada en el registro es franca sobre sus propios límites. La página yasashii-cybersecurity afirma que el cuerpo de ITmedia era exclusivo para miembros y que reconstruyó los detalles a partir del titular y de las explicaciones habituales en los artículos independientes japoneses sobre seguridad. Presenta la suplantación del identificador de llamadas como el patrón típico de este fraude, no como una característica confirmada de un caso concreto. Esa es una lectura honesta, y es la lectura que debería recoger el registro.

Tres cosas convertirían esta entrada de una estadística en un incidente: una empresa dispuesta a que se la identifique, un registro policial o judicial de una transferencia concreta, o un desglose por organismo que separe las pérdidas por clonación de voz con IA del total de phishing de credenciales dentro del cual se contabilizan actualmente. Ninguna de las tres existe en el registro público a fecha de 29 de octubre de 2026.

Hasta que uno lo logre, lo mejor es interpretar la entrada como lo que la policía contabilizó en 2025 —unos 4.500 millones de yenes en 143 casos corporativos de phishing telefónico, según la versión de ITmedia sobre los datos de la agencia—, con el mecanismo de clonación por IA confirmado en Japón por un intento de 2024 que se detuvo antes de que saliera dinero de la empresa.