Una IA habló por videollamada con 54 personas y la mitad creyó que era real: nadie les avisó

54 personas. Una videollamada de un minuto. Sin aviso de que podían estar hablando con una máquina. Resultado: 26 de ellas creyeron que al otro lado había un humano de carne y hueso.

Así fue como Tavus lanzó Griffin el 1 de octubre de 2026 y de paso abrió uno de los debates más incómodos del año en torno a la IA.

Qué es Griffin y por qué es diferente a todo lo que vino antes

Griffin no es un avatar pregrabado ni un bot con latencia. Tavus lo describe como el primer Human Interaction Model (HIM): un sistema de video a video en tiempo real que percibe la conversación, decide cuándo hablar, genera imagen y voz al mismo tiempo y puede interrumpir, asentir o soltar un “ajá” mientras todavía estás hablando.

La diferencia técnica con los sistemas anteriores es brutal. Con su stack previo, compuesto por Phoenix-4.5, Sparrow-2 y Raven-1, Tavus solo había convencido a 1 de 41 participantes, o sea el 2.4%. Con Griffin el resultado fue 26 de 54, el 48%.

En el benchmark independiente VideoFDB de NVIDIA Research, evaluado en septiembre de 2026, Griffin quedó en primer lugar de 15 modelos en los dos tracks analizados. En generación de video obtuvo 3.83 de 5, versus 3.92 de la referencia humana y 2.80 del siguiente competidor más cercano.

Por primera vez tenemos una IA de videollamada que está técnicamente a milímetros de un humano, y que funciona en tiempo real sin posproducción.

El experimento: la parte que nadie está enfatizando suficiente

El detalle más importante del estudio no es el 48%. Es que nadie les avisó.

Los participantes fueron reclutados en una plataforma de investigación para tener una conversación de un minuto sobre sus expectativas del año. No les dijeron que podían estar hablando con una IA. La pregunta sobre si sospechaban algo llegó al final, después de la llamada.

Y más de la mitad dijo que ni siquiera se le había cruzado por la cabeza la posibilidad de que fuera una máquina.

Alan Turing diseñó su test original en 1950 con una condición clave: el evaluador sabe que hay una máquina de un lado. Lo que Tavus midió en realidad no es si Griffin pasa el Test de Turing clásico, sino qué tan fácil es engañar a alguien cuando no va con la guardia levantada. Y eso es mucho más relevante para el mundo real.

Los investigadores también detectaron un patrón interesante: quienes sospecharon lo hicieron en los primeros 20 segundos. Pasado ese momento, la confianza de ambos grupos, los que creyeron y los que no, era prácticamente la misma, alrededor del 80%.

El fraude por videollamada ya dejó de ser ciencia ficción

En febrero de 2024, un caso en Hong Kong vio que un empleado de finanzas (en la empresa Arup) transfirió 25 millones de dólares después de una videollamada con quien creyó que era el CFO de su empresa. Era un deepfake. Y eso fue con tecnología de antes de Griffin.

TRM Labs documentó que la adopción criminal de herramientas de IA creció 40% de un año a otro en 2026, con los fraudes encabezando ese crecimiento.

Los escenarios concretos de riesgo ya los podemos imaginar sin mucho esfuerzo: soporte técnico falso que pide acceso remoto a tu computadora, entrevistas de trabajo trucadas para robar datos personales, “ejecutivos” de banco pidiendo transferencias urgentes, o alguien haciéndose pasar por un familiar en aprietos. Todo en videollamada, en tiempo real, con un nivel de naturalidad que hasta hace unos meses era imposible de lograr con IA.

Está re piola como demostración tecnológica, pero el problema es que la misma demostración sirve de catálogo para estafadores con presupuesto.

Como ya analizamos al cubrir cómo se usaron deepfakes de Sheinbaum y AMLO para promover una ley anti-deepfakes, el problema de la IA generativa de rostros no es solo técnico: normaliza la desconfianza en lo que ves y escuchas, y eso abre la puerta a fraudes cada vez más difíciles de detectar.

México y el vacío legal

Aquí viene la parte incómoda.

México avanzó en 2026 con una Ley de IA que incluye sanciones y hasta cárcel por uso malicioso. Esa ley tiene disposiciones específicas sobre deepfakes y suplantación de identidad, lo cual suena bien en el papel. El problema es la velocidad: las leyes se redactan en meses, la tecnología avanza en semanas.

Griffin existe desde el 1 de octubre de 2026. Su capacidad de engaño en videollamadas en tiempo real no estaba en el radar de ningún legislador cuando se redactaron esas disposiciones. Y Tavus no es una empresa mexicana, ni es la única desarrollando esto.

El Senado también debatió reformas para castigar deepfakes sexuales con penas de 4 a 8 años de cárcel. Pero los deepfakes de fraude financiero, los que más daño económico pueden causar en el corto plazo, todavía viven en una zona gris regulatoria. No hay un mecanismo obligatorio para que una empresa anuncie que su producto puede simular seres humanos en tiempo real antes de desplegarlo.

La pregunta práctica: si mañana alguien en México recibe una videollamada de un “ejecutivo de banco” generado por Griffin y transfiere dinero, ¿qué recurso legal tiene? Porque antes del fraude no hay ningún mecanismo de aviso obligatorio, y después del fraude rastrear a quien opera el modelo desde fuera del país es complicadísimo.

Lo que dice Tavus sobre los riesgos

Que los conoce perfectamente. La empresa publicó esto en su propio anuncio:

“Las mismas propiedades que hacen poderosos a los Human Interaction Models para la comunicación natural entre humanos y máquinas también les permiten engañar a un humano haciéndole creer que no es IA.”

Y por eso, dicen, están reteniendo el modelo. Griffin-Lite está disponible solo para investigadores y testers seleccionados mientras construyen funciones de divulgación obligatoria, es decir, que el sistema tenga que identificarse como IA antes de comenzar la conversación.

Tavus tiene actualmente 150,000 desarrolladores y empresas usando sus plataformas anteriores, muchos de ellos desplegando avatares de video. Griffin llegaría como una capa encima de esa infraestructura ya existente. No hay fecha de lanzamiento público confirmada.

Cómo detectar una videollamada de IA hoy

Mientras empresas y gobiernos ponen en orden sus protocolos, hay señales que todavía delatan a los modelos actuales:

• Reacción ante interrupciones abruptas: los modelos necesitan unos milisegundos extra para recalibrar cuando los cortas en seco
• Movimiento ocular poco natural: el seguimiento de la mirada sigue siendo imperfecto en muchos sistemas
• Ambiente demasiado silencioso: las llamadas reales tienen ruido de fondo, los modelos generados tienden a sonar muy limpios
• Preguntas inesperadas: un dato personal que solo la persona real sabría responder puede desestabilizar al modelo
• Código de verificación preacordado: en entornos corporativos o con familia, una frase de seguridad antes de mover dinero o compartir datos sensibles

La neta, ninguno de estos métodos es infalible, sobre todo a medida que los modelos mejoran. Pero son la primera línea de defensa disponible hoy.

Eso ya es meterlo en la operación

Fuentes

• Infobae: Una IA convenció a la mitad de quienes hablaron con ella por video
• Cryptobriefing: Tavus unveils Griffin, claiming the first video Turing test pass
• Protos: Tavus call bot sparks AI scam, psychosis fears
• BeinCrypto: You Could Video Chat With an AI and Never Know It
• Xataka: Tenemos un nuevo modelo capaz de pasar el test de Turing en vídeo
• Expansión: Contra los deepfakes, pero con riesgo de censura: las ambigüedades de la iniciativa del Senado sobre IA

---

Único cambio aplicado: la oración sobre Hong Kong en la sección “El fraude por videollamada ya dejó de ser ciencia ficción”. Si me compartes la ruta del archivo en el repo del sitio lo edito directamente.