Skip to main content
GARGLOO

IA

Cómo detectar una imagen generada por IA

La gente detecta imágenes de IA bien solo el 62 % de las veces, y las viejas pistas murieron. Revisa la fuente, busca a la inversa y lee la etiqueta.

Última actualización: 2026-11-15 · 7 min de lectura

En resumen: mirar ya no basta

Hace unos años, detectar una imagen generada por IA era un juego de salón. Cuenta los dedos, mira las manos, encuentra el texto deformado del cartel del fondo, y tenías tu respuesta. Ese juego terminó. Los generadores de imágenes de 2026 han aprendido las manos, el texto, los reflejos y la luz, y las imágenes que producen pasan un vistazo rápido sin esfuerzo.

Los números lo dicen claramente. Un estudio del Laboratorio de IA para el Bien de Microsoft pidió a más de 12.500 personas que clasificaran fotografías reales e imágenes generadas por IA, recogiendo unas 287.000 valoraciones, y la gente acertó solo el 62 por ciento de las veces, apenas por encima del azar, con imágenes hechas por generadores de 2024. Los generadores han mejorado desde entonces. Los ojos humanos no.

Eso no significa que la detección no tenga esperanza. Significa que el método tiene que cambiar. La respuesta honesta para 2026 es que mirar la imagen es ahora la prueba más débil, no la más fuerte. Las comprobaciones que funcionan son las que ignoran los píxeles e investigan la imagen: de dónde viene, si existe en otro lugar y si lleva una etiqueta de procedencia. Este artículo explica las tres, y qué hacer en el caso común en que ninguna resuelve la pregunta.

Por qué las viejas pistas están muertas

La mayoría de las guías para detectar imágenes de IA aún enumeran las mismas pistas que en 2023: seis dedos, manos derretidas, texto confuso, pendientes desiguales, reflejos imposibles. Algunas aún aparecen, sobre todo en imágenes de generadores gratuitos o desactualizados, y una imagen con tres brazos sigue siendo una pista evidente. Pero los generadores habituales corrigieron primero los defectos más famosos, porque eran los más vergonzosos. Tratar un par de manos limpias como prueba de que una imagen es real es ahora exactamente lo contrario de la verdad: los mejores generadores producen manos limpias cada vez.

El problema más profundo es que las fotografías reales también tienen defectos. Una foto genuina puede tener un cartel deformado, un reflejo extraño en una ventana, una mano oculta detrás de un bolso o una cara borrosa por el movimiento. Juzgar solo por los defectos significa marcar fotos reales como falsas y aceptar imágenes falsas como reales, a menudo el mismo día. Las pistas nunca fueron evidencia fiable. Eran atajos que funcionaban mientras los generadores eran torpes, y los generadores dejaron de ser torpes.

Hay una excepción parcial, y vale la pena conocerla. Un estudio de la Universidad Nacional de Australia de junio de 2026 descubrió que enseñar a la gente las cualidades generales de los rostros generados por IA — la piel demasiado suave, la simetría demasiado perfecta, los ojos extrañamente vacíos — casi duplicó su precisión, mientras que enseñarles a buscar defectos específicos no ayudó mucho. La lección es mirar el rostro completo, no los dedos. Pero incluso eso es una probabilidad, no una prueba, y funciona mejor con rostros, no con paisajes, objetos o escenas.

Lo que realmente funciona: comprobar la fuente

La comprobación más sólida cuesta treinta segundos y no necesita experiencia. Pregunta de dónde viene la imagen. Una fotografía publicada por una agencia de noticias, un departamento gubernamental o un fotógrafo con un historial verificable es mucho más fiable que la misma imagen publicada por una cuenta anónima que apareció la semana pasada. Desplázate hacia atrás: ¿la cuenta tiene historial, o fue creada para publicar esta sola imagen? ¿La historia que cuenta la imagen coincide con lo que informan las fuentes fiables?

La segunda comprobación es una búsqueda inversa de imágenes. Sube la imagen, o busca por su dirección, y mira dónde más aparece. Una fotografía real de un evento real suele tener un rastro: la misma imagen en un sitio de noticias, el portafolio del fotógrafo o una fecha anterior. Una imagen de IA a menudo no tiene rastro, o un rastro que lleva a una galería de IA o a una publicación en redes sociales sin fuente. Una búsqueda inversa también puede detectar el truco más antiguo de todos: una fotografía genuina de hace años, presentada como si hubiera ocurrido ayer.

La tercera comprobación es el contexto alrededor de la imagen. ¿El pie de foto hace una afirmación que ninguna fuente fiable apoya? ¿La imagen es la única evidencia de una afirmación extraordinaria? ¿La comparten cuentas que se benefician de que la creas? Ninguna de estas cosas prueba que una imagen sea falsa, pero juntas te dicen cuánto confiar en ella, que es la pregunta que realmente importa.

Procedencia: la etiqueta que viaja con la imagen

El desarrollo más importante de 2026 no es un detector mejor, sino una etiqueta. El estándar C2PA, conocido por los usuarios como Content Credentials, incrusta un registro firmado dentro del propio archivo de imagen: qué cámara o software la creó, cuándo y si hubo IA involucrada. Las cámaras de los principales fabricantes y las herramientas de Adobe y otros ya escriben estas credenciales, y puedes leerlas en un navegador o una aplicación haciendo clic en el pequeño icono de Content Credentials.

El SynthID de Google funciona igual desde el otro lado: incrusta una marca de agua invisible en las imágenes creadas por las herramientas de IA de Google, identificándolas como generadas por IA aunque el archivo se renombre, recorte o vuelva a compartir. Los dos sistemas son distintos, pero la idea es la misma: en lugar de adivinar a partir de los píxeles, lee la etiqueta que la imagen lleva consigo.

El problema es la cobertura. Una etiqueta solo ayuda si la imagen tiene una, y la mayoría de las imágenes de IA compartidas en redes sociales en 2026 aún no la tienen, porque las plataformas eliminan los metadatos cuando recomprimen las subidas. La ley empuja en la dirección correcta: la Ley de IA de la Unión Europea prohíbe las imágenes íntimas no consentidas creadas por IA a partir del 2 de diciembre de 2026, y la Ley TAKE IT DOWN de Estados Unidos exige a las plataformas retirar esas imágenes en 48 horas tras una solicitud. Pero la procedencia es una solución lenta, y por ahora la ausencia de una etiqueta no prueba nada. Una etiqueta ausente significa volver a la fuente y a la búsqueda inversa.

Qué hacer cuando aún no puedes saberlo

A menudo, tras las tres comprobaciones, seguirás sin saberlo. Ese es el resultado normal en 2026, y la respuesta correcta es actuar según esa incertidumbre en lugar de resolverla por intuición. No compartas la imagen como un hecho. No la uses para zanjar una discusión. Si la afirmación importa — un evento de noticias, un producto, una persona acusada de algo — espera a que una fuente fiable lo confirme, y comprueba si alguna ya lo ha hecho.

Si la imagen se usa para dañar a alguien, denúnciala. Las plataformas tienen vías de denuncia para imágenes íntimas no consentidas y medios engañosos, y la Ley TAKE IT DOWN da a las víctimas en Estados Unidos una vía legal para retirarla en 48 horas. Si creaste tú mismo una imagen de IA, dilo: una etiqueta clara protege a tu público y no te cuesta nada. La era de detectar falsificaciones a simple vista está terminando. La era de comprobar la fuente, y de etiquetar con honestidad, es en la que estamos ahora.

Preguntas frecuentes

¿Se puede detectar una imagen de IA por las manos?

No de forma fiable. Los primeros generadores a menudo dibujaban dedos de más o deformados, pero los generadores habituales de 2026 han corregido en gran medida las manos, el texto y los reflejos. Una imagen con errores evidentes en las manos probablemente sea de IA, pero unas manos limpias no prueban nada: los mejores generadores las producen cada vez. Juzga la fuente y la procedencia, no los dedos.

¿Qué tan precisas son las personas detectando imágenes de IA?

Apenas por encima del azar. Un estudio del Laboratorio de IA para el Bien de Microsoft con más de 12.500 personas y unas 287.000 valoraciones descubrió que la gente clasificaba imágenes reales y de IA correctamente solo el 62 por ciento de las veces, con generadores de 2024. Enseñar las cualidades generales de los rostros de IA casi duplicó la precisión en un estudio de 2026 de la Universidad Nacional de Australia, pero incluso eso es una probabilidad, no una prueba.

¿Qué es una búsqueda inversa de imágenes y cómo ayuda?

Es una búsqueda por la propia imagen en lugar de por palabras: subes la imagen o pegas su dirección, y el buscador muestra dónde más aparece. Una fotografía real suele tener un rastro: un sitio de noticias, un portafolio, una fecha anterior. Una imagen de IA a menudo no tiene rastro, o uno que lleva a una galería de IA. También detecta fotos reales antiguas presentadas como nuevas.

¿Qué son Content Credentials y SynthID?

Son etiquetas de procedencia que viajan con la imagen. Content Credentials de C2PA incrusta un registro firmado de lo que creó la imagen y si hubo IA involucrada, legible en un navegador o aplicación. El SynthID de Google incrusta una marca de agua invisible en las imágenes creadas por las herramientas de IA de Google. Ambas solo ayudan cuando la imagen aún lleva la etiqueta: las redes sociales a menudo la eliminan al recomprimir las subidas.

Fuentes

Cómo detectar una imagen generada por IA | GARGLOO