Cómo detectar una nómina falsa: 7 señales que solo un perito ve

En los últimos dos años, la falsificación de nóminas se ha vuelto el fraude documental más extendido en el alquiler residencial español. Lo que antes requería conocimientos avanzados de Photoshop y horas de trabajo hoy se hace en cinco minutos con un generador de inteligencia artificial. El resultado: agencias inmobiliarias y propietarios firmando contratos con inquilinos que nunca podrán pagar, perdiendo en promedio 11.400 € por impago según datos de la Asociación Española de Renting Inmobiliario.

La buena noticia es que una nómina manipulada siempre deja huellas forenses. La mala es que ningún ser humano puede verlas a simple vista. Estas son las siete señales que un perito documental experimentado (o un motor forense bien calibrado) detecta en menos de un minuto.

Las 4 áreas críticas de una nómina española

Antes de entrar en las señales concretas, conviene entender dónde se concentran las manipulaciones. Toda nómina española, sea generada por A3 NOM, Sage, Meta4, Nominaplus o cualquier ERP de RRHH, tiene cuatro zonas críticas que un falsificador necesita tocar:

1. Identificación de la empresa: razón social, CIF, domicilio fiscal
2. Bloque de devengos y deducciones: la matemática que sostiene el documento
3. Cálculo del IRPF: el dato más fácil de inflar
4. Firma y metadatos: lo que el inquilino no ve y el falsificador olvida

Cada una de las siete señales que veremos a continuación ataca una o más de estas áreas. Conocerlas te permite, como agencia inmobiliaria o propietario, rechazar el 87% de las nóminas falsificadas antes de firmar contrato.

Señal 1: Inconsistencias entre devengos y deducciones

Las nóminas reales cumplen una ecuación matemática estricta que un trabajador medio nunca verifica pero que todo ERP de nóminas calcula automáticamente:

Total devengado − Total deducciones = Líquido a percibir

Las falsificaciones casi siempre rompen esta igualdad por unos pocos céntimos o euros. El falsificador modifica el bruto (porque quiere aparentar más ingresos) pero olvida recalcular las cotizaciones a la Seguridad Social con sus tipos correctos:

• Contingencias comunes: 4,7% del salario base
• Desempleo: 1,55% (contrato indefinido) o 1,6% (temporal)
• Formación profesional: 0,1%
• Horas extras: 2% no estructurales, 4,7% estructurales

Una diferencia mayor a 30 € o un 2% entre la suma de los componentes y el neto declarado es una señal de alerta crítica que requiere revisión inmediata. Los ERPs reales no se equivocan en estos cálculos: si los números no cuadran, la nómina fue manipulada después de su emisión.

Señal 2: Retención IRPF incoherente con el salario anual

El IRPF de una nómina depende del salario anual proyectado del trabajador y los tramos fiscales vigentes. Para asalariados sin retribuciones complementarias significativas, la retención debe encajar dentro de estos rangos:

Esta tabla es el filtro más rápido para detectar nóminas infladas:

• Una nómina con bruto mensual de 1.200 € y retención del 18% es matemáticamente imposible sin retribuciones extra de carácter excepcional
• Una nómina de 4.000 € brutos mensuales (48.000 € anuales) con IRPF del 5% es coherente solo si el trabajador presentó al pagador situaciones familiares específicas (hijos a cargo, hipoteca, etc.) que reducen la retención

El IRPF es lo más fácil de falsificar pero también lo más fácil de detectar. Cuando una agencia ve un IRPF anómalo, debe pedir el modelo 145 (comunicación de datos al pagador) o la última declaración de la renta para confirmar las particularidades fiscales del candidato.

Señal 3: CIF de empresa inexistente o irregular

Todo CIF español tiene una letra de control matemática. La estructura es siempre la misma: letra inicial (que indica el tipo de entidad) + 7 dígitos + dígito o letra de control. Esa letra final no se elige libremente: se calcula con un algoritmo módulo 10 sobre la suma de dígitos pares e impares.

Más del 30% de las nóminas generadas por inteligencia artificial presentan CIFs con letra de control inválida. Los modelos generan secuencias plausibles pero no aplican el algoritmo de control. Y aunque la letra de control sea correcta, el CIF puede no existir realmente: el cruce contra el registro central (Boletín Oficial del Registro Mercantil, BORME) es definitivo.

Una verificación profesional debe hacer tres comprobaciones independientes:

1. Validar la letra de control algorítmicamente
2. Verificar la existencia del CIF en el BORME
3. Confirmar la coherencia entre el tipo de entidad (B = SL, A = SA, etc.) y la razón social declarada

Señal 4: NSS del trabajador con formato sospechoso

El Número de Seguridad Social (NSS) tiene un formato fijo de 12 dígitos: provincia (2 dígitos) + número (8 dígitos) + control (2 dígitos). Las dos cifras del medio son las que más se falsifican porque no son visibles para el inquilino y casi ninguna agencia las verifica.

Un NSS con dígitos repetidos (12345678, 11111111) o secuenciales (12345678, 87654321) en la sección central es casi siempre señal de generación automática. La TGSS no asigna números con esos patrones porque su sistema de numeración usa correlativos no secuenciales con dígitos de control intercalados.

Además, los dos primeros dígitos del NSS deben corresponder a una provincia española válida (01 = Álava, 28 = Madrid, 08 = Barcelona, etc.). Un NSS que empieza por 99 o por dígitos no asignados es inválido.

Señal 5: Fuentes mezcladas en zonas concretas

Una nómina real, sea de A3 NOM, Sage Despachos, Meta4, Nominaplus o cualquier ERP serio, usa máximo 2-3 tipografías consistentes: una para títulos, una para datos, opcionalmente una monoespaciada para números. Si en un mismo bloque hay 4 fuentes distintas, o si una línea concreta (típicamente la del salario base o el líquido a percibir) cambia de fuente respecto al resto, se introdujo manipulación posterior.

El problema técnico: a 100% de zoom esto no se ve. Hay que mirar a 400% el kerning (espaciado entre caracteres) y comparar la geometría de la "S" de "Sueldo" con la "S" de otros campos. Los puntos exactos donde mirar son:

• El número del salario base (lo más manipulado)
• El total de devengos (suelen sumar mal después de modificar)
• El líquido a percibir (el dato que el falsificador necesita inflar)

Un motor forense automatizado como Autenflow extrae las fuentes embebidas en el PDF y compara su uso entre bloques. Cuando detecta inconsistencias de fuente en líneas numéricas críticas, eleva el score de riesgo automáticamente.

Señal 6: Metadatos del PDF que delatan la generación

Cada PDF guarda metadatos invisibles sobre cómo se creó. Los tres más reveladores son:

• Creator: software que generó el documento (A3 NOM, Sage Despachos, Adobe Acrobat, Microsoft Word, Photoshop…)
• Producer: motor de exportación del PDF
• ModDate: última fecha de modificación

Una nómina real generada por un ERP de RRHH muestra típicamente Creator = "A3 NOM", "Sage Despachos" o "Meta4 PeopleNet". Una nómina falsificada suele mostrar Creator = "Adobe Acrobat Pro DC" con timestamp de hace minutos (no días o semanas atrás como sería normal).

Todavía peor: cuando aparece Creator = "Microsoft Word" o Creator = "Google Docs" en una nómina, es señal casi definitiva de plantilla manual no oficial. Ningún departamento de RRHH legítimo emite nóminas en Word.

Otras pistas en metadatos:

• Múltiples fechas de modificación: el documento se editó varias veces (sospechoso)
• Author: si aparece el nombre de una persona física en lugar de la empresa
• Application = Photoshop o GIMP: prácticamente confirmación de manipulación gráfica

Señal 7: Marcas invisibles de IA generativa

Este es el fraude más nuevo, más extendido en 2026 y el más difícil de detectar a ojo. Modelos como ChatGPT-4o, Claude 4 Sonnet o Gemini Pro pueden generar PDFs de nómina convincentes en menos de 30 segundos. Pero dejan patrones distintivos que los modelos forenses detectan:

• Kerning matemáticamente uniforme: todas las letras separadas exactamente por la misma distancia, sin las micro-variaciones que produce un motor real
• Logos rasterizados de baja resolución insertados sobre un fondo vectorial limpio
• Layout demasiado simétrico sin las pequeñas asimetrías propias de las tipografías reales y de los marcos de los ERPs
• Periodo siempre del mes actual porque el modelo asume "ahora" sin entender que las nóminas reales se generan a fin de mes anterior
• Convenio colectivo genérico o ausente, cuando los ERPs reales siempre incluyen referencia al convenio aplicable

Un buen detector de IA cruza estos patrones contra una base de nóminas reales conocidas y devuelve una probabilidad de generación artificial entre 0 (auténtica) y 1 (definitivamente IA).

Cómo verifica Autenflow una nómina (en menos de 30 segundos)

Combinamos cuatro capas independientes que buscan cada una de estas siete señales:

1. Análisis forense del PDF: metadatos, fuentes embebidas, capas Acrobat, firmas digitales
2. OCR forense con Claude Vision: lee el documento como un perito humano, identifica zonas manipuladas
3. Validación matemática: devengos vs deducciones, IRPF vs tramos, NSS y CIF con sus algoritmos de control, cross-check contra BORME
4. Detección de IA generativa: patrones específicos de ChatGPT, Claude, Gemini y modelos open-source

El resultado en menos de 30 segundos: AUTÉNTICO, REVISAR, SOSPECHOSO o ALTO RIESGO, con informe PDF descargable explicando qué encontramos y por qué.

Cuánto cuesta verificar nóminas

Desde 0,20 € por verificación con el plan Pro (20 €/mes, 100 verificaciones incluidas). Los primeros 3 análisis son gratuitos al registrarse. Sin compromiso anual.

Probá Autenflow gratis →

Sigue leyendo

¿Verificás también vida laboral o contratos? Lee nuestra guía completa de vida laboral para inmobiliarias o el análisis de las 5 estafas de alquiler más comunes en España 2026.