4 de noviembre de 2026 · 7 min de lectura

Hacia dónde va la detección de IA: marcas de agua, C2PA y límites

Los detectores de IA dan probabilidades, no pruebas. En qué se diferencian las marcas de agua y la procedencia C2PA, qué exige ya la UE y qué hacer desde hoy.

La detección de IA parece estar pasando de adivinar a etiquetar. Los detectores que examinan texto o píxeles dan una estimación, y pueden equivocarse en los dos sentidos. Por eso se está dedicando más esfuerzo a la procedencia, que registra de dónde viene un archivo, y a las marcas de agua, que se integran en el contenido al generarlo. Las normas de la UE también empujan ya a los proveedores de IA hacia el marcado legible por máquinas. Nada de esto zanjará todos los casos, porque muchos archivos no llevan ninguna señal, así que por ahora lo sensato es combinar varias comprobaciones y tratar cada resultado como un indicio, no como un veredicto.

¿Por qué los detectores de IA no pueden dar una respuesta definitiva?

Un detector busca patrones estadísticos que tienden a aparecer en lo que produce la IA. Nada en una frase o en un píxel demuestra por sí mismo cómo se hizo. La escritura humana puede sonar a fórmula, la escritura con IA se puede editar y la compresión de imágenes puede borrar patrones. Por eso un resultado es una probabilidad, y una puntuación alta no es la constatación de un hecho.

Un artículo de 2023 muestra lo que está en juego: «GPT detectors are biased against non-native English writers», de Weixin Liang y sus colegas, concluyó que varios detectores muy usados clasificaban de forma sistemática como generados por IA los textos de quienes escriben en inglés sin ser nativos, y que unas simples instrucciones también podían ayudar a que un texto los esquivara. Las herramientas han cambiado desde entonces y los resultados varían, pero la cautela de los autores sobre el uso de detectores en entornos de evaluación o educativos sigue mereciendo atención.

¿Qué diferencia hay entre detección, marcas de agua y procedencia?

¿Cómo funcionan las Content Credentials de C2PA y qué no pueden demostrar?

Las Content Credentials son la forma que tiene el estándar C2PA de registrar la procedencia. La C2PA las describe como una manera criptográficamente segura de capturar y expresar de dónde viene un contenido. Pueden mostrar que una imagen se generó con cierta herramienta, o que una foto no ha cambiado desde que se tomó. Se parece más a una etiqueta firmada que a un detector.

• Informan del origen, no de la verdad. Una cámara real puede fotografiar una escena engañosa, y un archivo firmado puede seguir engañando por su contexto.
• Pueden desaparecer. Las propias preguntas frecuentes de la C2PA reconocen que los metadatos se pueden eliminar, sin querer o a propósito. A menudo basta una captura de pantalla o volver a guardar el archivo.
• Necesitan soporte. Su valor crece si cámaras, editores, generadores y plataformas las conservan y las muestran, y el soporte es desigual.

Las preguntas frecuentes de la C2PA también describen las «soft bindings», como marcas de agua invisibles o huellas digitales, que pueden ayudar a encontrar de nuevo una credencial después de que se haya separado de un archivo. Por eso los metadatos y las marcas de agua suelen tratarse en conjunto y no como rivales.

¿Resolverán el problema las marcas de agua?

Probablemente no por sí solas. SynthID de Google es un ejemplo conocido: Google dice que incrusta marcas de agua invisibles en imágenes, vídeo y audio generados con IA, y que ajusta las probabilidades de las palabras para marcar el texto. También ofrece formas de buscar esa marca de agua. Pero una comprobación así solo puede encontrar su propia señal. Un resultado negativo no significa que un archivo esté hecho por una persona; puede venir de un generador que no usa esa marca de agua. Los modelos abiertos que la gente ejecuta por su cuenta quizá no añadan ninguna.

Así que las marcas de agua podrían hacer más fácil identificar una parte creciente del contenido, sobre todo de los grandes proveedores, y aun así dejar un hueco que no tiene por qué cerrarse. Hasta qué punto resistirán a quien se empeñe en eliminarlas es una pregunta abierta, y conviene leer con cuidado lo que afirman los fabricantes.

¿Qué exige la UE para marcar el contenido generado con IA?

El artículo 50(2) del Reglamento de IA de la UE (AI Act) exige a los proveedores de sistemas de IA generativa que marquen los resultados en un formato legible por máquinas para que se puedan detectar como generados o manipulados artificialmente. La Comisión dice que las obligaciones de transparencia se aplican desde el 2 de agosto de 2026. Tras las modificaciones del AI Omnibus, su AI Act Service Desk indica un periodo de transición para los sistemas comercializados antes de esa fecha: sus proveedores tienen hasta el 2 de diciembre de 2026 para cumplir el artículo 50(2).

• La Comisión publicó un Código de Buenas Prácticas definitivo sobre el marcado y etiquetado de contenido generado con IA el 10 de junio de 2026. Es voluntario, y la Comisión informa de unos 190 firmantes a finales de julio.
• Esta obligación recae en los proveedores de los sistemas de IA. Hay normas de divulgación aparte para quienes publican deepfakes de forma profesional.
• Aún está por ver cómo funciona en la práctica, incluido cómo responden los proveedores de fuera de la UE, cómo sobreviven las marcas a las plataformas y cómo evoluciona su aplicación.
• Esto es un resumen, no asesoramiento legal. Consulta las páginas de la Comisión para conocer la situación actual.

¿Hacia dónde podría ir la detección de IA?

Estas son direcciones a las que prestar atención, no predicciones:

• Más marcado por capas, con metadatos, marcas de agua y huellas digitales usados en conjunto, para que perder una señal no corte el rastro.
• Procedencia también para las fotos reales, de modo que las capturas auténticas puedan llevar pruebas de su origen en lugar de etiquetar solo el contenido de IA.
• Más etiquetas en las plataformas, que dependen de que las señales sobrevivan a la subida y de que las plataformas decidan mostrarlas.
• Comprobaciones que combinan señales e informan de lo encontrado en lugar de dar una única puntuación de «IA o humano».
• Un cambio en la carga de la prueba: «enséñame tu fuente» quizá importe más que «¿qué dice el detector?».

¿Qué deberías hacer hoy?

Las dos herramientas de comprobación de Skrubly hacen a propósito trabajos distintos. El Detector de Contenido con IA hace una estimación a partir de patrones en el texto, así que puede equivocarse. El Verificador de Imágenes con IA no juzga los píxeles: informa de las etiquetas de C2PA y del generador incrustadas en el archivo, así que solo puede decir algo cuando esas etiquetas están ahí. Ninguno es una respuesta definitiva, y lo mismo vale para cualquier herramienta.

Respuestas rápidas

• ¿Quedarán obsoletos los detectores de IA? No lo sabemos. Pueden seguir siendo útiles como una señal más, sobre todo con contenido que no lleva ningún marcado.
• Si una imagen tiene Content Credentials, ¿es de fiar? Te informa de su origen y sus ediciones registrados. Aun así tienes que valorar el contexto y la fuente.
• ¿Puede una marca de agua demostrar que algo está hecho por una persona? No. La ausencia de una marca de agua solo significa que la comprobación no ha encontrado esa marca.