El otro lado — detectar a quien usa esto contra ti

Durante años, el filtro casero contra el phishing fue la errata: el correo mal escrito, la traducción torpe, el tono raro delataban al aficionado. Un modelo borra esas pistas: redacta en el idioma y el registro exactos, sin un fallo. Que un correo sospechoso venga impecable ya no lo hace legítimo; al contrario, la ausencia de los viejos errores es parte de lo que hoy hay que saber leer.

La defensa no puede seguir apoyada en la ortografía. Cuando el adversario tiene un modelo, el criterio se mueve a lo que el modelo no arregla: si el mensaje encaja con algo que esperabas, si la petición se puede verificar por otro canal, si el contexto cuadra.

Una campaña contra la organización llega con decenas de variantes, cada una personalizada para su destinatario, producidas en un plazo que un equipo humano no cubriría. Esa combinación —volumen alto, personalización individual y velocidad— es una firma de generación por modelo: no porque un texto concreto lo delate, sino porque el ritmo y la escala no encajan con el trabajo a mano.

Igual que en inteligencia de amenazas se agrupa por conducta y no por una IP, aquí el indicio no es una pieza suelta sino el patrón del conjunto: mucho, muy a medida y muy rápido apunta a que hay un modelo detrás.

Que un contenido parezca generado por IA no prueba que detrás haya un actor sofisticado ni una nación: las herramientas están al alcance de cualquiera, y además una persona hábil también escribe limpio. Leer «esto lo hizo una IA» como «esto es un adversario avanzado» es el mismo error de atribución que la ruta de inteligencia enseña a evitar con las banderas falsas. El indicio de uso de IA se trata como hipótesis, sostenida por varias señales, no como un veredicto.

La conclusión honesta suele ser modesta: «hay señales de contenido generado a escala», no «es tal grupo». Se anota lo que las señales sostienen y se marca como hipótesis lo que no.

Saber que el adversario usa un modelo cambia dónde se pone el esfuerzo de detección: se deja de confiar en los filtros que el modelo desarma —erratas, gramática torpe— y se refuerzan los que siguen funcionando. Verificar una petición inusual por un canal distinto al que llegó, desconfiar de la urgencia, cruzar el contenido con el contexto real y mirar el patrón del conjunto son defensas que un texto pulido no vence. MITRE ATLAS ordena estas amenazas para razonarlas sin improvisar.

El mensaje de cierre de la ruta es simétrico: el modelo le quita al atacante el trabajo, no el criterio de quien defiende. La verificación —fuera de banda, contra el contexto— es lo que aguanta cuando la superficie del mensaje ya no delata nada.