Darwin Quevedo
Consultor, profesor y conferencista en seguros, riesgo e inteligencia artificial aplicada
ceo@darwinquevedo.com
Durante décadas, la fotografía fue la pieza más sólida de un expediente de siniestro. Pero ya no: las herramientas de edición y generación de imágenes actualmente disponibles para el público permiten alterar, sin tener conocimientos técnicos, una foto real o producir una que nunca existió. La antes prueba central del proceso se ha convertido en la más fácil de fabricar.
En México, según la AMIS, las aseguradoras atendieron 7.27 millones de siniestros en 2025, 3.28 millones de ellos relacionados con automóviles, y una parte de los de baja severidad ya se resuelve a distancia con fotografías y videollamadas que aporta el propio asegurado. Esto funciona en la gran mayoría de los casos pero, cuando la evidencia la produce la misma parte que reclama, la pregunta ya no es solo qué muestra la foto, sino si la foto es auténtica.
Los mercados que miden el fraude ya lo registran. Una de las mayores aseguradoras del Reino Unido informó sobre un aumento de 300% en siniestros con imágenes manipuladas entre 2022 y 2023. En Estados Unidos, una encuesta de 2026 entre 300 profesionales de siniestros encontró que el 99% ha recibido documentación alterada con inteligencia artificial, y solo 32% se siente muy confiado para identificar un deepfake. En México no hay cifras oficiales todavía. Lo que falta es medirlo.
El ojo entrenado ya no alcanza. Un estudio actuarial de diciembre de 2025 pidió a 925 personas de 27 países distinguir fotos reales de vehículos dañados de otras generadas con inteligencia artificial. Acertaron en el 46% de los casos, lo mismo que el azar. Conviene decirlo sin rodeos: el análisis de evidencia digital sin herramientas especializadas supone una brecha importante en los proce- sos de detección y prevención. No es una falla del ajustador, sino una asimetría: quien manipula usa tecnología y quien revisa a simple vista no. La solución al problema consta de varias capas.
Primero, forense de imagen: metadatos, zonas con compresión inconsistente, duplicados en la propia cartera. Un proveedor de datos en Estados Unidos halló, entre 768 mil imágenes de siniestros, una foto reutilizada en 44 reclamaciones.
Segundo: detecto- res de imágenes sintéticas, con sus límites. El mismo estudio actuarial midió precisiones de 72 a 94% con marca de agua, de 44 a 63% sin ella y cerca de 9% de fotos auténticas marcadas como falsas.
Tercero: control de la captura. Una aplicación propia que tome la foto dentro del flujo, registre hora, ubicación y dispositivo y bloquee la carga desde la galería eliminaría de raíz buena parte de la manipulación.
Y cuarto: la analítica. Un sistema de puntuación de siniestros genera indicadores que nadie puede producir a mano, como una misma imagen en reclamaciones de distintos asegurados, distancia entre las coordenadas de la foto y el lugar declarado, horas entre la emisión de la póliza y el primer siniestro, concentración anómala de casos en torno a un mismo proveedor. Nadie puede probar un fraude por sí solo, pero sí señalar qué expediente merece revisión. La National Insurance Crime Bureau de Estados Unidos revisó 208,956 siniestros cuestio- nables en 2025 con modelos de red que priorizan la investigación. Un sistema impreciso retrasa el pago a asegurados honestos. Por eso, un buen modelo se calibra con casos confirmados y explica por qué marcó un expediente.
El ajustador no desaparece. Recupera su papel de criterio: la herramienta le dice qué expediente tiene una foto reutilizada o una coordenada que no cuadra; él decide qué significa. Lo que ya no puede hacer es sostener, a simple vista, que una imagen es lo que parece. Aceptarlo es el primer control.
*Sobre el autor. Darwin Quevedo es consultor, profesor y conferencista con más de 20 años en el sector asegurador. Es especialista en control de riesgo, prevención de fraude e inteligencia artificial aplicada. Facilita el Diplomado en Inteligencia Artificial Aplicada a la Industria Aseguradora del Instituto Universitario de Seguros (IUS) en Venezuela y programas de riesgos y seguros con IA en Perú.
