No, no existe hoy un detector automático confiable que te diga con certeza si una imagen, un audio o un video fueron generados por inteligencia artificial. Los clasificadores estadísticos tienen un margen de error medible y se pueden evadir editando el archivo: OpenAI dio de baja en julio de 2023 su propio clasificador de texto, que acertaba solo el 26 % de los casos de IA y marcaba como IA al 9 % de los textos humanos. La alternativa que sí funciona de otra manera es la procedencia del contenido: un registro firmado criptográficamente en el momento de creación, como C2PA o SynthID. Pero tiene su propio límite, y es central: certifica origen e integridad, no que lo mostrado sea verdad.
Ver índice de contenidos
- 01¿Detectar o verificar el origen?
- 02El caso que lo prueba: el detector de OpenAI
- 03Detección estadística: qué hace y su techo
- 04Procedencia del contenido: C2PA
- 05SynthID: marcar en origen
- 06Detección y procedencia, de frente
- 07El mapa completo según el NIST
- 08La asimetría que importa
- 09Checklist de verificación
- 10Errores frecuentes
- 11Preguntas frecuentes
- 12Fuentes
¿Detectar o verificar el origen?
Cuando alguien pregunta «¿cómo detecto si esto es IA?», puede estar preguntando dos cosas distintas: analizar un archivo que ya existe y adivinar si es sintético, o revisar si trae, desde su creación, un registro verificable de origen. La primera se llama detección estadística; la segunda, procedencia del contenido. Son enfoques distintos, con límites distintos, que conviene no confundir.
Esta guía no repite qué es un deepfake ni por qué es un riesgo: eso ya está en la guía de IA multimodal. Acá el foco es más incómodo: ¿funcionan de verdad las herramientas que prometen detectarlo? La respuesta corta, con evidencia de por medio, es que no lo suficiente como para confiar en ellas a solas, y que el uso responsable de la IA empieza por entender eso.
Ningún detector automático, público o comercial, ofrece hoy una garantía. La vía que sí ofrece algo verificable es la procedencia, y aun así no certifica la verdad del contenido.
El caso que lo prueba: el detector de OpenAI
El ejemplo más contundente no viene de una opinión: en enero de 2023 OpenAI lanzó un clasificador para distinguir texto humano del generado por un modelo de lenguaje, y el 20 de julio del mismo año lo dio de baja por su baja precisión.
Las cifras que publicó explican la decisión: identificaba correctamente solo el 26 % del texto de IA (verdaderos positivos), y marcaba como IA al 9 % del texto humano (falsos positivos). La empresa aclaraba, en el mismo anuncio, que no debía usarse como método principal para decidir nada, que era poco fiable en textos de menos de 1.000 caracteres, y que el texto generado podía editarse para evadirla.
El anuncio original, de enero de 2023, ya no responde con normalidad a peticiones automatizadas, así que acá se citan el hecho y las cifras sin enlazarlo directamente.
El caso importa más allá del texto: es la evidencia mejor documentada de un patrón que se repite con imagen, audio y video. Un clasificador entrenado para reconocer «lo generado por IA» compite contra generadores que mejoran todo el tiempo, y esa carrera la vienen perdiendo los detectores.
Detección estadística: qué hace y por qué tiene techo
La detección estadística es la técnica detrás de casi todas las herramientas que prometen decirte si un contenido «es IA». Se entrena un modelo con ejemplos humanos y generados, y aprende a reconocer patrones que suelen aparecer más en uno que en otro —texturas repetidas en una imagen, cadencias poco naturales en una voz, elecciones de palabras poco frecuentes en un texto—. El resultado no es un veredicto: es una probabilidad.
- Analiza un archivo ya existente, sin datos sobre su origen real: no tiene con qué comparar, solo estadística.
- Tiene un margen de error medible en ambos sentidos, como mostró el caso de OpenAI.
- El contenido puede editarse o recomprimirse para reducir las señales que el detector busca, sin dejar de ser sintético.
No se encontró ninguna evaluación independiente y actual que respalde la fiabilidad de un detector comercial de imagen, audio o video. Si una herramienta asegura un porcentaje de acierto sin mostrar cómo lo midió, tratala con la misma desconfianza que al clasificador que OpenAI retiró.
Procedencia del contenido: C2PA y Content Credentials
La procedencia del contenido es un enfoque distinto: en vez de analizar un archivo después, registra su origen en el momento de creación, protegido con criptografía, así que cualquier alteración posterior queda a la vista.
El estándar de referencia es C2PA (Coalition for Content Provenance and Authenticity), formado por Adobe, Arm, Intel, Microsoft, Truepic y otras empresas bajo la Linux Foundation. Su especificación, Content Credentials, funciona —según el propio C2PA— como una etiqueta nutricional para contenido digital: un historial de cómo se creó y editó un archivo.
Cada Content Credential (o manifiesto C2PA) incluye un hash criptográfico del archivo y de sus datos de procedencia, firmado por un certificado de una autoridad reconocida por el propio C2PA. Modificar el archivo o el manifiesto después rompe ese vínculo y queda detectado.
La Content Authenticity Initiative —la iniciativa de Adobe detrás de este estándar— lo resume así: herramientas como el sitio Verify muestran esa información «para que quien lo ve pueda decidir por sí mismo si puede confiar en el contenido». La tecnología aporta el dato; la conclusión la sigue poniendo una persona.
Para revisar el manifiesto de un archivo sin instalar nada, la vía más simple es el sitio Verify, en contentcredentials.org/verify. Para la línea de comandos, C2PA mantiene una herramienta oficial, c2patool:
# Muestra el manifiesto C2PA de un archivo, si lo tiene
c2patool foto.jpgSi el archivo tiene un manifiesto válido, el comando imprime su historial en JSON: quién lo firmó y qué acciones registra. Si no lo tiene, no significa nada por sí solo: la ausencia de credenciales es hoy la situación más común, incluso en contenido legítimo.
SynthID: marcar en origen no es detectar cualquier archivo
SynthID, de Google DeepMind, incrusta una marca de agua digital directamente en los píxeles de una imagen o un video generados —o en la señal de audio y en las probabilidades de token en el caso de texto—, imperceptible para las personas pero identificable con su propia tecnología. Está diseñada para resistir recortes, filtros, cambios de velocidad de fotogramas o compresión con pérdida.
El matiz importante: SynthID se aplica al momento de generar el contenido, dentro de las herramientas de Google que la incorporan. No es un detector universal aplicable a cualquier archivo de origen desconocido: solo identifica lo que se marcó con esa tecnología en particular.
Detección y procedencia, comparadas de frente
Puesto en una misma tabla, el contraste queda más claro, incluido lo que cada enfoque no resuelve.
| Aspecto | Detección estadística | Procedencia criptográfica |
|---|---|---|
| Qué hace | Analiza un archivo ya existente y estima una probabilidad de que sea sintético | Registra y firma el historial de creación y edición en el momento en que se genera |
| Cuándo actúa | Después del hecho, sobre contenido de origen desconocido | En el origen, si la herramienta que lo creó decide incorporarlo |
| Qué necesita | Un modelo entrenado con ejemplos de contenido real y sintético | Que el creador o la herramienta firmen criptográficamente el archivo |
| Qué NO garantiza | Un veredicto certero: tiene margen de error y se puede evadir editando el archivo | Que lo mostrado sea verdad: solo certifica que el registro de origen no fue alterado |
| Ejemplo verificado | Clasificador de texto de OpenAI: 26 % de aciertos, 9 % de falsos positivos | Content Credentials (C2PA) y SynthID |
El mapa completo según el NIST
El NIST (National Institute of Standards and Technology, la agencia de normalización técnica de Estados Unidos) publicó en 2024 el informe NIST AI 100-4, que ordena el terreno en tres categorías con límites propios: autenticación y procedencia (C2PA y similares), marcado con marcas de agua (SynthID), y detección de contenido sintético (los clasificadores estadísticos de la sección anterior).
Que un organismo así trate estas tres cosas como distintas, y no como sinónimos, respalda el punto central de esta guía: no existe una sola tecnología que «detecte la IA». Confundirlas lleva a depositar una confianza que ninguna puede sostener por sí sola.
La asimetría que importa: presencia informa, ausencia no prueba nada
Hay una asimetría clave. Si un archivo tiene una credencial de procedencia verificable, eso aporta información real: podés ver quién lo firmó y confirmar que el registro no fue alterado. Pero si no tiene ninguna credencial, eso no prueba nada sobre si es auténtico o sintético.
La razón es simple: la mayor parte del contenido que circula hoy —fotos de teléfonos sin el estándar, capturas, archivos reenviados y recomprimidos, contenido de hace años— no lleva marca de procedencia y es perfectamente legítimo. Tratar «sin credenciales» como sinónimo de «sospechoso» generaría más falsas alarmas que las que evitaría. La credencial suma cuando está; su ausencia solo te devuelve al punto de partida: verificar por otro medio.
Qué podés hacer vos: checklist de verificación
Ninguno de estos pasos depende de un detector automático.
- Revisá si el archivo trae credenciales verificables.Probá el sitio Verify de Content Credentials, o una herramienta equivalente. Si las tiene, mirá quién firmó y qué registra.
- Buscá la fuente original por otro canal.Antes de reaccionar, buscá si un medio o una cuenta oficial ya publicó lo mismo, o si existe una versión anterior con otro contexto.
- Desconfiá de la urgencia emocional.Pedidos de dinero, «no le cuentes a nadie» y mensajes que empujan a actuar ya son técnicas clásicas de ingeniería social, con o sin IA de por medio.
- Verificá por un canal alternativo ya conocido.Si alguien conocido te pide algo inusual por audio o videollamada, cortá y llamalo a un número que ya tenías guardado, no al que llegó en el mensaje. Es la misma lógica frente a un correo de phishing.
- Aceptá la incertidumbre cuando no podés confirmar nada.Sin credenciales, sin fuente y sin verificación por otro canal, lo responsable es no viralizar ni actuar hasta confirmarlo.
Errores frecuentes
- Confiar en un detector solo porque muestra un porcentaje de certeza. Sin conocer cómo se midió, ese número no significa nada.
- Creer que la ausencia de marca de agua o de credenciales prueba que el contenido es auténtico. Es la conclusión exactamente opuesta a la correcta.
- Pensar que una credencial C2PA certifica que el contenido es verdadero. Solo certifica que el registro de origen no fue alterado.
- Suponer que SynthID identifica cualquier imagen generada por cualquier herramienta. Solo identifica lo que se marcó con esa tecnología.
- Reenviar o viralizar un contenido sorprendente antes de intentar verificarlo por otro canal. La verificación va antes que la difusión, no después.
- Bajar la guardia con textos cortos. Cualquier detector, incluido el de OpenAI, es todavía menos confiable con menos de 1.000 caracteres.
Preguntas frecuentes
¿Existen herramientas que detecten con fiabilidad si algo fue generado por IA?
No, al menos no con la fiabilidad necesaria para tomar una decisión importante basándote solo en su resultado. Todas estas herramientas —gratuitas, académicas o comerciales— funcionan con detección estadística: entrenan un modelo con ejemplos humanos y generados, y ese modelo estima una probabilidad, no certifica un hecho. El caso mejor documentado es el clasificador de texto que OpenAI lanzó en enero de 2023 y dio de baja en julio del mismo año por su baja precisión: acertaba solo el 26 % del texto de IA y marcaba como IA al 9 % del texto humano. No se encontró ninguna evaluación independiente que muestre que los detectores comerciales de imagen, audio o video superen ese problema de fondo.
¿Por qué OpenAI dio de baja su propio detector de texto generado por IA?
Porque sus propias cifras mostraban que no era confiable. OpenAI lanzó el clasificador en enero de 2023 y lo retiró el 20 de julio del mismo año: identificaba correctamente solo el 26 % del texto de IA, y marcaba como generado por IA al 9 % de los textos humanos, con el riesgo de perjudicar a alguien inocente. La propia empresa había advertido que no debía usarse como método principal para decidir nada, que era poco fiable en textos de menos de 1.000 caracteres, y que el texto generado podía editarse para evadirla. Es el ejemplo mejor documentado de un patrón que se repite: entrenar un clasificador contra generadores que mejoran todo el tiempo es una carrera que la detección viene perdiendo.
¿Qué es la procedencia del contenido y en qué se diferencia de detectarlo después?
La procedencia registra el origen de un archivo en el momento en que se crea, en vez de analizarlo después y adivinar de dónde salió. El estándar de referencia es C2PA (Coalition for Content Provenance and Authenticity), cuya especificación —Content Credentials— agrega un historial firmado criptográficamente de cómo se creó y editó el archivo, como una etiqueta nutricional digital. Cualquier alteración posterior rompe la firma y queda detectada. La diferencia de fondo: la detección analiza un archivo de origen desconocido y estima una probabilidad con margen de error; la procedencia depende de que la herramienta de origen haya incorporado el registro, pero cuando lo hace, es verificable con certeza criptográfica. El límite: certifica origen e integridad del registro, no que lo mostrado haya ocurrido de verdad.
¿Qué garantiza SynthID y qué no garantiza?
SynthID, de Google DeepMind, garantiza que un contenido generado con las herramientas que lo incorporan lleva una marca de agua incrustada en los píxeles de una imagen o video —o en la señal de audio y en las probabilidades de token en texto—, imperceptible pero identificable con su tecnología, y diseñada para resistir recortes, filtros, cambios de velocidad de fotogramas o compresión con pérdida. Lo que no garantiza es servir como detector universal: solo identifica contenido generado con las herramientas de Google que incorporan la marca, no un archivo cualquiera de origen desconocido ni el producido por otro generador.
¿Una credencial de contenido prueba que el contenido es verdadero?
No. Es el matiz más importante de esta guía. Una credencial de contenido, como un manifiesto C2PA, certifica origen e integridad: que el registro de quién creó o editó el archivo no fue alterado desde que se generó. No certifica que lo mostrado haya ocurrido en la realidad. Una fotografía puede tener una credencial válida y firmada, y aun así mostrar una escena montada o un evento real presentado fuera de contexto. La procedencia responde «¿de dónde salió y se modificó su registro?», no «¿es esto lo que parece ser?». La tecnología aporta la información de origen; la decisión sobre si confiar en el contenido sigue siendo humana.
¿Qué puede hacer una persona común ante un contenido sospechoso, sin depender de detectores?
Cuatro cosas, en este orden. Primero, revisar si el archivo trae credenciales verificables con una herramienta como Verify de Content Credentials. Segundo, buscar la fuente original por otro canal: es probable que un medio o una cuenta oficial ya haya confirmado o desmentido lo que muestra. Tercero, desconfiar especialmente de la urgencia emocional: pedidos de dinero, «no le cuentes a nadie» y mensajes que empujan a actuar ya son la señal más confiable de un fraude, con IA o sin ella. Cuarto, verificar por un canal alternativo ya conocido: si alguien te pide algo inusual por audio o videollamada, cortá y llamalo a un número guardado de antes. Sin ninguna de estas confirmaciones, lo responsable es no viralizar ni actuar.
Fuentes
Aportes de la comunidad y documentación oficial consultados para esta guía. Fecha de consulta: 29 de julio de 2026.
Aportes de la comunidad Underc0de
- Underc0de, blog. IA de Facebook para identificar imágenes deepfake, por Dragora, 18 de junio de 2021. Antecedente de cobertura, previo a la IA generativa: el enfoque descrito quedó superado por el giro hacia la procedencia.
- Underc0de, blog. Engañan a varios políticos europeos a través de videollamada con un deepfake, por Dragora, 26 de abril de 2021. Caso real de un deepfake en videollamada, también anterior a esta etapa.
Documentación oficial
- C2PA. Coalition for Content Provenance and Authenticity. Qué es la coalición y el estándar Content Credentials.
- C2PA. FAQ de C2PA. Cómo se firma un manifiesto y cómo se detecta una alteración.
- Content Authenticity Initiative. How it works. El límite entre procedencia y confianza en el contenido.
- Content Credentials. Verify. Herramienta pública para inspeccionar un manifiesto C2PA.
- Google DeepMind. SynthID. Cómo funciona la marca de agua y qué resiste.
- Google DeepMind, blog. Identifying AI-generated images with SynthID. Lanzamiento original, agosto de 2023.
- NIST. Reducing Risks Posed by Synthetic Content (NIST AI 100-4), 2024. Las tres categorías: procedencia, marcado y detección.
- Contentauth (C2PA), en GitHub. Using C2PA Tool (c2patool). Sintaxis del comando de esta guía.
- OpenAI. «New AI classifier for indicating AI-written text», enero de 2023, retirado el 20 de julio de 2023. El anuncio no responde con normalidad a peticiones automatizadas, por eso no se enlaza; las cifras citadas provienen de él.