Fotos de siniestro duplicadas: cómo detectar pruebas recicladas

Este artículo tiene fines informativos. No constituye asesoramiento legal ni recomendación normativa, y no sustituye el criterio de un abogado o responsable de cumplimiento cualificado.

Una foto de siniestro reciclada es la misma imagen —a veces recortada, recomprimida o ligeramente editada— presentada en dos expedientes de siniestro distintos, en la misma aseguradora o en dos diferentes. El control que la detecta no compara el archivo con una lista negra de fraudes conocidos: lo compara con el histórico de fotos ya recibidas, buscando una coincidencia visual. Es una pregunta distinta a la de la detección de manipulación: en vez de "¿ha sido alterada esta foto?", la pregunta pasa a ser "¿ya se ha usado esta foto en otro sitio?".

Qué es el reciclaje de fotos de siniestro

El reciclaje de fotos de siniestro consiste en reutilizar una imagen de daños ya presentada —la propia en un expediente anterior, la de un tercero obtenida en internet, o la de un cómplice— para respaldar una nueva declaración sin que exista un daño real correspondiente. La foto puede ser idéntica píxel a píxel o estar ligeramente modificada: recorte, cambio de luminosidad, compresión adicional, filtro añadido. En ambos casos el contenido visual sigue siendo reconocible, lo que hace el problema abordable mediante técnicas de comparación de imágenes en lugar de una simple verificación de hash de archivo, que fallaría con el más mínimo byte modificado.

Un estudio de Verisk sobre una muestra de 768.000 fotos de siniestros identificó 1.967 duplicados, incluida una misma foto reutilizada en 44 expedientes distintos, vinculados a 1.475 siniestros por unos 5,3 millones de dólares en indemnizaciones pagadas. Esta cifra ilustra la brecha entre la magnitud real del fenómeno y su visibilidad expediente por expediente: ningún gestor que revise un único caso puede saber que una foto ya ha circulado 43 veces más en la cartera.

Por qué los defraudadores reutilizan la misma foto de daños

Producir una foto de daños creíble tiene un coste: encontrar el ángulo, la iluminación, un vehículo o vivienda dañados que encajen con el relato declarado. Una vez que una foto ha superado los controles de una primera aseguradora, reutilizarla en otro sitio elimina ese coste por completo: el defraudador solo cambia el nombre del asegurado, la fecha de la declaración y a veces el importe reclamado, sin repetir el paso más difícil.

El informe SONAR 2025 de Swiss Re sitúa los deepfakes y otros contenidos sintéticos entre los riesgos emergentes del sector, señalando la falsificación de pruebas y el fraude asistido por IA como una preocupación creciente que ya no se limita a un asegurado deshonesto aislado, sino a redes que reutilizan el mismo material fotográfico en varios expedientes, a veces ante aseguradoras distintas que no tienen visibilidad de los casos de la competencia.

La magnitud del fenómeno en España

El mercado español confirma la misma dinámica que los datos internacionales. Según datos citados por El Economista, uno de cada tres fraudes al seguro ya se detecta por medios digitales, con un ahorro estimado de 27,6 millones de euros para las aseguradoras frente a una tasa de detección mucho menor hace pocos años, un salto que coincide con la generalización de controles automatizados sobre fotos y documentos.

El ACFE 2024 Report to the Nations sitúa en el 37 % la tasa de detección del fraude documental mediante control manual exclusivamente, con un retraso medio de descubrimiento de 87 días — un plazo que deja tiempo de sobra para que una misma foto circule por varios expedientes antes de que un cruce manual, a menudo fortuito, revele el patrón.

Cómo funciona la detección por hash perceptual

El hash perceptual (perceptual hashing, pHash) convierte una imagen en una huella digital compacta que permanece estable aunque el archivo se recorte, recomprima, redimensione o se le aplique un filtro ligero, a diferencia de un hash criptográfico clásico (SHA-256), que cambia por completo con el más mínimo byte modificado. Dos fotos visualmente parecidas generan huellas cercanas entre sí, lo que permite calcular una distancia de similitud y fijar un umbral por encima del cual se señala una coincidencia para revisión humana.

Este mecanismo se aplica en tres pasos dentro de un flujo de tramitación de siniestros:

1. Extracción: cada foto recibida se convierte en una huella perceptual en el momento de la presentación.
2. Comparación: la huella se contrasta con una base de referencia de fotos ya presentadas, internamente y, cuando existe un mecanismo sectorial de intercambio, entre aseguradoras.
3. Señalización: por encima del umbral de similitud establecido, el expediente se dirige a revisión humana, nunca a un rechazo automático.

Nuestra metodología combina sistemáticamente esta comparación perceptual con el análisis de metadatos y la coherencia entre documentos, un aspecto detallado en nuestro artículo sobre los límites probatorios de los metadatos EXIF de una foto de cliente: una huella perceptual cercana solo tiene valor cuando se cruza con otras señales, nunca por sí sola.

Detección de duplicados frente a otras técnicas forenses

La detección de duplicados responde a una pregunta distinta de la de los demás controles forenses aplicados a una foto de siniestro, y ambas se complementan en lugar de sustituirse.

Una foto puede parecer "limpia" en tres de las cuatro pruebas —sin manipulación detectada por el análisis de artefactos de compresión, metadatos coherentes, sin señal de generación sintética— y aun así ser idéntica píxel a píxel a una foto ya presentada bajo otro nombre seis meses antes. Nuestro artículo sobre la detección de documentos fraudulentos reutilizados y el fraude en serie desarrolla esta misma lógica aplicada a todo el expediente, más allá de las fotos.

Lo que exige el marco normativo ante una alerta de duplicado

Un rechazo o una investigación basada en una coincidencia de duplicado sigue siendo una decisión con consecuencias jurídicas para la aseguradora y debe seguir siendo impugnable. El Reglamento (UE) 2024/1689 de inteligencia artificial exige, en su artículo 14, una supervisión humana efectiva para los sistemas de IA de alto riesgo, y una señal de similitud perceptual —probabilística por naturaleza, nunca una certeza del 100 %— entra de lleno en esa lógica de trazabilidad en cuanto influye en una decisión de indemnización.

La DGSFP espera de las entidades aseguradoras un dispositivo de control interno proporcionado al riesgo de fraude documental, incluida la detección de reutilización de pruebas. El RGPD, en su artículo 22, regula las decisiones individuales automatizadas con efectos jurídicos: un rechazo de siniestro basado únicamente en una puntuación de similitud algorítmica sin revisión humana documentada expone a la aseguradora a una reclamación ante el Servicio de Reclamaciones del Banco de España o la propia AEPD.

Cómo implantar un control de duplicación de fotos de siniestro

El enfoque más robusto se apoya en tres niveles de escalado, con umbrales explícitos documentados en la política de control interno:

1. Sin coincidencia detectada: la foto continúa el tramitación estándar del expediente, sin ninguna marca.
2. Coincidencia parcial (similitud moderada): el expediente se dirige a revisión humana estándar, mostrando la foto sospechosa junto a su precedente para permitir una decisión informada.
3. Coincidencia fuerte combinada con otras señales (metadatos incoherentes, presupuesto de reparación idéntico): traslado a la unidad especial de investigación de fraude, según el procedimiento interno.

Esta arquitectura evita el problema del veredicto totalmente automatizado, documentado en nuestro artículo sobre la revisión de fotos de siniestros a gran escala: la señal ordena la cola de trabajo, la persona decide. Para las entidades que tramitan varios miles de expedientes fotográficos al mes, este triaje de tres niveles es la única opción realista con plantilla constante, como muestra nuestro análisis sobre acelerar la tramitación de siniestros gracias a la IA.

Lo que realmente preguntan los gestores de siniestros

"¿Basta un duplicado detectado para justificar un rechazo?" No: una coincidencia perceptual es una señal de priorización, no una prueba autónoma de fraude. Un mismo asegurado puede presentar legítimamente dos veces la misma foto por error, o un perito puede haber reutilizado una imagen para documentar dos partes de un mismo siniestro. La señal activa una revisión documentada, nunca un rechazo automático.

"¿Cómo se detecta un duplicado si el defraudador recorta o comprime la foto a propósito?" El hash perceptual sigue siendo tolerante a estas transformaciones menores, pero un recorte agresivo que elimine la mayor parte de la zona visualmente distintiva puede hacer que la puntuación de similitud caiga por debajo del umbral de detección, de ahí el interés de cruzar esta señal con el análisis de metadatos y la coherencia del relato del siniestro en lugar de apoyarse en un único indicador.

Preguntas frecuentes

¿Una foto de siniestro reciclada es siempre fraude?

No. Un mismo cliente puede presentar legítimamente dos veces la misma foto en expedientes relacionados, o un perito puede reutilizar una imagen para documentar dos partes de un siniestro. La señal de duplicación dirige el caso a revisión humana; no constituye por sí sola una prueba de fraude.

¿El hash perceptual funciona si la foto ha sido retocada?

Sigue siendo eficaz ante un recorte ligero, una recompresión o un ajuste de luminosidad, porque la huella captura el contenido visual global y no los bytes exactos del archivo. Una modificación agresiva puede reducir la similitud detectada, de ahí la necesidad de cruzar esta señal con otros controles.

¿Cuánto tarda en detectarse un duplicado entre dos expedientes?

Técnicamente, la comparación de huellas se realiza en segundos en el momento de la presentación de la foto. El plazo real depende del alcance: una base interna de la aseguradora detecta más rápido que un dispositivo que requiere intercambio sectorial entre entidades.

¿Esta detección sustituye al control EXIF o al análisis de retoque?

No, los complementa. El hash perceptual responde a "¿se ha visto ya esta foto?", mientras que el EXIF y el análisis de niveles de error responden a "¿se ha manipulado esta foto?". Un dispositivo robusto combina ambos enfoques en lugar de apoyarse en uno solo.

¿El RGPD limita la creación de una base de fotos para este control?

Sí, el artículo 22 regula las decisiones individuales automatizadas y la conservación de los datos personales asociados a las fotos debe respetar un plazo proporcionado a la finalidad antifraude. Un responsable de cumplimiento debe documentar la base legal y el plazo de conservación antes de desplegar este tipo de control.

---

La detección de duplicados entre fotos de siniestro se integra en un enfoque más amplio de señales complementarias —metadatos, coherencia documental y, cuando la configuración del cliente lo activa, detección de contenidos generados por IA junto a los controles estructurales existentes. CheckFile integra esta comparación perceptual en el flujo de tramitación de siniestros; para una visión general de la verificación documental, consulte nuestra guía de verificación de documentos o los precios.