Metodología

Esta página documenta cómo NoCall convierte miles de reportes de usuarios en una valoración fiable para cada número de teléfono. Explicamos la fórmula exacta de la puntuación de riesgo, los niveles de peligro, cómo clasificamos las categorías, cómo funciona nuestro análisis con inteligencia artificial y de qué fuentes proceden los datos. Publicamos esta metodología para que cualquiera pueda entender —y cuestionar— las decisiones que toma el sistema.

Cómo se calcula la puntuación de riesgo

Cada número de nuestra base de datos recibe una puntuación de riesgo entre 0 y 100. No es una valoración subjetiva: se deriva de una fórmula determinista que se vuelve a calcular cada vez que llega un nuevo reporte aprobado.

riesgo = min(100, reportes × 5 + (verificado ? 30 : 0))

Cada reporte aprobado suma 5 puntos. Si nuestro equipo ha verificado el número como spam confirmado, se añaden 30 puntos adicionales. El resultado nunca supera 100.

El factor de verificación existe para distinguir entre un número con muchos reportes recientes (que podría ser un falso positivo puntual) y un número que un revisor humano ha confirmado activamente como abusivo. Por eso 20 reportes sin verificar (100 puntos por reportes, recortado) y 14 reportes verificados (70 + 30) pueden alcanzar puntuaciones similares por caminos distintos.

Cuando un número ha sido analizado por nuestra IA y cuenta con señales aprobadas de la comunidad, el nivel de peligro detectado actúa además como suelo de la puntuación: un número marcado como crítico nunca mostrará menos de 90, uno alto menos de 70, medio menos de 45 y bajo menos de 20, aunque tenga pocos reportes. Así un patrón claramente fraudulento no queda infravalorado solo porque sea reciente.

Niveles de peligro

A partir de la puntuación numérica clasificamos cada número en uno de cuatro niveles de peligro. Estos son los mismos identificadores que usa internamente nuestra base de datos:

Categorías de spam

Cada reporte y cada número se clasifica en una de siete categorías. La categoría determina cómo se presenta el número en el directorio y se deriva tanto del reporte del usuario como del análisis automático posterior:

SPAM — Llamadas comerciales no deseadas y genéricas que no encajan en una categoría más específica.
TELEMARKETING — Campañas de venta telefónica, habitualmente de telecomunicaciones o energía, que insisten pese al rechazo.
SCAM — Estafas y fraudes, incluida la suplantación de identidad (bancos, organismos públicos, soporte técnico falso). Es la categoría de mayor gravedad.
DEBT — Llamadas de cobro de deudas y recobro, a menudo agresivas o dirigidas a la persona equivocada.
HARASSMENT — Llamadas reiteradas con fin de acoso, intimidación o molestia deliberada.
SURVEY — Encuestas telefónicas, sondeos y estudios de mercado no solicitados.
OTHER — Cualquier otro tipo de llamada no deseada que no encaja en las anteriores.

Análisis con inteligencia artificial

Además de la puntuación numérica, un trabajador de IA analiza los números a partir del contenido aprobado por la comunidad: los comentarios y reportes que han superado la moderación. La IA nunca trabaja con contenido no aprobado, de modo que ninguna aportación sin revisar puede influir en el análisis público.

Para cada número analizado, la IA genera un conjunto estructurado de información que se muestra en la ficha del número:

Los campos que produce el análisis son los siguientes:

Descripción — Un resumen en lenguaje natural de quién parece estar detrás del número y qué busca.
Patrones de queja — Los motivos de queja más repetidos entre los reportes (por ejemplo, llamadas a horas intempestivas o insistencia tras el rechazo).
Tácticas utilizadas — Las técnicas concretas detectadas, como la presión, la urgencia falsa o la petición de datos personales.
Sector — El ámbito al que pertenece la actividad (telecomunicaciones, energía, cobros, encuestas, etc.).
Empresa detectada — La compañía u organización que el número parece representar o suplantar, cuando puede identificarse.
Suplantación de identidad — Un indicador de si el número finge ser una entidad legítima (banco, administración, marca conocida).
Acción recomendada — La recomendación final para el usuario: bloquear, precaución, ignorar o seguro.

Este análisis es orientativo y se genera de forma automática a partir de las aportaciones de la comunidad; no sustituye al criterio del usuario ni constituye una acusación contra ninguna empresa concreta.

Moderación: nada se publica sin revisión

El control de calidad es la pieza central de la metodología. Los reportes y comentarios no aparecen en el directorio público en el momento de enviarse: quedan en estado pendiente hasta que un administrador los aprueba. Solo entonces pasan a contar para la puntuación de riesgo, alimentan el análisis de IA y se muestran a otros usuarios.

Esta puerta de moderación cumple dos funciones: descarta reportes falsos o malintencionados antes de que afecten a la reputación de un número, y garantiza que la IA solo razona sobre información contrastada. El autor de un reporte pendiente puede ver su propia aportación, pero nadie más, hasta que se aprueba.

Fuentes de datos

La valoración de cada número combina tres fuentes independientes:

Reportes de la comunidad — La base de todo. Los usuarios reportan números desde la app y la web, de forma anónima, indicando categoría y comentario. Tras la moderación, son la señal principal de la puntuación.
Datos de operador y prefijo de la CNMC — Usamos los datos públicos de la Comisión Nacional de los Mercados y la Competencia para identificar el operador asignado a cada bloque de numeración y el tipo de línea (móvil, fijo, tarificación especial).
Boletines de prensa de empresas (RSS) — Seguimos las salas de prensa de compañías mediante canales RSS para detectar campañas legítimas y reducir falsos positivos cuando una empresa real está realizando comunicaciones masivas.