AiformleadsCasi la mitad de los envíos de tus formularios son bots: cómo detectar leads falsos en 2026
Equipo de AiformleadsRedactado con asistencia de IA18 min de lecturaEn resumen
- El Ad Fraud Report de Opticks Security (publicado el 14 de octubre de 2026, sobre más de 2.000 millones de clics de 500 anunciantes en 243 territorios entre enero de 2025 y marzo de 2026) sitúa en 46,7 % la proporción de conversiones de captación de leads que son bots maliciosos, frente al 18,3 % en comercio electrónico.
- La diferencia no es el sector: es la fricción. Una pasarela de pago exige una tarjeta que funcione; un formulario solo exige teclear. Opticks mide 2,5 veces más bots cuando no hay pago por medio.
- El spam de 2026 ya no es un galimatías. Son agentes basados en modelos de lenguaje que navegan a ritmo humano y rellenan con nombres plausibles, correos sintácticamente válidos y teléfonos bien formados. DataDome contabilizó 7.900 millones de peticiones de agentes de IA solo en enero y febrero de 2026.
- El CAPTCHA ya no es la frontera: el artículo académico Broken Gates (Ousat et al., revisado el 5 de noviembre de 2026) documenta un 100 % de éxito de los servicios de resolución frente a las defensas basadas en retos.
- Lo que sí funciona es medir el comportamiento del envío: tiempo de cumplimentación, coherencia entre respuestas, origen contrastado con campos ocultos y UTM, reglas de puntuación que resten a lo incoherente y un embudo paso a paso donde un humano abandona y un bot no.
Si gestionas captación de leads, llevas meses notándolo: el volumen sube, el coste por lead baja en el panel y, sin embargo, el equipo comercial llama y no hay nadie al otro lado. No es una impresión. Es el dato central de 2026, y cambia la pregunta que hay que hacerse: ya no es «cuántos leads he traído», sino «cuántos de estos leads existen». Este artículo repasa las cifras publicadas, el coste que no aparece en ningún informe y las señales concretas que delatan un envío automático — las mismas que Aiformleads, la herramienta de captación de leads por formulario de AIsToHire, convierte en etiquetas y puntuación en el momento del envío.

¿Cuántos de los leads que recibo son bots? Casi la mitad
El 46,7 % de las conversiones de campañas de captación de leads corresponden a bots maliciosos, según el Ad Fraud Report de Opticks Security publicado el 14 de octubre de 2026. La muestra no es pequeña: más de 2.000 millones de clics de más de 500 anunciantes y agencias de medios en 243 territorios, analizados entre enero de 2025 y marzo de 2026. En ese periodo Opticks registró 416,3 millones de sesiones de bot, de las cuales 370,9 millones (89,10 %) eran bots maliciosos y solo 45,4 millones rastreadores legítimos.
Puesto en contexto con otros objetivos de conversión, el contraste es el hallazgo relevante:
| Objetivo de conversión | Conversiones que son bots maliciosos |
|---|---|
| Captación de leads (formulario) | 46,7 % |
| Comercio electrónico (compra) | 18,3 % |
Fuente: Ad Fraud Rates by Channel, Opticks Security, datos de enero de 2025 a marzo de 2026.
Dicho de otro modo: si este mes has recibido 400 solicitudes de presupuesto, el escenario estadístico razonable es que unas 180 no correspondan a ninguna persona. Y no están repartidas al azar por tus canales: se concentran donde el formulario es más corto y la campaña más agresiva.
¿Por qué un formulario atrae más bots que una tienda online?
Porque el objetivo de conversión decide el perfil de fraude. Una compra obliga al bot a superar una pasarela de pago con una tarjeta válida, que es un filtro caro y verificable; un formulario solo le obliga a teclear texto, que es gratis. Opticks lo cuantifica: hay 2,5 veces más bots cuando no existe pasarela de pago en el camino hacia la conversión.
Esa asimetría explica por qué la captación de leads se ha convertido en el blanco preferente. Es el único embudo masivo del marketing digital en el que la conversión no cuesta nada al atacante y, en cambio, sí cuesta dinero al anunciante: cada envío falso consume presupuesto de puja, ocupa un hueco en el CRM y dispara una notificación a un comercial.

Y no es un problema que se resuelva solo. El informe State of Bot & Agent Security 2026 de DataDome (publicado el 22 de septiembre de 2026, sobre más de un billón de peticiones en más de 75.000 sitios entre julio de 2025 y junio de 2026) midió un aumento del 124 % del tráfico de bots maliciosos, más de nueve veces el crecimiento del tráfico humano en el mismo periodo.
Lo que cambió en 2026: el spam de formularios ya no parece spam
Hasta hace poco un envío falso se reconocía de un vistazo: nombres con consonantes aleatorias, un enlace en el campo de comentarios, el mismo texto repetido cien veces. En 2026 el perfil dominante es otro: agentes construidos sobre modelos de lenguaje que cargan la página, hacen scroll, se detienen unos segundos antes de pulsar y escriben respuestas coherentes con la pregunta. Nombres plausibles, correos con sintaxis válida, teléfonos bien formados y un texto libre que, leído suelto, pasa por humano.
La escala está documentada. DataDome contabilizó 7.900 millones de peticiones de agentes de IA en enero y febrero de 2026 (4.110 millones en enero y 3.450 millones en febrero), y 29.650 millones en el primer semestre de 2026 frente a 23.060 millones en el segundo semestre de 2025. Más relevante para quien gestiona formularios: en el primer semestre de 2026 los agentes de IA generaron 605,6 millones de peticiones a endpoints sensibles — páginas de acceso, formularios, carritos y flujos de pago.
| Métrica (DataDome, jul. 2025 – jun. 2026) | Valor |
|---|---|
| Peticiones de agentes de IA registradas | 52.700 millones |
| Crecimiento del tráfico de IA | +82,3 % |
| Crecimiento del tráfico de bots maliciosos | +124 % |
| Peticiones de IA a endpoints sensibles (H1 2026) | 605,6 millones |
| Sitios que no bloquean ningún tipo de bot (de 21.491 analizados) | 65,3 % |
| Sitios con protección completa | 2,4 % (frente al 8,4 % en 2024) |
El salto cualitativo lo resume bien una cifra del mismo informe: las peticiones mensuales de bots de IA a páginas de acceso pasaron de 11,9 millones en enero de 2026 a 99,7 millones en junio. Y el precedente de hacia dónde va esto lo marcó el correo: según datos de SlashNext recogidos por Enilon, los correos de phishing maliciosos crecieron un 1.265 % desde el lanzamiento de ChatGPT en el cuarto trimestre de 2022. El formulario va con retraso respecto a la bandeja de entrada, no por delante.
¿Sirve de algo poner un CAPTCHA? Cada vez menos
Como barrera única, no. La investigación Broken Gates: Re-evaluating Web Bot Defenses in the Age of LLM Agents (Ousat, Turkmen, Rampersaud, Bailey y Kharraz; presentada el 21 de julio de 2026 y revisada el 5 de noviembre de 2026) documenta que los servicios comerciales de resolución alcanzan un 100 % de éxito frente a las defensas basadas en retos, mientras que su tasa media frente a reCAPTCHA v3 —que puntúa comportamiento en lugar de plantear un puzle— se queda en el 23 %.
La conclusión práctica de ese trabajo es la que importa aquí: lo que determina si una defensa acepta al agente no es el puzle, sino el entorno de navegador y el historial de la sesión. Un agente con un perfil de Chrome persistente y una cuenta de consumidor establecida pasa donde uno recién creado no pasa.
Eso no significa quitar el CAPTCHA. Significa dejar de tratarlo como el filtro y empezar a tratarlo como una capa más. Las guías de implementación habituales, como la de ManagedNerds sobre envíos falsos de formulario (publicada el 21 de abril de 2026 y actualizada el 12 de noviembre de 2026), recomiendan combinarlo con honeypots, validación en servidor y preguntas específicas del servicio, y recuerdan un límite operativo fácil de olvidar: el nivel gratuito de reCAPTCHA cubre 10.000 comprobaciones al mes por organización, con un umbral de puntuación recomendado de 0,5 en la versión 3.
El coste real de un lead falso: presupuesto, tiempo y un scoring que deja de servir
El coste visible —el presupuesto de puja quemado en clics que nunca iban a comprar— es el menor de los tres. El segundo es el tiempo del equipo comercial, que llama, deja mensaje, reintenta y marca «no contesta» sobre registros que no existen. El tercero es el que de verdad hace daño a medio plazo: el modelo de lead scoring se contamina y deja de servir para priorizar.
El mecanismo lo describe 4Thought Marketing (29 de septiembre de 2026, actualizado el 22 de octubre): los envíos automáticos «acumulan los mismos puntos» que un prospecto legítimo, de modo que un bot termina tratado exactamente igual que un contacto de nivel directivo. El resultado es un volumen de MQL inflado sin intención de compra detrás, una tasa de rechazo creciente en el traspaso de MQL a SQL sobre leads que técnicamente superaban el umbral, y una deriva progresiva del modelo de puntuación.
| Capa de coste | Cómo se manifiesta | Quién lo nota primero |
|---|---|---|
| Presupuesto | CPL aparentemente bueno, coste por oportunidad real al alza | Marketing, en el informe de fin de mes |
| Tiempo comercial | Llamadas a nadie, reintentos, tasa de contacto en caída | Ventas, en la primera semana |
| Lead scoring | MQL inflados y rechazados en el traspaso; umbrales que ya no discriminan | Ambos, cuando ya es tarde |
| Datos | Registros sintéticos acumulados en el CRM y en la automatización | Operaciones, meses después |
La trampa es que las dos primeras capas se pueden absorber; la tercera no. Cuando el scoring deja de distinguir, el equipo vuelve a priorizar por intuición y toda la inversión en automatización de marketing pierde su razón de ser.
Las señales que delatan un envío automático
Ningún dato aislado de un formulario prueba que detrás haya un bot: un nombre plausible y un correo válido ya no significan nada. Lo que delata un envío automático es la combinación de señales de comportamiento y de coherencia interna entre las respuestas, porque el agente optimiza cada campo por separado y no la historia completa.

Estas son las que mejor funcionan hoy, ordenadas de más a menos barata de implantar:
- Tiempo de cumplimentación. Mide los segundos entre la carga del formulario y el envío. Las implementaciones habituales de honeypot con control temporal, como la descrita en esta guía de campos trampa, sitúan el umbral entre uno y tres segundos para formularios cortos, y lo suben a cinco o diez en formularios largos. Importante: los agentes de 2026 ya pausan a ritmo humano, así que el umbral bajo caza al spam clásico, no al agente. Lo que sigue delatando al agente es lo contrario: un tiempo anormalmente constante entre envíos distintos.
- Incoherencias entre respuestas. Es la señal más resistente. Una empresa de dos empleados con un presupuesto de seis cifras; una urgencia «inmediata» combinada con un plazo de implantación a doce meses; un sector que no encaja con el servicio solicitado. El agente rellena campo a campo y no comprueba que el conjunto tenga sentido.
- Prefijo de teléfono que no cuadra con el país. Un número técnicamente bien formado con prefijo internacional de un país distinto al declarado en el formulario y distinto al de la sesión. Barato de comprobar y muy discriminante.
- Respuestas abiertas genéricas. Texto correcto y perfectamente vacío de contexto: «Estoy interesado en más información sobre sus servicios». Un humano con intención real menciona su caso, su plazo o su problema.
- Campo trampa relleno. Un campo oculto por CSS que ningún humano ve. Ya no caza a los agentes más avanzados, pero sigue filtrando volumen a coste cero.
- Origen que no concuerda. Un envío que declara llegar de una campaña cuyos parámetros no aparecen en la sesión, o un pico de envíos de una única fuente sin el correspondiente pico de sesiones.
Campos ocultos y UTM: contrastar lo que dice el lead con lo que dice el origen
La forma más rápida de limpiar un flujo de leads no es mirar el contenido del envío, sino cruzarlo con su procedencia. Si el formulario captura en campos ocultos los parámetros UTM, la página de entrada y la referencia de campaña, cada envío llega con un par de datos que el atacante no controla igual de bien que los que teclea.
Con eso se detectan patrones que el contenido no revela:
- Una campaña con una tasa de conversión muy por encima de las demás y una tasa de contacto muy por debajo.
- Envíos atribuidos a una fuente que ese día no tuvo inversión.
- Una misma combinación de origen y dispositivo concentrando un porcentaje desproporcionado de los envíos.
Es también la base para reclamar: sin el origen almacenado envío a envío, no hay manera de demostrar a una plataforma de publicidad que un tramo del tráfico era inválido.
Reglas de puntuación y etiquetado: que ningún envío quede sin clasificar
La diferencia entre detectar leads fraudulentos de vez en cuando y hacerlo de forma sistemática es que la clasificación ocurra en el momento del envío, con reglas escritas, y no en una revisión manual de la hoja de cálculo el viernes por la tarde. Un modelo de puntuación útil hoy tiene que poder restar, no solo sumar.
El esquema que funciona:
- Puntos positivos por señales de intención: presupuesto declarado, plazo corto, cargo relevante, respuesta abierta con detalle propio.
- Puntos negativos por señales de incoherencia: prefijo que no cuadra, tiempo de cumplimentación fuera de rango, texto libre genérico, contradicción entre dos respuestas.
- Umbrales que convierten el total en una calificación operativa: contactar ya, nutrir, revisar, descartar.
- Una etiqueta por defecto para todo envío que no active ninguna regla. Es el detalle que más se olvida y el que evita el agujero real: no es que los bots se cuelen, es que un porcentaje de los envíos se queda sin clasificar y nadie vuelve a mirarlo.
Aquí es donde encaja una herramienta de captación en lugar de un desarrollo a medida. Aiformleads permite escribir estas reglas sin programar —del tipo «si el presupuesto supera X y la urgencia es alta, etiqueta como lead caliente»—, que se evalúan en orden al completarse el formulario, con la posibilidad de detener la evaluación en la primera que se cumpla y con una etiqueta por defecto para los envíos que no encajan en ninguna. Cada opción puede sumar puntos y los umbrales convierten ese total en una calificación; un indicador de cobertura avisa de qué respuestas se quedan todavía sin regla. La bandeja se filtra por etiqueta, estado o puntuación, y la exportación a CSV o Excel permite elegir columnas para pasar al equipo solo lo que ya está clasificado.
El embudo paso a paso: dónde abandona un humano y un bot no
Partir el formulario en varios pasos cumple una función de detección que un formulario de una sola pantalla no puede cumplir: genera una curva de abandono. Y esa curva es, hoy, una de las señales más limpias que existen, porque un humano se cansa en la pregunta incómoda y un agente no.

Qué mirar en el embudo:
- Pasos sin abandono. Si el paso del presupuesto o del teléfono no pierde a nadie, hay algo que no es humano pasando por ahí.
- Abandono plano en todos los pasos. La curva humana es desigual: cae fuerte en las preguntas sensibles. Una curva demasiado uniforme es sospechosa.
- Conversión por fuente, país y dispositivo. Una fuente que convierte el doble que el resto y no genera ni una llamada atendida es el caso de libro.
- Comparación entre variantes. Si una variante del formulario dispara la conversión sin mejorar el contacto, no ha mejorado el formulario: ha bajado la fricción para el bot.
Aiformleads incluye esta analítica de embudo con el abandono por paso y la conversión desglosada por fuente, país, dispositivo y variante, además de formularios multi-paso con lógica condicional: pasos y campos que se muestran solo si se cumplen tus condiciones, y respuestas que saltan directamente a otro paso. Esa lógica es, de paso, otra capa de detección: las ramas que un agente recorre sin coherencia son fáciles de marcar con una regla.
Un plan de 30 días para medir la calidad de tus leads
No hace falta un proyecto. Hace falta instrumentar el formulario y mirar los datos cuatro veces.
| Semana | Acción | Qué obtienes |
|---|---|---|
| 1 | Capturar tiempo de cumplimentación, UTM, página de entrada y un campo trampa en todos los envíos | La línea base: sin estos datos no hay diagnóstico posible |
| 2 | Partir el formulario en pasos y activar la analítica de abandono | La curva de abandono por paso y por fuente |
| 3 | Escribir las primeras reglas de etiquetado y los umbrales de puntuación, con etiqueta por defecto | Cada envío clasificado automáticamente al llegar |
| 4 | Cruzar la puntuación con la tasa de contacto real que reporta el equipo comercial | La validación: si el scoring predice el contacto, funciona |
La cuarta semana es la que decide. Un modelo de puntuación solo es bueno si correlaciona con algo medible del mundo real, y en captación de leads ese algo es la tasa de contacto efectivo, no el volumen de MQL.
Preguntas frecuentes
¿Qué porcentaje de los envíos de un formulario son bots en 2026?
Según el Ad Fraud Report de Opticks Security publicado el 14 de octubre de 2026, el 46,7 % de las conversiones de campañas de captación de leads son bots maliciosos, frente al 18,3 % en comercio electrónico. Son datos de más de 2.000 millones de clics analizados entre enero de 2025 y marzo de 2026. En tu caso concreto el porcentaje dependerá del canal, de la agresividad de la campaña y de la longitud del formulario.
¿Cómo sé si un lead es falso si el nombre, el correo y el teléfono parecen correctos?
Dejando de mirar los campos por separado y mirando la coherencia del conjunto más el comportamiento del envío: tiempo de cumplimentación anormal o sospechosamente constante, prefijo telefónico que no cuadra con el país declarado, contradicciones entre dos respuestas, texto libre genérico sin ningún detalle propio y un origen que no concuerda con los parámetros de la sesión. Los agentes de 2026 generan datos verosímiles campo a campo, pero no construyen una historia consistente.
¿El CAPTCHA no para los bots de los formularios?
Cada vez menos por sí solo. El estudio Broken Gates, revisado el 5 de noviembre de 2026, documenta un 100 % de éxito de los servicios de resolución frente a las defensas basadas en retos y un 23 % de media frente a reCAPTCHA v3, que puntúa comportamiento. La recomendación actual es usarlo como una capa entre varias —honeypot, validación en servidor, puntuación de respuestas— y no como la frontera única.
¿Qué es el lead scoring y por qué lo arruinan los bots?
El lead scoring asigna puntos a cada lead según sus respuestas y su comportamiento para decidir a quién llama antes el equipo comercial. Los bots lo arruinan porque, como describe 4Thought Marketing, acumulan los mismos puntos que un prospecto legítimo: inflan el volumen de MQL sin intención de compra detrás y hacen subir la tasa de rechazo en el traspaso a ventas sobre leads que técnicamente superaban el umbral. El umbral deja de discriminar.
¿Un formulario multi-paso convierte menos?
Pierde a quien no tenía intención real y retiene a quien sí, además de darte una curva de abandono por paso que un formulario de una sola pantalla no te da. Esa curva es hoy una de las señales más fiables para detectar leads fraudulentos, porque un humano abandona en la pregunta incómoda y un agente automático la completa sin dudar.
¿Hace falta programar para etiquetar y puntuar los leads automáticamente?
No. Hay herramientas de captación por formulario que lo hacen con reglas configurables, sin escribir código: condiciones sobre las respuestas que asignan etiquetas, puntos por opción, umbrales de calificación y una etiqueta por defecto para lo que no encaja en ninguna regla. Aiformleads funciona así y evalúa las reglas en el momento en que se completa el formulario.
Deja de filtrar leads a mano
El dato de fondo de 2026 es que casi la mitad de los envíos de un formulario de captación no corresponde a una persona, y que distinguirlos a ojo ya no es viable porque el spam ha aprendido a escribir bien. Lo que sigue funcionando es lo medible: tiempo, coherencia, origen contrastado, puntuación que resta y un embudo que enseña dónde abandona un humano. Aiformleads, de AIsToHire, hace exactamente eso sin necesidad de desarrollo: puedes montar formularios de captación de leads con etiquetado y lead scoring automáticos, capturar el origen en campos ocultos, filtrar la bandeja por etiqueta y ver el embudo paso a paso. Monta tu primer formulario y recibe cada respuesta ya etiquetada y puntuada.
Monta tu primer formulario y recibe cada respuesta ya etiquetada y puntuada - Regístrate gratis
Monta tu primer formulario y recibe cada respuesta ya etiquetada y puntuada - Regístrate gratisSigue leyendo
Ver todos los artículos →
Lead scoring: cómo puntuar y cualificar tus leads automáticamente desde el formulario

Por qué tu seguro de coche ha subido en 2026: prima media de 1.412 € y récord histórico

Discutir por WhatsApp o hablarlo en persona: qué dice la ciencia sobre los conflictos de pareja por mensajes
