Fraude al seguro con IA: cómo revisar las fotos de un siniestro

Para revisar las fotos de un siniestro ante una sospecha de fraude al seguro con IA, defina qué hecho debe acreditar cada foto, conserve el archivo recibido, compruebe por separado el contexto y la procedencia, aplique el análisis de imagen que corresponda a la duda y corrobore con pruebas independientes antes de decidir. Una escena generada, una zona alterada, una foto de un siniestro anterior y una foto auténtica pero insuficiente exigen pasos distintos. El resultado de un detector orienta la siguiente comprobación; la decisión sobre el siniestro corresponde al tramitador o a la unidad antifraude, con el expediente completo.

Una fotografía aportada a un parte de siniestro sostiene una afirmación concreta: este vehículo sufrió este daño, esta cocina se inundó, este objeto existía antes del robo. Revisarla consiste en contrastar esa afirmación, no solo en decidir si sus píxeles parecen artificiales. El objetivo práctico es un siguiente paso justificado: obtener una fotografía más clara, conciliar una foto anterior, pedir a un especialista que examine una alteración local o cerrar una duda que las pruebas ya explican.

Si tramita un expediente ahora, empiece por las cuatro vías de revisión y por el caso de la puerta trasera, que incluye un texto de solicitud listo para copiar. Si diseña un proceso para su equipo, use la tabla de derivación y las medidas separadas por foto y por siniestro para repartir responsabilidades y evaluar un piloto acotado.

Qué dicen los datos sobre el fraude al seguro con IA

La referencia pública más completa en España es el XIII Mapa AXA del Fraude en España (abril de 2026), que describe la experiencia de una aseguradora. Según AXA:

• La tasa de fraude, entendida como siniestros fraudulentos sobre el total de siniestros declarados, fue del 1,92 % en 2025. AXA la pondera por su cuota de mercado geográfica para extrapolarla al sector.
• AXA evitó pagos fraudulentos por casi 88 millones de euros, la cifra más alta de los trece años del informe.
• Los medios digitales detectaron el 36 % del fraude evitado, frente al 30 % del año anterior. Del total, el 43 % lo identificaron los tramitadores y el 20 % peritos y otros profesionales.
• El fraude premeditado subió hasta el 46,3 % de los casos, la tasa más alta de los últimos ocho años.
• En Auto, los casos de fraude se sitúan en torno al 55–56 % del total en los tres últimos años.

El informe añade que la sofisticación del fraude «está entrando en estos momentos en una nueva dimensión de la mano de la inteligencia artificial» y que AXA trabaja con IA en la identificación temprana de patrones sospechosos «en los documentos o imágenes gestionadas en la tramitación de un siniestro».

El 1,92 % mide todo el fraude detectado por una aseguradora, no el fraude con imágenes generadas o editadas con IA, y a 28 de octubre de 2026 todavía no existe una medición oficial de su alcance en España. Lo que sí cambia es la tarea del revisor: distinguir problemas de imagen diferentes y vincular cada hallazgo con los hechos del expediente. Incorporar un detector sin esa vinculación puede generar más alertas y dejar a la unidad antifraude sin saber qué prueba pedir.

El marco en España

Deber legal de luchar contra el fraude. El artículo 100 de la Ley 20/2015 (LOSSEAR) obliga a las aseguradoras a «adoptar medidas efectivas para, prevenir, impedir, identificar, detectar, informar y remediar conductas fraudulentas relativas a seguros», de forma individual o mediante los ficheros comunes del artículo 99.7, que pueden establecerse con la finalidad de prevenir el fraude sin consentimiento del afectado, aunque con la información debida. La misma ley identifica a la Dirección General de Seguros y Fondos de Pensiones como autoridad de supervisión.

Ficheros comunes del sector. La cláusula informativa de TIREA (junio de 2026) describe, entre otros, el SIPFSRD (prevención del fraude en seguros de ramos diversos), el SIAPTRI (automóviles con pérdida total, robo e incendio) y el SIHSA (historial de seguros del automóvil). Son sistemas de las aseguradoras adheridas; aquí solo sirven de contexto: una foto revisada forma parte de un circuito más amplio de prevención.

Límite a las decisiones automatizadas. El artículo 22.1 del RGPD reconoce el derecho a «no ser objeto de una decisión basada únicamente en el tratamiento automatizado» que produzca efectos jurídicos o afecte significativamente de modo similar. Las excepciones del apartado 2 exigen salvaguardas, como mínimo el derecho a obtener intervención humana. En la práctica: no rechace un siniestro solo por el resultado de un detector. Las condiciones del servicio de Fileverity excluyen expresamente ese uso, y su página de seguridad precisa que los resultados respaldan una decisión tomada por una persona.

Datos de salud. En siniestros de hogar con lesiones o en accidentes personales, las fotos y los informes pueden contener datos de salud, que son una categoría especial. Aplique la minimización del artículo 5.1.c del RGPD: analice solo lo necesario para la tramitación.

Empiece por la proposición y clasifique la duda

Antes de revisar la imagen, escriba en una frase para qué se aporta: «Esta fotografía se aporta para mostrar el daño en la puerta trasera izquierda asociado a la colisión declarada». La frase fija la zona, el objeto y el hecho pertinentes, y evita que una anomalía periférica adquiera más importancia de la que merece.

Las vías pueden solaparse. Una foto real puede mostrar un daño real de un siniestro anterior; una ilustración generada puede haberse enviado claramente como ilustración y no como prueba. Registre la finalidad declarada del envío y la explicación que lo acompañe antes de interpretar cómo se produjo.

1. Fije una petición de pruebas razonable

Pida pruebas que respondan a la pregunta del siniestro. En daños de vehículo, una fotografía general vincula el panel afectado con el vehículo, una fotografía cercana muestra el daño y otro ángulo ayuda a valorar su extensión. En un electrodoméstico dañado, la etiqueta del modelo puede acreditar su identidad y una fotografía amplia, su estado. Evite pedir más imágenes del entorno personal del asegurado solo porque podrían resultar interesantes.

Explique cómo aportar la foto original en lugar de pedir simplemente «el original»: el asegurado puede entender por original la primera captura de pantalla que recibió. Indique si necesita el archivo de la cámara, un adjunto reenviado o una imagen exportada, y conserve la explicación de su procedencia. Si el parte o la aplicación de siniestros aceptan subidas directas, prefiéralas. Muchas fotos llegan por WhatsApp; enviadas como foto se recomprimen y pierden metadatos, por eso conviene pedirlas como documento. La guía sobre capturas de pantalla y fotos comprimidas explica qué se pierde y cómo formular esa petición.

Prevea una alternativa para dispositivos inaccesibles, archivos originales perdidos, bienes ya reparados o lugares peligrosos. Un asegurado no debe volver a subir a un tejado inestable ni entrar en un edificio dañado para completar una plantilla. El tramitador puede optar por una inspección presencial o por videollamada, por la tasación del perito de la aseguradora o por un registro independiente que ya exista. Lo que se busca es responder a la pregunta, no acumular reenvíos.

2. Conserve el archivo recibido y sus relaciones

Asigne a cada archivo recibido una referencia estable vinculada al expediente, la hora de recepción, el remitente y el canal. Conserve los bytes recibidos y relacione con ellos los recortes, las anotaciones y las miniaturas. Un nombre de archivo puede corresponder a varios envíos distintos; una huella SHA-256 (hash) distingue los bytes exactos, sin probar por ello la veracidad de la escena.

Registre las transformaciones conocidas de la recepción. La vista previa comprimida de un portal y el archivo que ese portal conserva son entradas distintas. Etiquete las capturas y las copias reenviadas como tales, para que el siguiente revisor sepa qué versión produjo cada hallazgo.

3. Compruebe por separado el contexto y la procedencia

Compare primero los detalles visibles con el parte: identidad del objeto, zona dañada, secuencia declarada y demás fotografías aportadas. Pregúntese qué observaciones tienen respaldo independiente. Tres fotos reenviadas por el mismo intermediario pueden aportar puntos de vista útiles, pero no se convierten en tres testigos independientes por ser archivos separados.

Después examine los metadatos y la procedencia con herramientas adecuadas. Trate la fecha de captura registrada como un campo que valorar, no como la fecha garantizada del hecho. Distinga los metadatos simples de la procedencia validada criptográficamente, y la ausencia de registro de una validación fallida.

Las Credenciales de contenido (C2PA) pueden registrar información firmada sobre la creación y la edición. La Content Authenticity Initiative explica que una validación correcta aporta pruebas de integridad y, si el firmante es de confianza según la política del validador, de su origen, pero no prueba que el contenido representado ni cada afirmación sean verdaderos o completos. También precisa que la falta de credenciales no indica, por sí sola, que el contenido sea falso (introducción técnica de la CAI, en inglés). Un registro de procedencia responde a «¿qué procesado consta?», no a «¿es este el objeto asegurado y el siniestro pertinente?». Guarde el resultado de la validación y la versión de la herramienta junto a la referencia del archivo.

4. Use el análisis que corresponda a la pregunta

La generación de la imagen completa, la modificación local y la reutilización de una imagen son tareas distintas. Antes de tratar un resultado como prueba sobre una zona dañada pequeña, averigüe qué mide la herramienta y qué entradas admite. Una etiqueta para toda la escena no evalúa automáticamente cada panel, mancha o número de serie que contiene.

El informe NIST AI 100-4 (noviembre de 2024) distingue los enfoques de procedencia de la detección basada en las características del contenido, y advierte de que un contenido técnicamente legítimo puede engañar si se saca de contexto (NIST AI 100-4, en inglés). Es un argumento para combinar métodos sin tratar ninguno como relato completo del siniestro.

Registre la entrada real, la versión de la herramienta, la tarea admitida y el resultado devuelto, y mantenga cualquier puntuación en sus propios términos. Una puntuación de clasificación de imagen no es una probabilidad de fraude. Para interpretar umbrales y falsos positivos, consulte la guía sobre la precisión de un detector de imágenes generadas con IA. Para la diferencia entre escenas generadas y zonas regeneradas en una foto real, vea cómo detectar ediciones con IA en una foto.

Ante una duda localizada, describa la observación con palabras corrientes y conserve una referencia sin anotar. «El contorno inferior de la puerta difiere entre A01 y A02» es revisable. «El mapa de calor demuestra el fraude» se salta la interpretación y la corroboración. Si la entrada es demasiado pequeña, está tapada o no es adecuada, regístrela como no valorable en lugar de forzar un sí o un no.

El principio técnico: por qué el ruido local puede delatar un procesado

Dos zonas de una pared pueden tener colores parecidos y fluctuaciones finas distintas. Una imagen contiene la estructura de la escena junto con los efectos del sensor y del procesado, y una sustitución o un retoque local pueden alterar esa relación. El análisis forense basado en el ruido pregunta si el patrón de fluctuación de una zona es coherente con el de su entorno comparable. No presupone que todas las fotos auténticas tengan un ruido uniforme.

Un enfoque consolidado examina los coeficientes de ondícula (wavelet) de alta frecuencia, que realzan el detalle fino, y estima después su variación local de forma robusta. Para unos coeficientes c, la desviación absoluta mediana es MAD(c) = mediana(|c − mediana(c)|). Usar la mediana reduce la influencia de unos pocos coeficientes extremos frente a elevar al cuadrado cada desviación. Con un modelo ideal de ruido gaussiano, un factor fijo convierte esta medida en una estimación de la desviación típica del ruido; el procesado real de la cámara puede apartarse de ese modelo, así que la estimación exige interpretación (Mahdian y Saic, «Using noise inconsistencies for blind image forensics», 2009, en inglés).

Un ejemplo construido lo hace visible. Los residuos −2, −1, 0, 1, 2 tienen mediana 0 y MAD 1. Los residuos −6, −3, 0, 3, 6 también tienen mediana 0, pero MAD 3. El centro coincide; la escala de fluctuación, no.

El análisis del ruido local es uno de los métodos forenses que Fileverity aplica a las entradas adecuadas. Tiene en cuenta la variación local del ruido y el efecto de la textura: una cortina estampada, una pared lisa pintada y una sombra oscura producen de forma natural contenidos de alta frecuencia distintos. Tratar cada diferencia como manipulación confundiría la escena con el procesado que se investiga.

En una foto de un siniestro por daños por agua, una anomalía de ruido que coincida con la mancha declarada justifica examinar esa zona junto con otras pruebas de manipulación y con otra fotografía. No permite fechar la fuga ni calcular su extensión. La reducción de ruido, el enfoque y la compresión pueden cambiar u ocultar la señal, y una imagen técnicamente coherente puede mostrar el siniestro equivocado. Compare la zona con el archivo original y con otras fotografías antes de decidir si la diferencia afecta al daño declarado.

5. Escale según la pregunta que siga abierta

Una derivación útil tiene un destino y una condición de cierre definidos. Un archivo de mala calidad va a una petición de mejor prueba. Una sospecha concreta de alteración local sin explicar va a un revisor cualificado. Una contradicción entre las imágenes y los registros independientes va al proceso de investigación del siniestro. Las vías pueden confluir, pero su motivo de partida debe seguir siendo visible.

La verificación de imágenes de Fileverity está pensada para la etapa técnica de esa revisión. El análisis de imágenes distingue una «Foto con alteraciones locales» de una imagen «Generada por IA» y marca las zonas regeneradas; asigna un nivel de riesgo de L0 a L5 con una acción recomendada, puede quedar «Sin determinar» cuando las pruebas no bastan y, si se elige, busca copias de la imagen en la web, una opción desactivada por defecto que puede mostrar que una foto ya estaba publicada. Los niveles altos recomiendan escalar el archivo a su propio proceso de revisión; no deciden el resultado. Su plataforma de siniestros y su equipo siguen siendo quienes vinculan ese resultado con el vehículo, el hecho y la decisión.

La condición de cierre puede ser «obtener una fotografía que vincule el daño con el vehículo identificado», nunca «seguir pidiendo fotos hasta que el detector deje de señalarlas». Un nuevo envío se valora por si responde a la pregunta. Varios resultados parecidos del mismo detector no son, por eso, corroboraciones independientes.

Caso práctico: una foto dudosa del daño en una puerta

Este caso es hipotético y muestra cómo una sospecha técnica cambia una petición de pruebas.

Un asegurado aporta tres fotos de una colisión lateral. A01 es un primer plano de la puerta trasera, A02 una fotografía lateral más amplia y A03 muestra el número de bastidor. En A01 la arruga de la chapa parece más profunda que en A02, y una herramienta técnica devuelve además una sospecha de modificación local en A01. El presupuesto del taller incluye la sustitución de esa puerta.

Observación: la arruga parece distinta en las dos fotografías y la herramienta señaló uno de los archivos. Inferencia: la modificación es una explicación posible; la iluminación, el ángulo, el procesado del archivo o fotos tomadas en momentos distintos son otras que aún no se han descartado. Ni la observación ni el resultado de la herramienta establecen intención alguna.

La sospecha local centra el seguimiento en la puerta trasera; no justifica pedir más fotos de zonas ajenas. El tramitador solicita el archivo original de A01 y una fotografía que vincule esa puerta con el vehículo identificado:

Le agradeceríamos que adjuntara la fotografía original de A01 tal como la tomó, no una captura de pantalla. La arruga de la puerta trasera se aprecia de forma distinta en A01 y en A02. Si le resulta seguro y posible, envíe una fotografía que muestre esa puerta y parte suficiente del vehículo para relacionarla con el número de bastidor que ya nos facilitó. Indíquenos también si las fotos se tomaron antes o después de alguna reparación. Si no le es posible o seguro hacer otra foto, contacte con el tramitador para valorar una inspección o un registro de reparación existente.

El tramitador es responsable de la respuesta y comprueba si el presupuesto del taller describe de forma independiente ese mismo panel y cuándo se valoró, por ejemplo con la tasación del perito de la aseguradora. El revisor técnico recibe las referencias de los archivos originales y la pregunta concreta sobre el panel, no una etiqueta sin explicar de «fraude con IA».

La revisión puede terminar de tres formas. Si una inspección independiente confirma el daño descrito y la comparación con el original explica la discrepancia, cierre la sospecha sobre la foto con ese razonamiento; no hacen falta más análisis para esa pregunta resuelta. Si la inspección contradice el daño aportado y la discrepancia sigue sin explicación, traslade la contradicción concreta a la unidad antifraude según el procedimiento de la aseguradora. Si no puede obtenerse una prueba adecuada, mantenga un estado «sin resolver» con un responsable y una fecha de revisión; no convierta una falta de respuesta en un hallazgo técnico.

En este caso, el informe del análisis de imágenes permite al revisor técnico ubicar con coordenadas la zona señalada en A01, dejar constancia de la huella SHA-256 del archivo recibido y de su sello de tiempo, y separar la información de procedencia de las pruebas sobre los píxeles; la decisión sobre la puerta sigue dependiendo de la inspección.

Una nota provisional adecuada sería: «La arruga aparente de A01 difiere de A02. El resultado de la herramienta es una señal técnica para la revisión. La relación entre las fotografías sigue sin resolver. Se solicitan el archivo original y una fotografía de enlace; el tramitador lo comparará con la valoración de la reparación antes de decidir otras acciones». La nota identifica la prueba, la incertidumbre, el responsable y el siguiente paso sin atribuir culpas de forma prematura.

En México y Colombia este papel suele llamarse ajustador, y en Argentina y Chile, liquidador; el método es el mismo, pero el marco legal citado en esta guía es el español.

Mantenga un registro de revisión que otra persona pueda usar

Un registro breve es preferible a una carpeta de resultados sin explicar. Adapte esta plantilla a su sistema de expedientes y a sus plazos de conservación.

Registre también las sospechas descartadas, no solo las escaladas. Si no, el archivo se convierte poco a poco en un catálogo de sospechas y resulta imposible saber qué alertas generaron trabajo innecesario. Cuando un revisor cambie una conclusión, conserve la valoración anterior y explique la nueva prueba en lugar de sustituir el historial.

Mida siniestros y fotos sin confundirlos

El número de fotos señaladas mide carga de trabajo. No es un recuento de siniestros fraudulentos: varias fotos pueden pertenecer a un mismo siniestro, una alerta puede deberse a un procesado inocuo y algunos casos revisados quedan sin resolver.

Considere un lote mensual hipotético: 1000 fotos enviadas en 200 siniestros. El flujo señala 60 fotos que pertenecen a 25 siniestros, y esos 25 pasan a revisión de imagen. A la fecha de corte, 8 tienen una sospecha sobre la imagen confirmada, en 12 la sospecha se descarta y 5 siguen sin resolver.

La tasa de fotos señaladas es 60 / 1000 = 6 %. La proporción de siniestros que entran en revisión de imagen es 25 / 200 = 12,5 %. Entre los 20 siniestros revisados con la sospecha ya resuelta, se confirma en 8: 8 / (8 + 12) = 40 %. Ese 40 % describe las sospechas resueltas dentro del grupo revisado; no mide la prevalencia del fraude ni las sospechas no detectadas en el resto de siniestros.

Siga además el tiempo de resolución y las peticiones repetidas de pruebas. Revise una muestra bien diseñada de casos no señalados mediante un proceso independiente para conocer lo que se escapa. Mantenga aparte los casos sin resolver e informe de los cambios en los canales de entrada o en la composición de los casos que puedan explicar una variación. Una tasa de alertas más alta no indica, por sí sola, si la detección mejoró o si las entradas se volvieron más difíciles de valorar.

Empiece un piloto en una sola etapa de revisión

Pida a los proveedores que demuestren cómo tratan entradas representativas y obtenidas lícitamente de su propio circuito de recepción: archivos originales, copias procesadas habituales e imágenes que no permiten una conclusión fiable. Establezca las etiquetas de referencia de forma independiente; no defina una imagen como alterada solo porque la herramienta candidata la señale.

Compare el rendimiento en la tarea que necesita, las pruebas que reciben los revisores y el tiempo necesario para resolver las sospechas. Antes de subir material de siniestros, confirme el tratamiento de archivos sensibles, la conservación, los controles de acceso y los usos secundarios permitidos. Pregunte si el sistema conserva las referencias de entrada y las versiones del análisis, o si esa trazabilidad debe aportarla su sistema de expedientes. Cada informe de Fileverity incluye un ID, la huella SHA-256 del archivo y una página pública de verificación. El informe indica si se obtuvo y validó un sello de tiempo RFC 3161 de DigiCert.

Empiece por una parte definida del flujo, como la revisión técnica de fotos discutidas de daños en vehículos. Acuerde quién recibe el resultado, qué pruebas puede pedir y cuándo debe detenerse o escalar. Mida si el resultado le ayuda a elegir un siguiente paso justificado, incluido el tiempo para cerrar sospechas descartadas y las peticiones repetidas a los asegurados. Deje fuera de la conclusión del piloto cualquier afirmación sobre fraude evitado que la evaluación no respalde.

Para revisar una imagen concreta, use la verificación de imágenes; cada cuenta incluye una comprobación gratuita de imagen y las condiciones vigentes figuran en precios. Las cartas de reclamación, los relatos de hechos y otros documentos con texto corrido del expediente tienen su propia guía en fraude documental en siniestros. Para integrar el análisis en su plataforma de siniestros mediante API o una implementación privada, contacte con el equipo. Los archivos se analizan en servidores operados por Entogo en Toronto (Canadá) y se eliminan al terminar el análisis; revise la página de seguridad y el acuerdo de tratamiento de datos con su delegado de protección de datos antes de enviar material de siniestros. Si su duda afecta a devoluciones de comercio electrónico, consulte la guía sobre fotos editadas con IA en devoluciones.

Por Yang Zheng · Revisado por Bill Liu