El problema: un clic y tu empresa queda comprometida
Tu empleado recibe un correo que parece ser del banco. El logo es correcto, el nombre del remitente es "Banco Estado" y el asunto dice "Verificación de cuenta urgente". El empleado hace clic en el link, ingresa sus credenciales y en segundos, los atacantes tienen acceso a la cuenta bancaria de la empresa.
El phishing es el ataque más común en Chile y en el mundo. No requiere sofisticación técnica: solo requiere que un empleado haga clic en un link o abra un adjunto. Y con la IA, los ataques de phishing son cada vez más convincentes: correos personalizados, sin errores ortográficos, con logos perfectos y lenguaje que imita exactamente al remitente legítimo.
El problema no es que los empleados sean descuidados. El problema es que no tienen herramientas para detectar phishing en tiempo real. Los filtros de spam tradicionales solo bloquean lo que ya conocen. Los correos nuevos, personalizados y bien diseñados pasan los filtros y llegan a la bandeja de entrada.
La IA puede cambiar esto. Un modelo de IA puede analizar cada correo entrante en tiempo real, detectar patrones de phishing (remitentes falsos, links sospechosos, adjuntos maliciosos, lenguaje de urgencia) y alertar antes de que el empleado haga clic. No reemplaza la capacitación de empleados: la complementa con detección automática. Pero para que la IA funcione, necesita datos de tu infraestructura de correo, un plan de respuesta definido y una infraestructura que proteja la información.
Lo que dicen los datos
8,8 billones de intentos de ciberataque en Chile 2025: Fuente primaria: SEK (Security Ecosystem Knowledge), reporte "Think Ahead" (datos 2025), publicado en rga.cl (Pulso/La Tercera) el 1 de julio de 2026. De los 8,8 billones, 5 billones son escaneos activos (no ataques exitosos). El dato indica que el entorno digital chileno es altamente hostil.
16% de brechas involucran delincuentes con IA: Proviene de una columna de opinión publicada en BioBioChile el 21 de julio de 2026. No se pudo verificar la metodología ni la fuente primaria. Tratar como estimación no verificada; no presentar como dato establecido.
Informe de Materialidad de Grandes Empresas (La Tercera, junio 2025): La escasez de talento y la irrupción de la IA son los principales desafíos para las empresas chilenas. La conclusión: las empresas saben que necesitan IA, pero no tienen el equipo para implementarla. Y sin equipo de seguridad, la implementación de IA para detección de phishing falla.
Ley 21.719 (vigente desde 1 de diciembre de 2026): Exige que las empresas protejan los datos personales de sus clientes. Si un ataque de phishing expone datos personales y la empresa no tenía medidas adecuadas, la responsabilidad es mayor.
La conclusión es que las empresas chilenas necesitan IA para detectar y prevenir phishing, pero sin exponer correos de clientes y empleados.
Los 5 tipos de phishing que la IA puede detectar
1. Phishing por correo electrónico
El problema: Un correo parece ser de un banco, un proveedor o un compañero de trabajo. Tiene un link que lleva a una página falsa que roba credenciales. O tiene un adjunto que instala malware. El empleado hace clic y la empresa queda comprometida.
Cómo la IA ayuda: Un modelo de IA analiza cada correo entrante y detecta patrones de phishing: remitentes falsos (dominios similares pero no idénticos), links sospechosos (URLs que no coinciden con el dominio del remitente), adjuntos maliciosos (archivos con extensiones peligrosas), lenguaje de urgencia ("verifica tu cuenta ahora", "tu cuenta será bloqueada").
Ejemplo: La IA detecta que un correo que parece ser del banco tiene un link a "bancoestado-verificacion.com" en vez de "bancoestado.cl". La IA alerta: "Posible phishing. No hacer clic en el link."
La regla: La IA detecta, el empleado decide. La IA proporciona la alerta, el empleado toma la decisión.
2. Spear phishing (phishing dirigido)
El problema: Un atacante investiga a una persona específica (el gerente financiero, el CEO) y le envía un correo personalizado que parece ser de alguien que conoce. El correo menciona detalles reales (nombres de colegas, proyectos en curso, fechas) y pide una acción urgente (transferencia, cambio de datos bancarios).
Cómo la IA ayuda: Un modelo de IA analiza el contexto del correo: ¿el remitente es quien dice ser? ¿la solicitud es inusual? ¿el monto o la acción es atípica? La IA compara con el historial de comunicación y detecta anomalías.
Ejemplo: La IA detecta que un correo que parece ser del CEO pide una transferencia urgente de $5.000.000 a una cuenta nueva. La IA compara con el historial: el CEO nunca ha pedido transferencias por correo. La IA alerta: "Solicitud atípica. Verificar por otro canal."
La regla: La IA detecta, el empleado verifica. La IA proporciona la alerta, el empleado confirma por teléfono o en persona.
3. Phishing por SMS (smishing)
El problema: Un empleado recibe un SMS que parece ser de su banco, de un courier o de una empresa de servicios. El SMS tiene un link que lleva a una página falsa. El empleado hace clic desde su teléfono personal y la empresa queda comprometida.
Cómo la IA ayuda: Un modelo de IA analiza los SMS entrantes y detecta patrones de smishing: remitentes desconocidos, links acortados, lenguaje de urgencia, solicitudes de datos personales.
Ejemplo: La IA detecta que un SMS que parece ser de un courier tiene un link acortado (bit.ly) que lleva a un dominio desconocido. La IA alerta: "Posible smishing. No hacer clic en el link."
La regla: La IA detecta, el empleado decide. La IA proporciona la alerta, el empleado toma la decisión.
4. Phishing por voz (vishing)
El problema: Un atacante llama por teléfono haciéndose pasar por un ejecutivo del banco, del SII o de un proveedor. Pide datos confidenciales o solicita una transferencia urgente. El empleado, presionado por la urgencia, entrega los datos o hace la transferencia.
Cómo la IA ayuda: Un modelo de IA analiza las llamadas (si están grabadas) y detecta patrones de vishing: solicitudes de datos sensibles, lenguaje de urgencia, suplantación de identidad. También puede generar scripts de respuesta para que los empleados sepan qué decir y qué no.
Ejemplo: La IA genera un script para el equipo de recepción: "Si alguien llama pidiendo datos de clientes o transferencias, responde: 'No puedo proporcionar esa información por teléfono. Por favor, envíe un correo formal a [EMAIL] para verificación.'"
La regla: La IA detecta, el empleado responde. La IA proporciona el script, el empleado lo sigue.
5. Phishing con deepfakes
El problema: Un atacante usa IA para crear audio o video falso de una persona real (tu jefe, tu proveedor, tu cliente). La falsificación es tan buena que el empleado no puede distinguirla de la realidad. El atacante pide una transferencia urgente o información confidencial.
Cómo la IA ayuda: Un modelo de IA analiza el audio y video para detectar deepfakes: inconsistencias en la voz, artefactos visuales, patrones de generación artificial. Alerta antes de que el empleado actúe.
Ejemplo: La IA analiza una llamada de voz que parece ser de tu jefe y detecta que la voz tiene patrones de generación artificial. La IA alerta: "Posible deepfake. Verificar identidad por otro canal."
La regla: La IA detecta, el empleado verifica. La IA proporciona la alerta, el empleado confirma por otro canal.
Los 4 requisitos para implementar IA en detección de phishing
1. Acceso a los correos entrantes
La IA necesita acceso a los correos entrantes para analizarlos en tiempo real. Si los correos están en un sistema que no permite integración (como un correo web básico), la IA no puede procesarlos.
Si no cumples este requisito: La IA no puede analizar los correos y la detección no funciona.
2. Datos en tu infraestructura
La IA necesita que los datos de correo estén en tu infraestructura (o en infraestructura en Chile con garantías de protección de datos). Si envías los correos a un proveedor en la nube, tus datos (y los de tus clientes) salen de tu control.
Si no cumples este requisito: Los datos de tus clientes y empleados pueden estar expuestos.
3. Plan de respuesta a incidentes
La IA necesita un plan de respuesta definido: qué hacer cuando se detecta un phishing, quién responde, qué pasos seguir. Si tu plan es "llamar al técnico", la IA no puede ayudar.
Si no cumples este requisito: La IA va a detectar phishing pero nadie va a saber qué hacer. La detección sin respuesta es inútil.
4. Equipo de respuesta capacitado
La IA necesita que alguien responda a las alertas. Si no tienes un equipo (o al menos una persona) que revise las alertas y tome acción, la IA es inútil.
Si no cumples este requisito: Las alertas se acumulan y nadie las revisa. El phishing sigue ocurriendo.
El checklist: ¿está tu empresa lista para detectar phishing con IA?
Nivel 1: Lo básico (hazlo antes de empezar)
- Inventario de correo: Lista todos los sistemas de correo que tu empresa usa (Gmail, Outlook, servidor propio, etc.).
- Plan de incidentes: Define un plan de respuesta a incidentes de phishing: qué hacer, quién responde, qué pasos seguir.
- Capacitación básica: Capacita a tu equipo sobre phishing: qué es, cómo se ve, qué hacer si reciben uno.
- Infraestructura: Verifica que tienes infraestructura para correr la IA localmente (o un proveedor en Chile).
Nivel 2: Lo importante (hazlo en las primeras 2 semanas)
- Detección de correos: Implementa la detección de phishing en correos electrónicos con la IA.
- Detección de smishing: Implementa la detección de phishing por SMS con la IA.
- Scripts de respuesta: Genera scripts de respuesta para vishing con la IA.
- Alertas: Implementa alertas para phishing detectado.
Nivel 3: Lo avanzado (hazlo en el primer mes)
- Detección de deepfakes: Implementa la detección de deepfakes en audio y video.
- Spear phishing: Implementa la detección de phishing dirigido con la IA.
- Dashboard: Implementa un dashboard que muestre las amenazas detectadas.
- Mejora continua: Usa el feedback del equipo para ajustar los modelos y mejorar la precisión.
El trade-off: seguridad manual vs. detección de phishing con IA
| Aspecto | Seguridad manual (sin plan) | Detección de phishing con IA (Personnn) |
|---|---|---|
| Velocidad de detección | Lenta (días o semanas) | Rápida (tiempo real) |
| Cobertura | Parcial (lo que alguien nota) | Completa (todos los correos) |
| Precisión | Variable (depende de la persona) | Alta (basada en patrones) |
| Coste | Alto (costo de un incidente) | Medio (infraestructura propia) |
| Escalabilidad | No escala (más correos = más riesgo) | Escala (más correos = misma detección) |
| Privacidad | Depende del sistema | Alta (todo en tu infraestructura) |
| Plan de respuesta | No (improvisado) | Sí (definido y automatizado) |
| Requiere conocimiento técnico | No (pero riesgoso) | Sí (o un proveedor como Personnn) |
Qué hace Personnn
Personnn tiene productos que ayudan a detectar y prevenir phishing sin exponer correos de clientes y empleados:
Inference: Modelos de IA que corren en tu infraestructura. La detección de phishing puede procesar correos sin enviarlos a terceros.
DataForge: Prepara, limpia y estructura tus datos de correo para que la IA pueda analizarlos. Conecta tus sistemas (Gmail, Outlook, servidor propio) y consolida los datos en una fuente única de verdad.
Search: Motor de búsqueda semántica que busca en tus documentos por significado. Útil para encontrar políticas de seguridad, procedimientos de respuesta y documentación de incidentes.
Personnn Mail: Agente de IA que lee, clasifica y responde correos automáticamente. Puede detectar patrones de phishing en los correos entrantes y alertar antes de que el empleado haga clic.
Higiene web / npmsecure: Herramientas que auditan la seguridad de tu sitio web y tus dependencias. Detectan vulnerabilidades, claves expuestas y configuraciones inseguras.
Para empezar, entra a personnn.com/servicios y pega la dirección de tu sitio para obtener un diagnóstico gratuito.
Fuentes
- 8,8 billones de intentos de ciberataque en Chile 2025. Fuente primaria: SEK (Security Ecosystem Knowledge), reporte "Think Ahead" (datos 2025), publicado en rga.cl (Pulso/La Tercera) el 1 de julio de 2026. De los 8,8 billones, 5 billones son escaneos activos. Verificado por web_fetch (vuelta 16).
- 16% de brechas involucran delincuentes con IA: proviene de una columna de opinión publicada en BioBioChile el 21 de julio de 2026. No se pudo verificar la metodología ni la fuente primaria. Tratar como estimación no verificada. Verificado por web search (vuelta 16).
- Informe de Materialidad de Grandes Empresas. La Tercera, junio 2025. Escasez de talento + irrupción de IA. Verificado por web search (vuelta 16).
- Ley 21.719: vigente desde el 1 de diciembre de 2026. Protección de datos personales en Chile. Fuente: tramitacion.senado.cl + varelaabogados.cl + boostify.cl + tline.cl. Verificado por web search (vuelta 16).
- Las cifras de "5 tipos de phishing", "4 requisitos" y "12 puntos" son una estructura editorial, no datos verificables. Se tratan como framework de evaluación.
- Los ejemplos ilustrativos (correos, SMS, llamadas) son ejemplos genéricos, no datos verificables. Se tratan como estimaciones no verificadas.