El estado de las estafas en las comunidades digitales — Edición Telegram, 2026

1. La escala del problema

Cuatro cifras marcan la escala del fraude dirigido a comunidades en 2025. Miden cosas distintas, así que no se suman en un total, pero juntas muestran una industria, no una molestia.

El Centro de Denuncias de Delitos en Internet del FBI contó 8.600 millones de dólares en pérdidas reportadas por fraude de inversión en Estados Unidos en 2025, la mayor categoría que rastrea y alrededor del 40 % de todas las pérdidas reportadas por delitos en internet. Dentro de ella, 7.200 millones fueron fraude de inversión en cripto: la estafa larga en la que un atacante construye una relación durante semanas o meses, normalmente empezando en una app de citas o en mensajes directos de redes sociales y a menudo pasando a Telegram, para después presentar una inversión falsa y vaciar a la víctima. El fraude romántico propiamente dicho suma unos 900 millones más, contados aparte. [1]

Telegram baneó 43,5 millones de grupos y canales en 2025. Antes de la detención de su fundador en agosto de 2024, las eliminaciones diarias iban de 10.000 a 30.000; después subieron a entre 80.000 y 140.000 al día, con picos por encima de 500.000. [2]

Entre noviembre de 2024 y enero de 2025, las estafas en grupos maliciosos de Telegram, bots de verificación falsos y «grupos de trading» con malware, crecieron un 2.000 %. En parte es la limpieza de la plataforma removiéndolo todo; en su mayor parte son atacantes escalando sobre herramientas de IA que se habían vuelto lo bastante baratas para usarse en volumen. [3]

Y los mayores mercados ilícitos en línea de la historia no estaban en la dark web. Eran canales de Telegram. Huione Guarantee y Xinbi Guarantee, mercados de «garantía» en chino para herramientas de estafa, lavado y la intermediación de trabajadores traficados, procesaron más de 35.000 millones de dólares en stablecoins antes de que Telegram los cerrara en mayo de 2025. [18] Lo que pasó después está en la sección 5.

A escala

Oír «miles de millones» cuatro veces aplana las cifras. Puestas una al lado de la otra, la barra más larga es la industria en sí, los ingresos de los centros de estafa del sudeste asiático, unos 40.000 millones de dólares al año [21]; los mercados, con 35.000 millones en flujos acumulados, son su cadena de suministro; los 8.600 millones en pérdidas reportadas en EE. UU. son solo lo que las víctimas contaron al FBI; y los 2.020 millones robados en cripto por Corea del Norte en 2025, el gran titular del año, son la barra más corta del gráfico. [23] Un programa estatal de hackeo es un error de redondeo frente a la economía de los complejos de estafa.

Por qué ahora

Convergieron tres fuerzas. Telegram es, de hecho, la capa social de Web3: cada lanzamiento de token, airdrop y comunidad de proyecto vive allí, así que el dinero se movió allí y los atacantes lo siguieron. Las herramientas de ataque se volvieron un producto básico y luego se desplomaron de precio: los productos de LLM liberados se venden en el propio Telegram, de unos 200 dólares al mes en 2023 a 220 dólares por una licencia de por vida en 2025 (sección 4). Y la moderación que usan la mayoría de las comunidades se construyó para la amenaza anterior a la IA: listas de palabras, firmas, límites de frecuencia simples, nada de lo cual ve venir una estafa conversacional, personalizada y de varios turnos.

El resultado es que las comunidades mueren de dos maneras: por el propio spam, porque las herramientas no dan abasto, o por la sobre-moderación que los admins despliegan por desesperación y que expulsa a los miembros reales.

2. Tres eras

Las estafas llegaron a Telegram en tres eras. Cada una subió la apuesta respecto a la anterior y ninguna se retiró.

Era I, pre-cripto: ruido. Scripts, invitaciones masivas, spam por palabras clave, promoción al paso. El mismo contenido miles de veces: hashearlo, bloquearlo, listo. Una molestia más que depredación, porque había poco que robar en la sala. Para esto se construyó la moderación clásica por reglas, y lo maneja bien.

Era II, cripto, pre-LLM: fraude. El dinero entró en la sala y el spam se convirtió en fraude: «matanza del cerdo», mensajes de falsos admins, drenadores de billeteras, sorteos falsos. Lo que estaba en juego pasó de la atención perdida a las billeteras vaciadas. Pero los ataques aún los ejecutaban personas, así que dependían de mano de obra y dejaban costuras: la gramática rota, la cadencia de copiar y pegar, la respuesta desde la zona horaria equivocada. Aquí las herramientas clásicas empezaron a perder.

Era III, LLM: escala de IA. La IA escribe el contenido y maneja los personajes. El cuello de botella de la mano de obra desapareció: un operador lleva miles de conversaciones simultáneas, cada mensaje único y pertinente, sin firma que detectar. Es la era más joven y su curva de sofisticación sigue curvándose hacia arriba.

El atacante de hoy apila las tres: spam heredado para volumen barato, manuales de la era cripto y herramientas de LLM para ejecutarlos a escala. Una defensa tiene que aguantar en las tres a la vez. Algo que este marco deja fuera a propósito: el problema de un actor detrás de muchas cuentas no es una era. Es el hilo estructural bajo las tres, y tiene su propia sección.

3. Diez formas en que los ataques modernos derrotan a las herramientas clásicas

Son los patrones concretos que pasan por delante de la moderación por reglas, más o menos por orden de prevalencia. Los tres primeros se detallan más.

01 · El mensaje directo del «admin» con el chat limpio

El principal vector de estafa de 2025 por pérdidas de las víctimas. Un estafador se une a un grupo público y observa. Cuando un miembro hace una pregunta o expresa frustración, recibe en minutos un mensaje privado de un perfil que copia el nombre y el avatar de un admin, a menudo con un carácter sustituido (un cero por una O, una ele minúscula por una I mayúscula). El mensaje en el grupo, si lo hay, es inofensivo. La carga, una petición de frase semilla o un enlace a un KYC falso, vive solo en el mensaje directo, donde ningún bot de moderación puede verla. [4] [5] [6]

Las herramientas clásicas lo pasan por alto por tres razones: el mensaje público no tiene palabras prohibidas, enlaces ni medios; nada compara el nombre y el avatar de un nuevo miembro con los admins reales al unirse; y nada rastrea «esta cuenta se unió hace tres minutos y ya está escribiendo a miembros activos». La defensa son comprobaciones de similitud de perfil al unirse, señales de comportamiento y una vía de denuncia para los mensajes directos que el bot no puede observar.

02 · Spam conversacional generado por LLM

El giro lento. Una cuenta se une y publica mensajes naturales y pertinentes que encajan con la cultura del grupo. Responde preguntas, correctamente. Gana verosimilitud durante varios turnos, a veces días. Después gira: un enlace, una oferta, una petición de seguir por privado. Cada mensaje es generado, no copiado, así que no hay duplicado que detectar, ni firma, y el tono encaja porque al modelo se le pidió que encajara. Las herramientas son comerciales: FraudGPT se anunciaba a unos 200 dólares al mes en 2023 [7]; WormGPT 4 se vende a 50 dólares al mes o 220 de por vida, con código fuente incluido. [8] Nada que mire un solo mensaje atrapa una intención que solo aparece a lo largo de una conversación; la detección que lo hace tiene que leer la ventana completa, y en la práctica eso significa otro modelo.

03 · El cambio de carga mediante edición

El esquive más simple de este informe, y la mayoría de los bots siguen expuestos. El spammer publica un mensaje limpio que pasa todos los filtros, espera a que termine la ventana de restricción para recién llegados y luego edita el mensaje para insertar el enlace o el texto de la estafa. La mayoría de los bots de moderación se suscriben a la actualización message de Telegram y no a edited_message, así que la edición nunca entra en el proceso de detección. La solución es un día de trabajo: procesar ambos eventos y volver a ejecutar todas las comprobaciones en cada edición. Si gestionas una comunidad, pregunta a quien mantiene tu bot si procesa ediciones.

04–06 · El problema de las firmas

Tres patrones con una misma causa raíz: la detección clásica compara firmas, y los ataques modernos rompen la forma superficial.

• Homóglifos y caracteres de ancho cero. Una а, е u о cirílica en lugar de la letra latina, o un U+200B/U+200C/U+200D invisible insertado en medio de la palabra, parte «airdrop» o «metamask» de modo que la lista de bloqueo ya no coincide mientras el lector no ve nada raro. La normalización Unicode y un mapa de caracteres confundibles antes de cualquier comprobación por palabras lo arregla; la mayoría de los bots no lo hacen.
• Estafas en imágenes y capturas. La URL, la dirección de billetera o el alias «oficial» van dentro de un JPEG, un sticker o una captura de un mensaje fijado falso. Sin OCR, el texto es invisible para el bot, y la respuesta habitual, bloquear todos los medios, es inutilizable en un chat vivo.
• Enjambres de cuentas envejecidas. Una industria cultiva cuentas de Telegram de entre tres meses y cinco años, con historial y avatares verosímiles, y las vende al por mayor precisamente para superar las comprobaciones de antigüedad. [14] Ninguna comprobación de una sola cuenta las distingue; solo la detección de comportamiento coordinado entre cuentas lo hace.

07–10 · El problema del comportamiento

Cuatro patrones en los que el ataque no está en lo que se dijo sino en cómo se comportó la cuenta o qué contexto trajo.

• Evasión y fatiga de CAPTCHA. Los servicios de resolución superan los desafíos por céntimos, mientras que los desafíos lo bastante fuertes para frenar a los atacantes también cuestan miembros reales, que se rinden y se van. La respuesta son desafíos adaptativos al riesgo que solo ve el recién llegado sospechoso, algo que pocos bots desplegados hacen bien.
• El embudo de observador a mensaje directo. La cuenta se une, nunca publica, extrae la lista de miembros y abre mensajes directos. No activa ninguna regla del grupo, y es el mecanismo detrás de una gran parte de las pérdidas por estafas largas de la sección 1. [1]
• Phishing hiperpersonalizado. Datos filtrados más un modelo de lenguaje producen un mensaje que menciona el proyecto, la billetera o la actividad en cadena de la propia víctima. Se lee como un contacto real. La estafa está en la especificidad, que no tiene firma.
• Bots de «soporte» maliciosos. Bots con nombres de grandes billeteras y exchanges. La verificación de terceros para cuentas y bots existe desde enero de 2025 [32], pero su adopción es mínima y cualquier bot puede seguir lanzándose con cualquier nombre. [4]

4. La amenaza de la IA en detalle

La economía

Cuando FraudGPT apareció en julio de 2023 se vendía por suscripción, desde 200 dólares al mes, anunciado en Telegram con miles de ventas reclamadas. [7] En noviembre de 2025, WormGPT 4 se vendía a 50 dólares al mes o 220 dólares por una licencia de por vida con código fuente. [8] Un año de la herramienta pasó de unos 2.400 dólares a 600, o a 220 una sola vez: una caída del 91 % en dos años, y los nuevos entrantes bajan incluso eso. Cuando las herramientas de ataque se deflactan tan rápido, el resultado es volumen de atacantes.

El canal de distribución es el propio Telegram. La plataforma que se defiende es el mercado de las herramientas que se usan contra ella: un circuito cerrado.

La medición a gran escala más clara de antes y después es el hallazgo de SlashNext de un aumento del 1.265 % en el volumen de phishing en los doce meses posteriores al lanzamiento de ChatGPT (del cuarto trimestre de 2022 al tercero de 2023). [9] Es una correlación con la era de la IA generativa más que una atribución estricta, pero nada desde entonces sugiere que la curva haya vuelto a bajar.

Lo que pueden hacer las herramientas: sostener una conversación coherente de varios turnos, imitar el registro de un canal concreto y personalizar a partir de datos filtrados y perfiles públicos.

Por qué fallan las firmas

Antes de la IA, el mismo mensaje de estafa se pegaba a miles de víctimas; hashearlo una vez bloqueaba todas las repeticiones. Por eso los bots de moderación evolucionaron alrededor de la coincidencia de palabras clave, las expresiones regulares y las listas de bloqueo. Después de la IA, la misma intención («mándame tu frase semilla») aparece en infinitas variaciones de superficie, así que los hashes nunca coinciden y las palabras clave nunca cuadran. La detección tiene que pasar de qué se dijo a qué está haciendo el actor: cómo se unió la cuenta, qué hizo antes de publicar, cómo interactuó, cuándo giró, qué identidad y reputación trae. Juzgar la intención en una ventana de conversación con otro modelo funciona, y es caro; la disciplina de costes es uno de los problemas abiertos del campo (sección 8).

El giro agéntico

Dos casos de 2026 muestran dónde está ahora la amenaza de la IA: no en generar spam, sino en dirigir la campaña.

En mayo de 2026, Trend Micro publicó su investigación sobre «Patriot Bait». Un solo operador rusohablante dirigía un canal de Telegram con 17.000 suscriptores que se hacía pasar por un veterano estadounidense. El canal existía desde febrero de 2021; de septiembre de 2025 a mayo de 2026 funcionó con IA. Un orquestador en Python que el operador llamó «Quantum Patriot» llamaba a un modelo de frontera a través de 73 claves API robadas para interpretar al personaje, y un chatbot aparte hablaba directamente con las víctimas. El operador liberó el modelo convenciéndolo de que era un pentester autorizado, un rol que el modelo guardó en memoria, de modo que cada conversación posterior arrancaba ya liberada. En palabras de Trend Micro, lo que antes requería un equipo de redactores, gestores de redes sociales, informáticos y programadores de malware ahora puede automatizarlo un solo actor con un servidor, un bot de Telegram y acceso API a modelos de frontera. [10] El artículo ScamAgents formaliza el patrón: agentes autónomos de varios turnos con memoria y comportamiento adaptativo, frente a los cuales las barreras de seguridad actuales están documentadas como ineficaces. [11]

Para la detección, esto corta en dos sentidos. Las herramientas clásicas asumían la economía de un equipo de estafadores, muchas huellas distintas por campaña. Un agente en solitario la colapsa: una IP, una cuenta de modelo, un estilo operativo, lo que es más fácil de identificar a nivel de campaña y más difícil a nivel de mensaje, porque cada mensaje se lee como el de una persona reflexiva.

El show de Truman

En enero de 2026, Check Point publicó su investigación sobre una campaña que seguía desde octubre de 2025, construida alrededor de una app llamada OPCOPRO y bautizada por la película de 1998 sobre un hombre cuyo mundo entero es un decorado. Grupos de Telegram y WhatsApp estrictamente controlados, a menudo sincronizados, se pueblan con «expertos» generados por IA y compañeros sintéticos. Los miembros preguntan, los compañeros responden, los expertos aconsejan. La inmersión dura semanas. Las apps complementarias en las tiendas de Apple y Google son carcasas WebView cuyos saldos, operaciones y acuerdos se fabrican en el servidor, así que las víctimas ven crecer sus ganancias. Después llega la petición: invertir más, pagar la comisión de retiro, cubrir el impuesto. [12]

Esto derrota todo lo anterior de este informe. No hay mensaje de spam; el contexto entero es el ataque. Cada detector por mensaje falla, cada heurística de observador a mensaje directo falla, porque la comunidad misma está fabricada. Lo que lo atrapa es la reputación entre plataformas, reconocer la misma huella en muchos grupos, o una verificación de identidad lo bastante fuerte para desenmascarar a los miembros sintéticos. El modelo de amenaza subió un nivel: de ataques dentro de comunidades reales a comunidades que son el ataque.

5. Un actor, muchas identidades

El otro problema difícil junto a la IA, y el estructural. En seguridad se llama problema Sybil: un actor que controla muchas cuentas para manipular un sistema.

La economía

Las cuentas de Telegram envejecidas se venden a entre 1 y 10 dólares cada una en mercados adversarios, con cuentas de tres meses a cinco años disponibles al por mayor. Los precios salen del propio marketing de los proveedores de cultivo, que publican guías paso a paso como material de venta; la industria está lo bastante normalizada como para anunciarse. [14] Una red mediana opera entre 50 y 200 cuentas en una sola operación coordinada; las profesionales llegan a miles, a menudo controladas mediante el protocolo MTProto de Telegram. Solidus Labs documentó una red, PumpCell, que ejecutaba un pump-and-dump multicadena sincronizado en docenas de canales de Telegram y obtuvo unos 800.000 dólares en un mes. [15] A precios de mercado, un enjambre de 100 cuentas cuesta del orden de 500 dólares; una sola estafa exitosa paga de 5.000 a varios millones. Lo importante es la proporción, no las cifras exactas.

Por qué rompe la defensa

Toda defensa clásica comparte un supuesto: cada cuenta es un actor independiente. Las cuentas coordinadas lo rompen. Los baneos no importan cuando el actor tiene 50 de repuesto y puede comprar otra por un dólar. Las comprobaciones de antigüedad no ayudan cuando las cuentas envejecidas son un producto. La reputación se reinicia cuando el enjambre rota. Las listas de bloqueo federadas, entre las mejores defensas clásicas, luchan contra una hidra. La brecha estructural es que ninguna herramienta de moderación desplegada puede reducir N cuentas a un solo actor. Sin eso, la defensa es un golpea-topos con topos ilimitados.

La hidra a escala de plataforma

La prueba a la mayor escala que existe. Huione y Xinbi Guarantee habían procesado más de 35.000 millones de dólares en stablecoins, sobre todo USDT, vendiendo herramientas de estafa, lavado, bancos de SIM, cuentas envejecidas y kits drenadores, e intermediando trabajadores traficados para los complejos de estafa. [18] El 13 de mayo de 2025, Telegram llevó a cabo su mayor desmantelamiento dirigido, eliminando miles de canales asociados, tras la investigación de Elliptic y la designación por el Tesoro de EE. UU. de Huione Group como preocupación principal de lavado de dinero. En cuestión de semanas, Tudou Guarantee, un competidor en el que Huione había comprado una participación del 30 % cinco meses antes del cierre, vio un aumento de unas 70 veces en su volumen diario; Xinbi volvió con el mismo ID de cuenta y entradas un 90 % mayores. [19] [20] El desmantelamiento funcionó exactamente como se diseñó. El mercado ni siquiera se frenó, porque los actores detrás nunca se redujeron a identidades que pudieran excluirse.

6. Más allá del canal

Las mayores pérdidas de 2025 no terminaron en Telegram. Empezaron allí.

Los grupos afiliados al Estado norcoreano robaron unos 2.020 millones de dólares en cripto en 2025, un 51 % más que el año anterior, con más de 300 millones atribuidos a reuniones deepfake por Zoom y Teams en las que los atacantes se hacían pasar por figuras de confianza del sector. [23] [24] Un caso muestra la forma: el cofundador de THORChain perdió unos 1,35 millones de dólares después de que un mensaje desde la cuenta de Telegram comprometida de un amigo llevara a una videollamada con un contacto deepfake y luego a un malware para macOS que vació su billetera. [25] Las estafas de angustia con notas de voz deepfake costaron unos 5 millones en 2025, y ahora bastan tres segundos de audio para que los servicios de clonación de voz de consumo produzcan un clon convincente; sirve una sola nota de voz publicada en un chat de grupo. [26]

La cadena tiene cuatro pasos. Entrada: un mensaje inofensivo desde la cuenta comprometida de un amigo («¿hablamos un momento?»), sin enlace, sin palabra clave y sin cuenta nueva que marcar. Pivote: una invitación de calendario o un dominio de reunión parecido, un clic fuera de la plataforma. Deepfake: una llamada en directo con caras y voces clonadas, y luego «tu cámara no funciona, instala este arreglo». Drenaje: el arreglo es malware. El único paso que una defensa de Telegram puede observar es el primero, y el primero no tiene nada que detectar. La reputación entre plataformas y los hábitos de verificación por otro canal son las únicas defensas que siquiera aplican, y ninguna herramienta lanzada en 2024–2026 aborda el embudo entre plataformas.

Quién dirige las estafas

El lado de la oferta es industrial, y cada vez más procesado. La UNODC estima que los centros de estafa del sudeste asiático generan unos 40.000 millones de dólares al año, y describe Telegram como conveniente y escalable para actores ilícitos. [21] Esos centros funcionan en gran parte con trabajo forzado: según las mismas estimaciones, unas 100.000 personas traficadas a complejos en Camboya y 120.000 en Myanmar. El «estafador» que escribe a una comunidad es, en una gran proporción de casos, una víctima de trata que paga una deuda inventada. En octubre de 2025, el Departamento de Justicia de EE. UU. acusó al presidente del Prince Group de Camboya de operar complejos de estafa con trabajo forzado e incautó 127.271 BTC, unos 15.000 millones de dólares, el mayor decomiso de la historia de EE. UU. [22] Ese mismo mes, una redada en el complejo KK Park de Myanmar liberó a más de 2.000 trabajadores de un solo complejo entre cientos. Para quien gestiona una comunidad, esto ajusta las expectativas: el adversario es una industria con los ingresos de un Estado mediano, y el bot de moderación es la primera línea.

7. Dónde está el dinero

Las comunidades cripto soportan una carga desproporcionada por cuatro razones. Valor por víctima: una estafa larga exitosa deja seis o siete cifras, un orden de magnitud por encima del phishing al consumidor. Superficie de ataque: los grupos cripto son abiertos por diseño, y cada miembro está a un toque de conectar una billetera. Campañas documentadas: PumpCell es una red entre muchas. [15] Suplantación de marca: los bots y canales de «soporte» falsos de grandes billeteras y exchanges siguen siendo endémicos mientras la verificación no se adopta. [4] [5]

Cada ecosistema recibe ataques distintos. En TON, la distribución nativa de Telegram hace del phishing con Mini Apps el patrón dominante, con drenajes de billetera a través del webview integrado. [5] En las cadenas EVM, Ethereum y Base concentran el volumen en drenadores, airdrops falsos y solicitudes de firma maliciosas que conceden aprobaciones de tokens disfrazadas de reclamos. En Solana, anillos de pump de memecoins, lanzamientos falsos y bots drenadores que automatizan el phishing de frases semilla. Entre cadenas, actores al estilo PumpCell operan en varias cadenas a la vez y lavan a través de puentes; las operaciones en una sola cadena son cosa del pasado.

TON en el punto de mira

La interfaz de confianza nativa de Telegram es la superficie de ataque. Los clones de Fragment imitan el mercado de subastas de nombres de usuario y vacían billeteras a través de TON Connect cuando los usuarios «reclaman» o «listan». Las Mini Apps de «TON Giveaway» y «Wallet Support» piden autorización de billetera para eventos y flujos de soporte falsos. Y las aprobaciones de contrato maliciosas vía TON Connect parecen un inicio de sesión rutinario mientras conceden permisos de drenaje. [27] [28] Las Mini Apps se ejecutan dentro de Telegram, la confianza es implícita y ninguna herramienta de moderación revisa los manifiestos de las Mini Apps, las aprobaciones de contratos ni la reputación de las Mini Apps. El mismo flujo que los defensores querrían usar para verificar identidades es el que explotan hoy los atacantes; cualquier trabajo defensivo sobre identidad hereda esta superficie desde el primer día.

La economía de los drenadores

Los drenadores de billeteras se venden, se mantienen y se actualizan como software, en Telegram. Inferno Drainer «se retiró» en 2023 y volvió en 2025 con direcciones de mando y control almacenadas cifradas en cadena, de modo que no hay servidor que incautar, e infraestructura de proxy operada por sus propios clientes; Check Point documentó unos 9 millones de dólares drenados en su primer medio año de vuelta. [29] Cuando los operadores de Inferno se apartaron, entregaron el código a Angel Drainer, cuyo AngelX ha desplegado más de 300 dApps maliciosas dirigidas específicamente a TON y Tron. [30] TrickMo, un troyano bancario para Android, trasladó su mando y control a la propia red entre pares de TON en 2026: sin DNS, sin proveedor de alojamiento, nada que tumbar. [31] Esto pertenece a un informe sobre estafas en comunidades porque todo drenador necesita un canal de entrega, y ese canal es la comunidad: el airdrop falso en el grupo, el enlace a la Mini App en el mensaje directo.

8. Qué sigue funcionando y qué se estancó

Qué sigue funcionando

Seis cosas siguen ganándose su lugar, y las nuevas capas van encima de ellas, no en su lugar.

• CAPTCHA al unirse con restricción de recién llegados. Las recopilaciones de proveedores reportan en torno a un 95 % de reducción del spam; tómese la cifra como orientativa y no auditada, pero coincide con la experiencia de los operadores como el filtro de mayor rendimiento. [16] La respuesta a la fatiga de CAPTCHA son desafíos adaptativos al riesgo, no eliminarlos.
• Bloqueos de URLs, reenvíos, medios e invitaciones eliminan la cola larga del spam de bajo esfuerzo casi sin coste.
• Listas de bloqueo federadas como CAS propagan el baneo de una comunidad a todos los suscriptores: barato, preciso, victorias gratis. [17]
• Límites antiflood siguen derrotando a la mitad tonta de los enjambres.
• Las denuncias de los miembros son una señal barata con humanos en el circuito que la mayoría de las comunidades infrautiliza.
• Las comprobaciones de antigüedad de cuenta atrapan a los atacantes ocasionales, aunque no a las granjas profesionales.

Qué se estancó

La detección por reglas frente al contenido generado por IA, porque no hay firma cuando cada mensaje es único. Las heurísticas de antigüedad frente a las cuentas envejecidas cultivadas, porque la industria del cultivo convirtió la defensa en un producto. La reputación en una sola plataforma, porque los atacantes cruzan plataformas y los baneos no. Los filtros de palabras clave estáticos, porque los trucos de homóglifos y ancho cero los derrotan en silencio, de modo que el bot reporta «limpio» mientras el esquive pasa de largo. Ninguna de estas cosas es inútil; siguen atrapando el extremo ocasional de la distribución. Han dejado de ser suficientes.

La respuesta de la propia plataforma

Telegram avanzó más contra el abuso en dieciocho meses que en la década anterior, y un relato honesto tiene que decirlo. En septiembre de 2024 revirtió su postura sobre el intercambio de datos: las direcciones IP y los números de teléfono ahora se entregan a las autoridades previa solicitud válida, y las solicitudes de EE. UU. atendidas pasaron de 14 al año a unas 900. [34] En enero de 2025 lanzó la verificación de terceros para cuentas y bots, la primitiva contra la suplantación que los defensores habían pedido; la adopción hasta ahora es mínima. [32] En 2025 introdujo los mensajes de pago, tarifas por mensaje para no contactos, fricción económica dirigida al embudo de mensajes directos. [33] Y ejecutó los desmantelamientos masivos de la sección 1. Los atacantes se adaptaron: canales de respaldo preparados de antemano, alias «de reserva» anunciados con antelación y acceso mediante solicitud que también deja fuera a la moderación automatizada. La migración fuera de Telegram apenas se nota; la audiencia está en Telegram, así que los delincuentes se quedan. [2]

El ritmo de aplicación se multiplicó por unas diecisiete, de hasta 30.000 eliminaciones al día a hasta 140.000, con picos por encima de medio millón. Cada patrón de ataque de este informe opera a plena escala sobre esa curva. El volumen de desmantelamientos es necesario y visiblemente insuficiente; las brechas restantes son estructurales y están a nivel de comunidad.

9. Qué está surgiendo

Tres direcciones, con el «cómo» aún sin resolver en público.

Detección asistida por IA. Usar modelos en la cadena de moderación está ocurriendo porque tiene que ocurrir; la detección por firmas está muerta frente al spam generado. El problema abierto es el coste: un modelo en cada mensaje dispara la factura a cualquier volumen real, así que las arquitecturas que funcionan enrutan con cuidado y reservan el juicio caro para los mensajes que lo necesitan.

Capas de señales de comportamiento. Detección que mira más allá de lo que dijo un usuario, hacia cómo se comportó la cuenta: cómo se unió, qué hizo antes de publicar, cómo interactuó, cuándo giró. Casi ausente en los bots desplegados, y la mayor oportunidad perdida del campo.

Identidad verificable. Confianza condicionada a billetera, credencial o prueba de humanidad para contextos de alto riesgo. Es lo único que rompe la economía de un actor y muchas cuentas, porque una identidad anclada a algo con coste no se puede comprar de 200 en 200 por 500 dólares. La adopción es el cuello de botella; para votaciones de DAO, canales alfa y membresías de pago es una dirección defendible, una pieza de una respuesta convergente más que la respuesta entera.

Elegir entre estas opciones, y operar cualquiera de ellas a escala, es el trabajo de los próximos dos o tres años. Las predicciones y un manual para operadores llegarán en la segunda parte de esta serie.

Metodología

Este informe está escrito a partir de la charla de mayo de 2026 del mismo nombre. Cada cifra se volvió a comprobar con su fuente primaria o de primera publicación antes de publicarse, y cada una lleva un marcador numerado a la lista de abajo. Cuando una cifra procede del marketing de un proveedor o de una recopilación de proveedores, el texto lo dice. La aritmética ilustrativa (el coste de un enjambre frente al pago de una estafa) se etiqueta como tal. Nada de lo aquí expuesto afirma una conclusión sobre una empresa o producto con nombre más allá de lo que afirma su fuente citada. Las correcciones se registran en el historial de cambios y suben la versión.

Targa-Praetorian (2026). El estado de las estafas en las comunidades digitales — Edición Telegram, 2026 (v1.0). https://targa.dev/es/research/state-of-scams-2026

@techreport{targa_state_of_scams_2026,
  title  = {El estado de las estafas en las comunidades digitales — Edición Telegram, 2026},
  author = {{Targa-Praetorian}},
  year   = {2026},
  url    = {https://targa.dev/es/research/state-of-scams-2026},
  note   = {v1.0, CC BY 4.0}
}