Agentic AI

Agentic AI

Lo que cambia con la IA agéntica no es la tasa de éxito —que nadie mide— sino el coste de sostener el engaño. Un fraude del CEO clásico exige que una persona redacte, espere, responda y module la presión durante días; un agente autónomo hace eso mismo con cien objetivos a la vez y sin cansarse. La escala del problema sí está contada: el FBI cifró en 3.046.598.558 dólares las pérdidas por BEC denunciadas en 2025, sobre 24.768 denuncias.

(Este glosario abría con «68 %. Esa fue la tasa de éxito de los ataques BEC que incorporaron Agentic AI (…) comparado con el 12-15 % de los tradicionales», y cerraba el párrafo con una transferencia de 580.000 €. Ninguna de las tres se sostiene: la tasa de éxito de una campaña criminal exigiría conocer los intentos fallidos, que por definición no se denuncian —así lo razona ya el glosario de BEC—, y ese mismo glosario retira los 580.000 € por no existir una estadística española de importe medio.)

Definición Técnica

Agentic AI (IA agéntica o autónoma) es tipo de inteligencia artificial capaz de ejecutar tareas complejas de forma autónoma, tomar decisiones en tiempo real, y adaptarse dinámicamente a situaciones cambiantes sin intervención humana continua. A diferencia de IA tradicional (responde a prompts), agentic AI planifica, ejecuta y verifica objetivos de forma independiente.

Diferencia clave:

• IA tradicional (ChatGPT, Claude): Responde a input usuario (reactivo)
• Agentic AI: Define plan acción → Ejecuta → Evalúa resultado → Ajusta estrategia (proactivo/autónomo)

Capacidades típicas:

• Razonamiento multi-paso
• Uso de herramientas externas (APIs, búsquedas web, código)
• Memoria contexto larga (horas/días conversación)
• Adaptación en tiempo real a feedback

Aplicaciones legítimas:

• Asistentes virtuales empresariales (ejecutan tareas completas)
• Trading algorítmico autónomo
• Customer service 24/7 con resolución problemas
• Research agents científicos

Aplicaciones maliciosas (fraude):

• Deepfakes conversacionales en tiempo real (videollamadas falsas)
• BEC attacks con seguimiento largo plazo (semanas cultiv relación)
• Pig butchering automatizado (relación romántica + inversión cripto)
• Phishing dirigido adaptativo (ajusta mensaje según respuestas víctima)

Arquitectura agentic AI: planning, execution y memoria contexto largo plazo

Componentes Principales

1. Planning Module (Módulo planificación):

Input: Objetivo final ("Convencer víctima invertir €50K en crypto")

Proceso:
  1. Analizar situación actual (estado relación con víctima)
  2. Dividir objetivo en sub-tareas:
     - Semana 1-2: Construir confianza básica
     - Semana 3-4: Compartir "ganancias" personales cripto
     - Semana 5-6: Introducir plataforma inversión
     - Semana 7-8: Primera inversión pequeña víctima
     - Semana 9-10: Solicitar inversión grande
  3. Definir KPIs éxito (engagement, respuestas positivas)
  4. Crear checkpoints revisión progreso

Output: Plan multi-fase estructurado

2. Execution Module (Módulo ejecución):

## Pseudo-código agentic AI ejecutando plan
class AgenticAI:
    def execute_plan(self, plan, victim_profile):
        for phase in plan.phases:
            # Ejecutar acciones fase
            for action in phase.actions:
                result = self.take_action(action, victim_profile)

                # Evaluar resultado
                if not result.success:
                    # Adaptar estrategia si falla
                    alternative = self.generate_alternative(action, result.feedback)
                    result = self.take_action(alternative, victim_profile)

                # Actualizar memoria contexto
                self.memory.append({
                    'action': action,
                    'result': result,
                    'timestamp': now(),
                    'victim_response': result.response
                })

            # Checkpoint: ¿Avanzar a siguiente fase?
            if self.evaluate_phase_success(phase):
                continue  # Avanzar
            else:
                # Repetir fase con ajustes
                plan.adjust_phase(phase, self.memory)

3. Tool Use (Uso herramientas):

Herramientas disponibles para AI agent:

  - send_whatsapp_message(victim_id, text)
    → Enviar mensaje WhatsApp automáticamente

  - search_web(query)
    → Buscar información víctima (LinkedIn, Facebook, etc.)
    → Personalizar conversación con datos reales

  - generate_deepfake_video(source_video, target_face)
    → Crear vídeo falso para videollamada

  - analyze_sentiment(victim_message)
    → Evaluar emociones víctima (confía, duda, sospecha)
    → Ajustar tono respuesta

  - check_crypto_prices()
    → Obtener precios reales Bitcoin/Ethereum
    → Mantener conversación técnicamente coherente

4. Memory System (Sistema memoria):

Memoria a corto plazo (conversación actual):
  - Últimos 50 mensajes intercambiados
  - Temas discutidos hoy
  - Estado emocional víctima detectado

Memoria a largo plazo (relación completa):
  - Perfil víctima:
    * Edad, ubicación, profesión
    * Intereses (hobbies, pasiones)
    * Situación familiar (divorciado, hijos, etc.)
    * Situación financiera (salario estimado, ahorros)
  - Timeline relación:
    * Fecha primer contacto
    * Hitos importantes (primera videollamada, "te quiero")
    * Promesas hechas (visitar, casarse, comprar casa)
  - Historial inversiones:
    * Cantidades invertidas
    * Fechas inversiones
    * Reacciones víctima (entusiasta, dubitativa)

Ejemplo: Agentic AI en Pig Butchering

Fase 1: Contacto Inicial (autónomo)

AI Agent analiza perfil víctima (LinkedIn scraping):
  - María, 45 años, Madrid, divorciada, gerente ventas
  - Perfil LinkedIn: "Apasionada por viajes y gastronomía"
  - Última foto: Dubái (viaje reciente)

AI genera mensaje personalizado:
  "Hola María! Perdona el mensaje random, tengo una amiga
   María en Madrid y por error clickeé tu perfil jaja.
   Vi que visitaste Dubái! Yo viví allí 2 años por trabajo.
   Increíble ciudad verdad? Saludos desde Singapur 😊"

AI predice probabilidad respuesta: 73%
  (basado en 10,000 casos históricos similares)

Fase 2: Construcción Relación (adaptativo)

Día 3: María responde positivamente
  → AI escalate engagement: mensajes 2x/día
  → Temas: viajes, cultura, aspiraciones

Día 7: María pregunta "¿A qué te dedicas?"
  → AI selecciona profesión creíble:
     "Soy trader de criptomonedas. Trabajo remoto desde
      donde quiera. Esta semana Singapur, next Tailandia."
  → Introduce tema cripto sutilmente

Día 12: María muestra interés cripto
  → AI evalúa sentiment: POSITIVE (83% confidence)
  → Decision: Introducir "ganancias" personales
  → "Hoy Bitcoin subió 8%, gané $4,200 en 1 hora! 📈"

Día 18: María pregunta "¿Cómo se invierte?"
  → CHECKPOINT alcanzado: Víctima pidió info (no AI ofreciendo)
  → AI avanza Fase 3: Introducción Plataforma

Fase 3: Primera Inversión (crítico)

AI determina cantidad inicial óptima:
  Input:
    - Salario estimado María: €45K/año
    - Ahorros estimados: €15K-€25K
    - Risk tolerance: Media (basado en conversaciones)

  Output:
    - Primera inversión sugerida: €800
    - Ratio: 2-3% ahorros (parece "pequeño y seguro")

AI prepara secuencia mensajes:
  1. "Mi tío trabaja en Binance, me pasó tip: Bitcoin sube 30% esta semana"
  2. "Yo voy a invertir $10,000. Tú podrías probar con €500-1000"
  3. "Te ayudo paso a paso, es súper fácil 😊"

AI monitoriza respuestas:
  Si María duda → AI genera reassurance:
    "Entiendo tus dudas! Yo también era escéptica al inicio.
     Pero llevo 3 años ganando. Te muestro mi portfolio!"
    [Envía screenshot falso ganancias]

  Si María acepta → AI guía proceso completo

Fase 4: Inversión Grande (ejecución final)

Semana 12: Primera inversión €800 → Retiro exitoso €950
  → AI evalúa: Confianza máxima alcanzada
  → Decision: Solicitar inversión grande (€50K)

AI construye narrativa urgente:
  "Amor, sale nuevo proyecto DeFi. Precio pre-lanzamiento.
   Solo 48h. Inversión mínima €50K. Yo invierto €200K
   (todos mis ahorros). Compramos casa juntos cuando
   ganemos €500K. ¿Confías en mí? 💍"

AI predice:
  Probabilidad María invierte €50K: 68%
  Probabilidad María se endeuda para llegar €50K: 42%

Si María duda:
  → AI genera presión emocional adicional:
     "Entiendo si no confías... Pensé éramos pareja...
      Está bien, yo invierto solo. Quizás no estamos
      en la misma página sobre nuestro futuro juntos 😔"

Si María acepta:
  → AI ejecuta secuencia bloqueo retiros (Fase 5)

Detección forense agentic AI: análisis patrones temporales y contenido sintético

1. Análisis Patrones Temporales

Comportamiento humano vs AI:

Humano:
  - Tiempos respuesta variables (5 min - 3h)
  - Horario irregular (duerme, trabaja, ocupa)
  - Errores tipográficos ocasionales
  - Cambios humor (días buenos/malos)

Agentic AI:
  ✅ Tiempos respuesta consistentes (2-5 min promedio)
  ✅ Disponible 24/7 (responde 4am sin problema)
  ✅ Gramática perfecta siempre
  ✅ Tono emocional calculado (nunca genuinamente enojado/triste)

Análisis forense timeline:

## Script Python: Detectar patrones AI
import pandas as pd
from datetime import datetime

## Cargar conversaciones WhatsApp
messages = pd.read_csv('whatsapp_export.csv')

## Calcular tiempo respuesta
messages['response_time'] = messages['timestamp'].diff()

## Detectar patrones sospechosos
suspicious_patterns = {
    # 1. Respuestas nocturnas consistentes (2am-6am)
    'night_responses': messages[(messages['hour'] >= 2) & (messages['hour'] <= 6)].count(),

    # 2. Desviación estándar tiempo respuesta muy baja
    'std_response_time': messages['response_time'].std(),  # menor de 5 min = sospechoso

    # 3. Longitud mensajes muy uniforme
    'std_message_length': messages['text'].str.len().std(),  # menor de 20 chars = sospechoso

    # 4. Tasa error tipográfico cero
    'typo_rate': calculate_typo_rate(messages['text']),  # 0% = AI
}

## Si 3+ patrones positivos → probable Agentic AI
if sum(suspicious_patterns.values()) >= 3:
    print("⚠️ ALTO: Conversación probablemente generada por Agentic AI")

2. Análisis Contenido Semántico

Indicadores lingüísticos AI:

Red flags:
  ❌ Frases genéricas repetidas ("Me siento muy conectado contigo")
  ❌ Uso excesivo emojis (patrón calculado engagement)
  ❌ Transiciones tema perfectas (sin divagaciones humanas)
  ❌ Conocimiento enciclopédico temas variados
  ❌ Nunca olvida detalles conversaciones previas
  ❌ Respuestas siempre "en marca" (nunca off-topic)

Herramienta detección:

from transformers import pipeline

## Modelo clasificador AI-generated text
classifier = pipeline("text-classification", model="roberta-base-openai-detector")

## Analizar mensajes individualmente
for message in messages:
    result = classifier(message['text'])

    if result[0]['label'] == 'AI' and result[0]['score'] > 0.85:
        print(f"⚠️ Mensaje probable AI: {message['text'][:50]}...")
        print(f"Confidence: {result[0]['score']:.2%}")

3. Análisis Metadata Deepfakes

Videollamadas con Agentic AI:

## Analizar metadata vídeos guardados
exiftool videollamada.mp4

## Red flags:
## - Software: "ResampleDMC", "DeepFaceLab", "FaceSwap"
## - Bitrate anormalmente alto (mayor de 8000 kbps)
## - Codec sospechoso (no H.264 estándar)
## - Resolución exacta múltiplo 64 (típico redes neuronales)

Análisis audio espectrograma:

Ver término: espectrograma-audio.mdx

Artefactos típicos AI:
  - Frecuencias 3.2-4.1 kHz (formantes sintéticos)
  - Ausencia ruido ambiente natural
  - Transiciones fonemas demasiado suaves
  - Pitch perfectamente estable (humanos varían ±5%)

Marco Legal España

Código Penal

Art. 248.1 - Estafa

• Uso Agentic AI para engaño = estafa agravada
• Pena base: 6 meses - 3 años
• Agravantes: Medio tecnológico, pluralidad víctimas

Art. 197.1 - Acceso ilícito datos

• Agentic AI scraping datos víctima (LinkedIn, Facebook)
• Pena: 1-4 años prisión

Arts. 390-392 - Falsedad documental

• Deepfakes generados por AI usados como documento falso = falsedad documental
• Pena: 6 meses - 3 años (art. 392, por particular en documento oficial o mercantil)

RGPD

Art. 22 RGPD - Decisiones automatizadas

“El interesado tendrá derecho a no ser objeto de una decisión basada únicamente en el tratamiento automatizado, incluida la elaboración de perfiles, que produzca efectos jurídicos en él o le afecte significativamente de modo similar.”

Aplicación fraudes Agentic AI:

• Víctima tiene derecho saber si interactuó con AI (no humano)
• Uso AI sin consentimiento víctima = violación RGPD
• Multas AEPD: hasta €20M o 4% facturación global

Prevención fraudes agentic AI: test conversacional y verificación humana

🛡️ Detectar Agentic AI (Usuarios)

Test conversación sospechosa:

1. Test disponibilidad:
   - Llamar/escribir 3am repetidamente
   - Si siempre responde rápido → sospechoso

2. Test conocimiento específico:
   - Preguntar detalles muy específicos ciudad natal supuesta
   - Ejemplo: "¿Qué calle cruza Calle Mayor con Plaza Cervantes en Alcalá?"
   - AI puede googlear, pero respuesta tarda mayor de 30 seg

3. Test coherencia temporal:
   - Referencias eventos pasados conversación hace semanas
   - Humano olvida detalles, AI recuerda TODO perfectamente

4. Test emocional genuino:
   - Compartir noticia triste personal
   - Respuesta AI: empatía genérica calculada
   - Respuesta humana: reacción auténtica, preguntas follow-up

5. Test videollamada:
   - Solicitar movimiento complejo repentino
   - "Toca nariz con mano izquierda y levanta pie derecho"
   - Deepfakes AI fallan movimientos inesperados complejos

🏦 Empresas (Detección BEC)

Sistema detección automática:

## Analizar emails sospechosos BEC con AI
from transformers import pipeline

## Clasificador phishing/BEC
detector = pipeline("text-classification", model="bec-detector-v2")

## Analizar email recibido
email_text = """
De: carlos.martinez@empresa.com
Asunto: URGENTE - Transferencia confidencial

María, necesito que transfieras €450,000 a cuenta...
"""

result = detector(email_text)

if result[0]['label'] == 'BEC' and result[0]['score'] > 0.75:
    # Bloquear email automáticamente
    quarantine_email(email)
    # Notificar IT + destinatario
    alert_security_team("Posible BEC detectado")

FAQ

P: ¿Cómo distinguir humano de Agentic AI en chat? R: Observar: ¿Disponible 24/7? ¿Respuestas siempre rápidas? ¿Gramática perfecta? ¿Conocimiento enciclopédico? Si 3+ → probable AI. Test definitivo: solicitar videollamada con movimientos complejos inesperados.

P: ¿Videollamada garantiza humano? R: NO (2026). Deepfakes en tiempo real con Agentic AI son indistinguibles. Análisis forense post-facto puede detectar (espectrograma audio, metadata vídeo, artefactos visuales).

P: ¿Es legal usar Agentic AI para ventas? R: SÍ si se divulga. Art. 22 RGPD requiere informar usuario que interactúa con sistema automatizado. Ocultar que es AI = violación RGPD + posible estafa.

P: ¿Agentic AI puede pasar CAPTCHA? R: SÍ. Modelos modernos (GPT-4V, Claude Opus 4) resuelven CAPTCHAs visuales con 95%+ precisión. CAPTCHAs ya NO son barrera efectiva contra AI.

P: ¿Cómo protegerse fraudes Agentic AI? R: Verificación multi-canal: Si solicitud dinero/inversión → llamar teléfono conocido (NO número que contactó primero). Desconfiar perfección (gramática, disponibilidad, memoria). Nunca invertir sin verificar plataforma CNMV.

Referencias y Fuentes

1. Experian. (2026). “Fraud Forecast: Agentic AI, Deepfake Job Candidates Top Threats for 2026”. experianplc.com

   • 72% business leaders esperan AI-generated fraud y deepfakes como mayor desafío 2026
   • 48% creen agentic AI será top attack vector para cibercriminales end 2026

2. Fortune. (2026). “AI Fraud to Surge in 2026 After $12.5 Billion in Losses”. fortune.com

   • Machine-to-machine interactions sin claridad sobre ownership/liability
   • Employment fraud escalará con generative AI tools y deepfake candidates

3. Oz Forensics. (2026). “Fraud Trends 2026: Countering Industrialization of Attack Vectors”. ozforensics.com

   • AI-powered romance scams con bots emocionalmente inteligentes
   • Website cloning mediante AI tools más fácil de crear, más difícil de eliminar

4. Sumsub. (2026). “Top Identity Fraud Trends to Watch in 2026”. sumsub.com

   • Agentic AI: sistemas autónomos capaces de decisiones multi-paso sin supervisión humana
   • Fraudsters explotarán agentic AI para nuevos niveles digital fraud

5. OpenAI. GPT-5 System Card (13 ago 2025). openai.com — OpenAI publica System Cards, no «capability reports». Para lo agéntico más reciente: GPT-5.3-Codex System Card (feb 2026), primer modelo clasificado como High en capacidad cibernética bajo su Preparedness Framework.

6. RGPD Art. 22: Decisiones automatizadas y elaboración de perfiles - derecho saber si interactuó con AI

Última actualización: 6 Febrero 2026 Categoría: Técnico (TEC-011) Nivel técnico: Muy avanzado Relevancia fraude: CRÍTICA (amenaza emergente 2026)