¿Cómo saber si una imagen la hizo una IA? El detector de Google

El 7 de octubre, Google abrió a todo el mundo una herramienta que hasta ahora solo tenían algunos periodistas. Se llama SynthID Detector: subes una foto, un video o un audio, y te dice si fue creado con la inteligencia artificial de Google o de algunos de sus socios, como OpenAI, NVIDIA o Kakao. Apple dijo que se sumará pronto.

Según Google, desde 2023 su sistema ha marcado más de 180.000 millones de imágenes y videos. La herramienta pide iniciar sesión y deja hacer unas diez comprobaciones al día.

Te cuento algo antes de seguir. La imagen que acompaña este artículo la generó una inteligencia artificial, como las de los artículos recientes de este blog, y desde esta semana lo decimos en cada publicación en redes sociales. Así que la pregunta de hoy no me queda lejos.

La pregunta es esta: ¿cómo se sabe si una imagen la hizo una IA, y qué puede y qué no puede decirte un detector así?

¿Por qué ya no basta con mirar?

Hace un par de años, las imágenes de IA se delataban solas: manos con seis dedos, letras que no eran letras, orejas raras. Eso se acabó en buena parte.

Un estudio de la Universidad de Reading, dirigido por la investigadora Katie Gray y publicado en 2025, puso a prueba a personas comunes y a "súper reconocedores", gente con una habilidad excepcional para recordar caras. Les mostraron rostros reales y rostros creados por IA. Sin entrenamiento, las personas comunes identificaron las caras falsas apenas el 31 % de las veces, y los súper reconocedores, el 41 %. Con cinco minutos de entrenamiento sobre errores típicos, como el pelo o el número de dientes, subieron a 51 % y 64 %.

Es decir: aun entrenados, la mitad de las veces nos equivocamos. Creo que yo tampoco lo haría mucho mejor. Mirar con cuidado ya no alcanza.

¿Qué es una marca de agua invisible?

Saca un billete de tu billetera y míralo a contraluz. Aparece una figura que no se ve de frente. Esa es una marca de agua: una señal escondida en el papel que solo aparece si sabes cómo buscarla.

SynthID hace algo parecido, pero con números. Una imagen digital es una cuadrícula de millones de puntos de color, los píxeles. Cuando la IA de Google crea una imagen, otro programa le cambia levemente el color a muchos de esos puntos, siguiendo un patrón que tus ojos no notan pero que un detector entrenado sí reconoce. Es como si alguien escribiera un mensaje cambiando apenas el tono de cada letra de un libro: tú lees el libro normal, pero quien tiene la clave lee el mensaje.

Lo ingenioso es que la marca está repartida por toda la imagen y fue entrenada para sobrevivir a lo que le hacemos a las fotos: comprimirlas al mandarlas por WhatsApp, recortarlas, cambiarles el tamaño. Google tiene una versión para texto, publicada en la revista Nature en 2024, que funciona eligiendo las palabras con un patrón estadístico secreto.

¿Entonces el detector resuelve el problema?

No. Y aquí está lo que más me importa que te lleves de este artículo.

El detector puede decirte "esta imagen la hizo una IA", pero nunca puede decirte "esta imagen es real". El propio Google lo advierte: no es un detector general de inteligencia artificial, y solo encuentra el contenido que lleva su marca.

Piénsalo así. Imagina que los falsificadores de billetes se pusieran de acuerdo para estampar un sello secreto en cada billete falso que fabrican. Un detector de ese sello sería útil: si lo encuentra, el billete es falso. Pero si no lo encuentra, no prueba nada. Puede ser un billete legítimo, o puede ser de un falsificador que simplemente no puso el sello.

Eso pasa con las imágenes. Las empresas grandes marcan lo que generan sus modelos. Pero hay modelos de IA de código abierto que cualquiera puede usar sin marca. Y quien quiere engañar es justo quien no va a usar la herramienta que lo delata.

Hay un problema más. En 2025, Andre Kassis y Urs Hengartner, de la Universidad de Waterloo, en Canadá, presentaron una herramienta llamada UnMarker que borra las marcas de agua de las imágenes sin necesidad de saber cómo se pusieron. Le toma unos minutos con una computadora potente, y la publicaron como código abierto. En mi opinión, ese trabajo es un buen recordatorio: una marca de agua ayuda, pero no es una cerradura.

¿Por qué todos los detectores se equivocan?

Aquí te hablo desde mi trabajo. Llevo años entrenando modelos de aprendizaje automático, y hay algo que casi nunca se explica: un detector de IA es, él mismo, una IA. Es un clasificador, un programa que mira una imagen y calcula una probabilidad. Y todo clasificador comete dos tipos de error.

Puede decir "es falsa" de una foto real, lo que llamamos un falso positivo. O puede decir "es real" de una foto falsa, un falso negativo. Es como la alarma de un carro: si la haces muy sensible, suena con el viento; si la haces poco sensible, no suena cuando alguien rompe el vidrio. No existe un ajuste que elimine los dos errores a la vez.

Por eso yo desconfío de cualquier herramienta que prometa decirte con certeza si algo es falso. Lo honesto es un porcentaje, y saber cuánto se equivoca.

¿Y entonces qué sirve?

Para mí, aquí está la idea más importante: en vez de probar qué es falso, probar qué es verdadero.

Existe un estándar abierto llamado C2PA, o "credenciales de contenido", que apoyan varias empresas de tecnología y de cámaras. Funciona como un certificado de origen firmado: registra qué cámara o qué programa creó el archivo y qué cambios se le hicieron. Una foto con su certificado intacto es como un paquete que llega con el sello de la aduana sin romper.

Tampoco es perfecto. Muchas redes sociales borran esos datos cuando subes la foto, y la mayoría de las imágenes que circulan no los tienen. Pero la dirección es la correcta: en un mundo donde fabricar lo falso es fácil, lo valioso es poder demostrar de dónde viene lo verdadero.

Algunos gobiernos ya empujan en esa dirección. Desde el 2 de agosto de 2026, la ley de inteligencia artificial de la Unión Europea obliga a quienes ofrecen estas herramientas a marcar lo que generan de forma que una máquina pueda detectarlo, y a declarar los ultrafalsos, los famosos "deepfakes".

Lo que todavía no sabemos

Nadie sabe si las marcas de agua podrán mantenerse por delante de quienes las borran. Es una carrera, como la de los antivirus y los virus, y cada mejora de un lado provoca una del otro. Tampoco está claro si los detectores generales, los que dicen "esto parece IA" sin buscar marcas, llegarán a ser confiables: con el texto, varios estudios han mostrado que se equivocan demasiado, y universidades como Vanderbilt desactivaron el detector de IA de su sistema antiplagio.

Lo que sí sabemos es que ninguna herramienta va a reemplazar la pregunta de siempre: ¿quién me está mostrando esto, y por qué?

Qué puedes hacer tú, hoy

• Usa el detector, pero léelo bien. Si dice que encontró la marca, la imagen es de IA. Si no la encuentra, eso no significa que sea real.
• Busca el origen, no solo la imagen. Haz una búsqueda inversa de imagen para ver dónde apareció primero. Si una foto "histórica" no existía hace una semana, ya tienes una respuesta.
• Desconfía de lo que te emociona mucho. Las imágenes falsas que más circulan son las que provocan rabia, miedo o ternura. Como conté en el método en cuatro pasos para detectar noticias falsas, la emoción fuerte es una señal para frenar.
• Mira los detalles que todavía fallan. Los dientes, el pelo, las letras de fondo, las manos. No es infalible, pero con cinco minutos de práctica mejoras, como mostró el estudio de Reading.
• Si publicas imágenes de IA, dilo. Es lo que empezamos a hacer aquí. Cuesta una línea y protege la confianza.

Las personas que defienden lo verdadero

Detrás de esta historia hay mucha gente trabajando en direcciones que parecen opuestas y no lo son. Los ingenieros de Google DeepMind que construyeron un sistema para marcar miles de millones de imágenes. Los investigadores de Waterloo que mostraron sus límites para que nadie confiara de más. Investigadoras como Katie Gray, que miden lo que nuestros ojos pueden y no pueden ver. Y los verificadores de datos de Latinoamérica, que cada día rastrean de dónde salió la foto que todo el mundo comparte.

Como escribí en el artículo sobre si la IA es peligrosa o quien la usa, la herramienta no tiene intenciones. Las tienen las personas. Y la mejor defensa contra una imagen falsa sigue siendo una persona que se toma un minuto antes de compartirla.

¿Alguna vez compartiste una imagen que después resultó falsa? Te leo en los comentarios.