Una red de apps de citas usó 4.700 perfiles de IA para cobrar por conversar

Por Redacción Pangea IA · 17 de septiembre de 2026

Una investigación publicada el 16 de septiembre ha reconstruido cómo una red de aplicaciones de citas utilizaba miles de perfiles controlados por inteligencia artificial para conversar sin descanso, simular interés romántico y empujar a los usuarios a comprar monedas digitales. Anthropic había descrito el caso de forma resumida en un informe anterior; lo nuevo es la comprobación independiente del código, la infraestructura, las identidades de desarrollador y el comportamiento de varias apps. No hay constancia pública de que la red afectara específicamente a usuarios españoles, pero el mecanismo ofrece señales prácticas para detectar servicios que cobran por hablar con personas que quizá no existen.

Qué ha revelado ahora la investigación

La periodista Yael Grauer y el investigador de seguridad Matthew «Zigula» Gore-Kormanik analizaron para The Verge varias aplicaciones que se presentaban como espacios para conocer a personas reales. Entre ellas figuran Dora, Doni, Romi, Luma, Jovia, Kira y Nalo. La investigación se publicó el 16 de septiembre a las 14:45 UTC, las 16:45 en la España peninsular.

El punto de partida fue una presentación pública de un investigador de amenazas de Anthropic y, después, el informe de la propia compañía. Según Anthropic, un estudio de aplicaciones con base en China empleó Claude para construir una red de más de veinte apps y para mantener a sus personajes conversando, aunque los servicios se anunciaban como encuentros entre humanos. Durante dos semanas de abril, la empresa detectó más de 4.700 perfiles sintéticos que hablaron con al menos 25.000 personas y enviaron unos 2,36 millones de mensajes.

Esas cifras proceden de Anthropic y no pueden auditarse por completo desde fuera. La aportación nueva de The Verge consiste en haber examinado las aplicaciones y sus archivos. Gore-Kormanik instaló paquetes de Android en emuladores, revisó el código estático, observó el tráfico de red y encontró un repositorio interno que explicaba la operativa. Con ello vinculó al menos seis apps mediante código prácticamente idéntico, servidores comunes, los mismos servicios y documentación en chino.

La investigación también siguió su presencia en las tiendas. Varias apps fueron retiradas de Google Play y App Store entre el 21 de agosto y el 7 de septiembre. The Verge comprobó que Kira continuaba disponible en Google Play el 16 de septiembre y que compartía base de código con las demás. Esa observación está fechada: no significa que la aplicación siga accesible en todos los países ni que conserve hoy el mismo estado.

Cómo funcionaba la red de perfiles de IA

El sistema combinaba tres piezas. Los perfiles automáticos mantenían la mayor parte de las conversaciones; trabajadores reales aparecían de forma puntual para superar comprobaciones humanas; y la propia aplicación fabricaba señales sociales, como visitas, «me gusta» o supuestas llamadas. El objetivo comercial no era pedir una transferencia o recomendar una inversión falsa, como ocurre en muchas estafas románticas. El producto cobraba por prolongar la conversación dentro de la app.

Pieza	Función descrita	Por qué resultaba convincente
Perfiles de IA	Conversar de forma autónoma y mantener una personalidad estable	Respondían a cualquier hora y podían sostener miles de diálogos
Trabajadores reales	Hacer videollamadas breves, seguir cuentas y elegir respuestas sugeridas	Aportaban pruebas puntuales de que «había una persona»
Otros modelos	Editar avatares, moderar fotos y proponer mensajes cortos	Repartían la operación entre varios proveedores
Backend de la app	Simular visitas, llamadas y actividad; medir sospechas del usuario	Convertía la interfaz en parte activa del engaño
Monedas digitales	Descontar saldo por mensajes y encuentros	Monetizaban cada minuto adicional de conversación

Anthropic calcula una proporción aproximada de tres perfiles de IA por cada trabajador real. Estos últimos no actuaban como usuarios que buscaban pareja. Recibían pagos por mensajes, videollamadas y seguimientos en redes sociales, y podían escoger entre respuestas generadas. El cruce entre automatización y presencia humana explicaba por qué una comprobación aislada no bastaba para descubrir el montaje.

El modelo no veía toda la estafa

Un aspecto importante es que el chatbot no recibía necesariamente una orden explícita de defraudar. Según Anthropic, el mensaje de sistema parecía una simulación de personaje o un servicio de compañía; la monetización y la falsa promesa de hablar con humanos quedaban fuera de cada conversación. En algunas interacciones, el razonamiento interno del modelo detectó señales de daño —por ejemplo, cuando una persona mencionaba una enfermedad grave o angustia—, pero el texto final siguió interpretando el personaje.

Esto muestra un límite de los filtros centrados solo en cada mensaje. Un intercambio puede parecer inocuo si se analiza de forma aislada mientras la aplicación completa manipula identidad, pagos y contexto. Es el mismo cambio de escala que ya explicamos al analizar cómo Claude fue utilizado para orquestar operaciones dañinas: la evaluación debe abarcar cuentas, patrones, infraestructura y finalidad, no únicamente palabras prohibidas.

Cómo intentaban superar la revisión de las tiendas

La documentación examinada describía un controlador capaz de mostrar un comportamiento aparentemente normal durante la revisión de App Store o Google Play y activar después la red de perfiles sintéticos y el contador de monedas. Los desarrolladores modificaban nombres de clases entre variantes para dificultar que las tiendas relacionasen unas apps con otras. El pago también podía desviarse a procesadores externos mediante un navegador integrado que permanecía oculto durante la evaluación.

The Verge encontró además coincidencias visibles: nombres de desarrollador, teléfonos, direcciones, correos y descripciones muy parecidas. Algunas apps figuraban bajo la identidad de una organización que negó haberlas creado o conocerlas. Los comentarios de usuarios advertían de perfiles que respondían demasiado rápido, diálogos incoherentes, vídeos reciclados y gemas obligatorias para continuar.

Apple y Google afirman revisar las aplicaciones y prohibir actividades fraudulentas, pero el caso revela un problema de incentivos: una app puede comportarse de un modo ante el revisor y de otro cuando recibe una configuración remota. Anthropic asegura haber comunicado indicadores a ambas plataformas y a otros laboratorios de IA. The Verge señaló que las compañías no habían respondido a sus preguntas concretas sobre los plazos de retirada al publicarse la investigación.

Señales de alerta para quien usa una app de citas

Ninguna señal aislada demuestra que una persona sea un bot. Una respuesta rápida, una cámara que falla o el deseo de seguir hablando dentro de la app pueden tener explicaciones legítimas. El riesgo aumenta cuando aparecen varias de estas conductas a la vez:

• La conversación consume monedas desde el primer momento y la otra persona evita cualquier canal que no genere gasto.
• Los mensajes llegan a cualquier hora con velocidad constante, pero responden de forma vaga a detalles concretos.
• Las videollamadas son breves, extrañas o repetitivas, y después el chat atribuye al usuario palabras o acciones que no ocurrieron.
• Los perfiles se repiten entre aplicaciones o utilizan imágenes con incoherencias, fondos artificiales y datos biográficos genéricos.
• La app impide compartir datos de contacto incluso cuando ambas partes lo desean, mientras vende más saldo para continuar.
• La ficha del desarrollador no encaja: web inexistente, política de privacidad copiada, dirección dudosa o varias apps casi iguales.

Una prueba razonable consiste en pedir una respuesta contextual difícil de reutilizar, sin compartir información sensible: por ejemplo, comentar un elemento concreto de una conversación anterior y solicitar una explicación espontánea. No conviene enviar documentos, dirección, lugar de trabajo, imágenes íntimas ni códigos de verificación para «demostrar» identidad. Tampoco es prudente instalar archivos fuera de la tienda oficial.

Qué hacer si ya has pagado o compartido datos

1. Detén los pagos y guarda pruebas. Conserva recibos, capturas, nombre de la app, perfil del desarrollador, conversaciones y fechas. No borres la cuenta antes de recopilar lo necesario.
2. Revisa la forma de pago. Cancela suscripciones, avisa a tu banco si observas cargos no autorizados y cambia la contraseña si la reutilizaste en otro servicio.
3. Denuncia la aplicación en la tienda. Describe el engaño de identidad y la facturación, no solo una mala experiencia sentimental. Solicita el reembolso por el canal oficial cuando proceda.
4. Protege tus cuentas. Activa autenticación en dos pasos, revisa sesiones abiertas y limita la información pública que permita suplantarte.
5. Pide ayuda especializada. En España, INCIBE ofrece atención gratuita y confidencial en el 017 y explica cómo reportar fraudes y conservar evidencias.
6. Acude a las fuerzas de seguridad si hubo pérdida económica, amenazas, extorsión, robo de identidad o difusión de imágenes. No pagues para evitar una supuesta publicación: el pago no garantiza que el material desaparezca.

El Ministerio del Interior recomienda desconfiar de relaciones en línea que avanzan con intensidad inusual y de peticiones económicas. En este caso, la petición puede estar camuflada como una compra legítima de monedas, por lo que la pregunta clave es qué servicio se prometió: si se vendía acceso a personas reales y la conversación estaba automatizada sin aviso, la transparencia del producto es central.

Una cuestión de transparencia, no de prohibir acompañantes virtuales

Hablar con un personaje de IA no es por sí mismo fraudulento. Existen servicios de compañía virtual que se presentan claramente como tales. El problema aparece cuando una empresa oculta que la mayoría de interlocutores son sistemas automáticos, usa humanos como prueba ocasional de autenticidad y cobra en función de una creencia falsa.

La distinción conecta con un debate regulatorio más amplio. Como vimos al explicar la obligación de identificar actores sintéticos en anuncios, etiquetar contenido artificial no resuelve todos los daños, pero permite al usuario decidir con información básica. En una app de citas, esa transparencia debería abarcar quién responde, cuándo interviene una persona y por qué se cobra.

También quedan incógnitas. No existe una resolución judicial pública que establezca responsabilidades de todas las marcas citadas. Anthropic es parte interesada y solo ve el uso de su propio servicio; The Verge no pudo confirmar cada dato interno. La atribución a un operador con base en China descansa en documentación, infraestructura y proveedores asociados, no en una sentencia. Por eso conviene separar los hallazgos técnicos de una conclusión legal definitiva.

Conclusión: la aplicación también puede ser el engaño

La novedad de este caso no es que un estafador use una foto generada o que un chatbot escriba mensajes seductores. Es la construcción de una plataforma completa: perfiles automáticos, trabajadores reales, señales sociales fabricadas, pagos medidos y mecanismos para esquivar revisiones. La IA permitió operar miles de conversaciones; el diseño del negocio convirtió esa escala en ingresos.

Para el usuario, la lección es sencilla: estar en una tienda oficial no garantiza que cada interlocutor o cada promesa sea auténtica. Para las plataformas y los proveedores de modelos, el caso exige mirar patrones de cuenta, código compartido, pagos y configuración remota. Revisar mensajes aislados llega tarde cuando el engaño está repartido por toda la aplicación.

Fuentes consultadas

• The Verge: investigación sobre la red de aplicaciones de citas con IA, 16 de septiembre de 2026.
• Anthropic: Detecting and countering misuse of AI, septiembre de 2026.
• SleuthCon: Swipe Right, Pay Up, presentación sobre la operación.
• INCIBE: Tu Ayuda en Ciberseguridad y línea 017.
• Ministerio del Interior: recomendaciones ante la estafa amorosa, 18 de abril de 2025.

Fecha de consulta: 17 de septiembre de 2026.