Imágenes: los fallos que aún delatan (y los que ya no)
Durante un par de años, el truco estrella fue contar dedos: las primeras IA pintaban manos de seis dedos y muñecas imposibles. Eso ya casi no funciona, porque los modelos han mejorado justo por donde más se les criticaba. Aun así, quedan grietas por las que asomarse. Fíjate en el texto dentro de la imagen —carteles, etiquetas, matrículas—, donde la IA todavía escribe garabatos sin sentido; en los reflejos de espejos y cristales, que a menudo no coinciden con la escena; en las joyas, dientes y fondos, que se deforman o repiten patrones; y en esa piel demasiado lisa, con brillo plastificado, que da a muchas caras un aire de cera.
El problema es que cada uno de estos fallos se corrige con cada versión nueva, así que el ojo humano es cada vez peor detective. Confía en las pistas visuales para sospechar, nunca para concluir. Es exactamente el mismo criterio que aplicamos con los vídeos de gameplay falsos de GTA 6 que inundaron las redes: la sospecha la enciende la vista, pero la confirmación viene de otro sitio.
La prueba de verdad está en las etiquetas invisibles
Aquí es donde la cosa se pone seria, y donde conviene conocer dos nombres. El primero son las Content Credentials, el estándar C2PA: una etiqueta firmada criptográficamente que viaja dentro del archivo y cuenta quién lo creó, con qué herramienta y qué ediciones ha sufrido. Puedes revisarla arrastrando la imagen a un visor de C2PA en el navegador, sin subir nada a ningún sitio. El segundo es SynthID, la marca de agua invisible de Google: no se ve, sobrevive a capturas y recortes, y solo su propio detector la reconoce.
Ojo con la trampa gorda, la mayoría de imágenes que corren por internet no llevan ni una cosa ni la otra, porque las redes sociales borran esos datos al subirlas. Y que no haya etiqueta no significa que la foto sea real, solo que nadie dejó el sello. Esto va a cambiar rápido, porque desde este mismo mes Europa obliga a marcar el contenido sintético; pero la marca legible por máquinas tiene prórroga hasta diciembre, así que durante un tiempo seguirás dependiendo de tu criterio.
Textos: por qué los detectores de IA te mienten
Vamos con la parte complicada, porque aquí hay una industria entera que te miente a la cara. Los detectores de texto de IA —GPTZero y compañía— son poco fiables, y no lo decimos nosotros: la propia OpenAI cerró su detector oficial por baja precisión, y estas herramientas fallan sobre todo señalando como «IA» textos escritos por personas, con un sesgo cruel contra quien no escribe en su lengua materna. Un suspenso o un despido basado en uno de estos veredictos sería una injusticia.
¿Qué sí ayuda? La IA tiende a escribir párrafos de longitud clónica, cero erratas, cero opiniones arriesgadas, y muletillas vacías como «en la era digital actual» o «es importante destacar». Le falta lo que a un humano le sobra, una anécdota concreta, un dato raro, una frase que solo escribiría alguien con algo que decir. Si un texto es impecable pero no dice nada que no pudieras adivinar, sospecha. Y si cita hechos, compruébalos, la IA todavía inventa fuentes con una seguridad pasmosa.
El único método que no caduca
Al final, todas las pistas técnicas envejecen, los dedos en una imagen se arreglan, las marcas se borran, los detectores se equivocan. Lo único que aguanta es viejo como el periodismo, mira el origen antes que el píxel. ¿Quién publica esto? ¿Aparece en una fuente que responda de ello? ¿La misma imagen aparece en otro sitio con otra historia detrás? Una búsqueda inversa de la imagen y treinta segundos de contexto pillan más falsos que cualquier app milagrosa.
Así que la próxima vez que algo te sorprenda demasiado, no preguntes solo «¿esto lo ha hecho una IA?», sino «¿quién quiere que me lo crea, y por qué?». ¿No es esa, al final, la pregunta que deberíamos hacernos desde mucho antes de que existieran los LLM?
La conversación empieza aquí
Accede con una cuenta de apoyo para comentar. Entrar
Todavía no ha comentado nadie. ¿Estrenas tú?