Cómo detectar imágenes generadas por IA: indicios clave que siguen siendo válidos en 2026

Cuenta los dedos. Sigue apareciendo en casi todas las guías sobre cómo detectar imágenes generadas por IA. Sin embargo, lleva más de dos años sin funcionar, y parece que nadie se ha dado cuenta de que el debate sobre la detección de imágenes generadas por IA se ha quedado muy rezagado.

En diversos estudios que abarcan cientos de miles de evaluaciones de imágenes, los índices de precisión de los seres humanos a la hora de distinguir entre imágenes generadas por IA e imágenes reales oscilan entre el 49% y el 62%. Eso supone un 50% de probabilidad. Un estudio en concreto analizó las evaluaciones de 1.276 participantes.

De media, obtuvieron una puntuación de 49,4%, o incluso por debajo del nivel de azar en algunos casos. iProov también evaluó la capacidad de los profesionales de los medios de comunicación para identificar imágenes generadas por IA y descubrió que el 0,11 % de los participantes fue capaz de identificar y señalar el 100 % de las imágenes falsas que vieron. Además, el 60 % afirmó tener plena confianza en sus conclusiones.

Esta gran diferencia en el margen de error, y no una falta de capacidad de inspección visual y cerebral, es la causa principal de este problema cada vez mayor que afecta a casi todos los métodos actuales de detección de falsificaciones mediante IA en imágenes.

Por lo tanto, esta guía para reconocer imágenes generadas por IA se diferenciará de la mayoría de las demás guías en que está organizada siguiendo un orden específico: desde la herramienta menos utilizada hasta la más avanzada para reconocer imágenes generadas por IA que son indetectables, el «Undetectable AI Image Detector».

Es importante destacar que aquí también desmontaremos un mito que han perpetuado la mayoría de las demás guías, a saber, que las imágenes en las que aparecen personas son las más difíciles de reconocer, cuando, en realidad, las imágenes más difíciles de reconocer son aquellas que resultan aburridas.

---

Principales conclusiones

• La precisión humana al interpretar imágenes generadas por IA oscila entre el 49 % y el 62 %, según el estudio, lo que equivale a lanzar una moneda al aire o apenas supera ese nivel. La confianza, sin embargo, supera con creces esa cifra.

• Se te da mejor detectar rostros falsos y peor detectar paisajes, objetos y escenas callejeras falsas. Casi todos los consejos más comunes se centran en los rostros, que es precisamente la categoría que ya dominas bien.

• Comprueba la procedencia antes de fijarte en los píxeles. Desde mayo de 2026, todas las imágenes de ChatGPT incluyen tanto una credencial C2PA como una marca de agua SynthID, y Google está incorporando funciones de detección en Search y Chrome.

• La ausencia de procedencia no prueba nada. Las capturas de pantalla y la mayoría de las redes sociales eliminan los metadatos C2PA, por lo que la falta de una credencial no es prueba de nada en ningún sentido.

• Los indicios que siguen siendo válidos tienen que ver con la física, no con la anatomía. La dirección de las sombras, los reflejos, la profundidad de campo y las relaciones de escala son mucho más difíciles de mantener coherentes para un modelo que una mano.

• Cuando el examen ocular no es concluyente, lo cual ocurre a menudo, el Detector de imágenes AI te da el resultado en segundos y no le importa si el motivo es una cara o un aparcamiento.

---

¿Por qué se ha complicado tanto tan rápido?

La curva de mejora visible es tan pronunciada que cualquiera que haya desarrollado su intuición en 2023 está trabajando con algo que ya parece una pieza de museo. Si comparamos lo que generaba DALL-E 2 con la misma indicación en 2022 con lo que ofrecen los modelos actuales, apenas parece que pertenezcan al mismo medio.

El Informe Internacional sobre Seguridad de la IA señalaba en 2026 que el contenido generado por la IA se ha vuelto cada vez más difícil de distinguir del contenido real en todos los formatos, y la calidad de la imagen es el ejemplo más claro de ello.

Ocurrieron dos cosas a la vez. Los modelos mejoraron en la detección de los artefactos específicos que todo el mundo había aprendido a identificar, ya que esos artefactos eran los motivos de queja más frecuentes y, por lo tanto, los primeros objetivos. Y la estética cambió. El primer indicio fue que las imágenes generadas por IA parecían demasiado bueno, con ese aspecto retocado, sobreexpuesto y ligeramente artificial.

Los modelos actuales no tienen ningún problema en generar imágenes que parecen una foto mediocre tomada con el móvil, con desenfoque de movimiento, mal encuadre, ruido del sensor y un pulgar en una esquina. Esa fealdad forma ahora parte del resultado final, en lugar de ser un signo de autenticidad.

También conviene ser franco sobre lo que indican las cifras en lo que respecta a las herramientas de detección frente a las personas. Los detectores automáticos alcanzan una precisión del 90 al 96 por ciento en condiciones de laboratorio, aunque esa cifra se reduce considerablemente en situaciones reales frente a modelos que el detector no ha visto antes.

Incluso tras ese bajón, ni de lejos se le acerca. Una herramienta que tenga un día mediocre sigue rindiendo mejor que un humano prudente que tenga un buen día.

Las señales que dejaron de funcionar

Antes de pasar a las señales útiles, conviene descartar aquellas que aún circulan y que ahora te pueden inducir a error de forma deliberada. Cada uno de los elementos que se enumeran a continuación fue realmente fiable en algún momento. Sin embargo, ninguno de ellos constituye hoy en día una base segura para emitir un juicio.

Vieja leyenda	Por qué funcionó	Situación en 2026
Cuenta los dedos	Los primeros modelos de difusión no tenían en cuenta la estructura de la mano y solían generar seis o siete dedos de forma habitual	Prácticamente obsoleto. Los modelos actuales representan las manos correctamente la gran mayoría de las veces.
Busca texto ilegible	Los carteles, los lomos de los libros y las etiquetas se veían como ruido con forma de letras	Prácticamente en desuso para textos breves. Sigue siendo algo útil para párrafos densos y escrituras poco habituales.
Parece demasiado pulido	Las primeras tiradas presentaban un brillo uniforme y una capa exterior imposible de conseguir.	Se ha invertido la tendencia. Ahora, si se solicita, las modelos imitan la fotografía amateur, el grano y la mala iluminación.
Revisa los dientes y las orejas	Las estructuras repetitivas de gran precisión confundieron a los primeros modelos	Está prácticamente resuelto y se centra en los rostros, que es precisamente donde ya obtienes los mejores resultados.
Marca de agua en la esquina	Algunos generadores presentaban marcas visibles	Recortadas de forma insignificante o ausentes. Su ausencia no significa nada.
La búsqueda inversa de imágenes no encuentra nada	Las fotos reales suelen dejar rastro en Internet	Qué flojo. Las fotos privadas de verdad tampoco dejan rastro, y ahora también se indexan las imágenes generadas.

El rasgo común que une a los seis es que describen fallos de capacidad en lugar de fallos estructurales. Un fallo de capacidad es algo en lo que el modelo tenía dificultades y que se podía corregir mediante el entrenamiento, y todos y cada uno de estos fallos se corrigieron mediante el entrenamiento.

Las señales que vale la pena conocer son aquellas que se basan en el funcionamiento de estos sistemas, más que en aquello en lo que resultaron fallar durante un año concreto, y hablaré de ellas en breve.

El punto ciego del que nadie habla

Esta es la parte que más me ha sorprendido, y cambia lo que realmente deberías considerar sospechoso.

Cuando los investigadores desglosan la precisión de la detección humana por tema, se observa un patrón constante. En un análisis de unas 287 000 evaluaciones de imágenes realizadas por más de 12 500 participantes, la precisión global se situó en torno al 62 por ciento, pero el rendimiento fue da mejores resultados en retratos y notablemente peores en paisajes y escenas urbanas.

Otros estudios han observado el mismo patrón, con una mayor precisión en las imágenes en las que aparecen personas y una menor precisión en las de objetos y paisajes.

La explicación no tiene nada de misterioso. Los seres humanos contamos con un sistema neuronal específico para el procesamiento de rostros y llevamos años practicando su uso. Te das cuenta cuando hay algo que no cuadra en un rostro, aunque no seas capaz de explicar exactamente qué es. Sin embargo, no tienes un instinto equivalente para saber si el muelle de carga de un almacén tiene el aspecto correcto.

Ahora compara eso con los consejos que todo el mundo da. Cuenta los dedos. Fíjate en los ojos. Fíjate en los dientes, las orejas y la línea del cabello.

Cada uno de esos puntos a los que te enfrentas corresponde a la categoría en la que tu criterio propio ya es más sólido y en la que la mejora del modelo ha sido más notable. Por el contrario, las categorías en las que tu percepción es prácticamente nula no reciben ninguna atención.

Lo que significa que las imágenes que debes considerar con mayor recelo son precisamente las menos impactantes:

• Fotografías de productos. Un único objeto sobre un fondo liso apenas ofrece elementos de referencia y es muy fácil de crear.
• Interiores vacíos. Habitaciones, oficinas, salones de restaurantes, anuncios de pisos. Ningún rostro que despierte tus instintos y una geometría compleja que tu vista no puede verificar.
• Calles y paisajes. Precisamente la categoría en la que, según los estudios, la gente tiene más dificultades, y precisamente la que se utiliza para fingir ubicaciones y crear escenas de noticias falsas.
• Documentos y capturas de pantalla. Recibos, facturas, paneles de control, historiales de chat. Se examinan minuciosamente en cuanto a su contenido, pero casi nunca en cuanto a su autenticidad.
• Multitudes y fotos tomadas desde lejos. Los rostros son demasiado pequeños para activar el procesamiento facial, por lo que tu mejor herramienta nunca se activa.

Un retrato generado de una persona que no existe es el tipo de caso para el que estás preparado. Una foto generada de una calle inundada con un pie de foto en el que se menciona el nombre de una ciudad es la que se te escapa, y también es la que tiene más probabilidades de causar un daño real.

Primer paso: comprueba la procedencia antes de comprobar los píxeles

Casi nadie hace esto, y ahora es la respuesta más rápida disponible para una proporción cada vez mayor de imágenes. El sector ha dedicado los últimos dos años a desarrollar un sistema que etiqueta el contenido generado en el momento de su creación y, a partir de 2026, abarcará una parte significativa de lo que te encuentras.

En qué consisten ambos sistemas

Existen dos mecanismos diferentes y se confunden constantemente entre sí.

Las credenciales de contenido, basadas en el estándar C2PA, son metadatos firmados criptográficamente que se adjuntan a un archivo. Registran el origen de una imagen, las herramientas con las que se ha manipulado y quién ha firmado esa afirmación. Piensa en ello como una cadena de custodia, más que como una respuesta de «sí» o «no».

La especificación alcanzó la versión 2.3 en enero de 2026, y no se limita únicamente a la inteligencia artificial. Los fabricantes de cámaras y las agencias de noticias utilizan el mismo estándar para certificar que una fotografía es auténtica, lo que podría considerarse su uso más importante.

SynthID es diferente. Se trata de una marca de agua imperceptible que Google DeepMind incrusta en los propios píxeles en el momento de la generación, y que resiste el recorte, la recompresión y la recodificación de baja calidad, a diferencia de lo que ocurre con los metadatos.

Google informa de que se han marcado con esta tecnología más de 100 000 millones de archivos multimedia. La contrapartida es que apenas aporta información más allá del hecho de que proceden de la IA, y su detección requiere la infraestructura propia de Google, en lugar de una especificación abierta.

¿Qué cambió en 2026?

Lo más relevante es que estos enfoques dejaron de ser rivales. En mayo de 2026, OpenAI y Google anunciaron un modelo conjunto en el que las imágenes generadas a través de ChatGPT y la API de OpenAI llevan ambos una credencial C2PA y una marca de agua SynthID.

Dado que ChatGPT es el generador de imágenes para consumidores más grande en cuanto a número de usuarios, una gran parte de las imágenes generadas por IA que se producen a diario cuentan ahora con dos señales de procedencia independientes. Kakao, ElevenLabs y Nvidia anunciaron su adopción ese mismo día, y Google afirmó que la detección de C2PA y SynthID se incorporará directamente a Search y a Chrome.

Regulation is moving in the same direction. The EU AI Act’s Article 50 transparency and labeling obligations became binding on 2 August 2026, with penalties reaching into the tens of millions of euros.

In the United States, the TAKE IT DOWN Act has imposed a 48 hour takedown duty since May 2026. Whatever you think of the enforcement prospects, disclosure is now a legal requirement in major markets rather than a voluntary courtesy.

Cómo comprobarlo realmente

1. Abre la imagen en un visor de credenciales de contenido. La Iniciativa para la Autenticidad del Contenido (Content Authenticity Initiative) cuenta con una página de verificación pública; existen extensiones para el navegador que lo hacen directamente en la página, y OpenAI dispone de una herramienta de verificación que comprueba tanto los manifiestos C2PA como el SynthID de una sola vez. Sube la imagen, lee el manifiesto y listo.
2. Lee lo que dice realmente el manifiesto. Una credencial puede indicar que una imagen se generó, que fue capturada con una cámara y posteriormente editada, o que se procesó con una herramienta de edición concreta. Los casos interesantes suelen encontrarse en el historial de ediciones, más que en el campo de origen.
3. Considera que la falta de una credencial equivale a no tener ninguna información. Esta es la parte en la que la gente se equivoca constantemente.

Este último punto merece especial atención, ya que es ahí donde falla la verificación de la procedencia. Los metadatos C2PA se pierden en las capturas de pantalla, en la mayoría de los transcodificadores de redes sociales y en cualquier flujo de trabajo de edición que no los conserve de forma deliberada.

La mayoría de las imágenes que circulan por Internet no incluyen ni credenciales ni marcas de agua, y eso es lo habitual, más que una excepción. SynthID solo está presente en los resultados de los generadores que lo han adoptado, lo que sigue excluyendo a una gran parte de las herramientas que se utilizan actualmente.

Por lo tanto, un resultado de procedencia limpio constituye una prueba sólida. Uno vacío no significa nada. Cualquiera que te diga que la ausencia de credenciales es motivo de sospecha ha invertido la lógica.

Segunda capa: los principios físicos que siguen siendo válidos

Cuando la procedencia no arroja ningún resultado, aquí es donde hay que buscar. La razón por la que estos indicios perduran más que los anatómicos es de carácter estructural.

Un modelo generativo produce una imagen verosímil, no una simulación de una escena. No cuenta con un modelo interno de una habitación con una fuente de luz en su interior, por lo que mantener la coherencia global en todo el fotograma le resulta realmente difícil, algo que nunca lo fue a la hora de dibujar una mano correctamente.

Sigue la luz

Selecciona todos los objetos del encuadre que proyecten una sombra y comprueba si las sombras coinciden en cuanto a la ubicación de la luz. En exteriores solo hay un sol, por lo que las sombras deberían ser más o menos paralelas y tener una longitud coherente en relación con la altura de los objetos. En interiores, la situación es más compleja, pero sigue siendo manejable.

Las imágenes generadas suelen presentar sombras que apuntan en direcciones ligeramente diferentes, u objetos sin sombra alguna situados junto a otros que tienen una sombra bien definida, o bien sombras cuya forma no se corresponde con el objeto que supuestamente las proyecta.

A continuación, comprueba si la iluminación del sujeto se ajusta al entorno. Una persona iluminada desde la parte delantera izquierda, situada en una escena cuyo fondo está iluminado desde la derecha, es uno de los errores más comunes en la creación de imágenes compuestas, y una vez que empiezas a fijarte en ello, lo ves por todas partes.

Examina todas las superficies reflectantes

A un modelo le cuesta mucho conseguir que los reflejos queden bien, ya que requieren comprender la geometría de toda la escena desde un segundo punto de vista.

Fíjate en los espejos, las ventanas, los suelos brillantes, la pintura de los coches, el agua, las gafas de sol y las pantallas de los móviles. Pregúntate si lo que se refleja se corresponde con lo que realmente hay en la escena: en la posición correcta, a la escala adecuada y con la orientación correcta.

La prueba de los destellos en los ojos es mi comprobación rápida favorita en cualquier retrato. Esos pequeños puntos brillantes en los ojos de una persona son reflejos de las fuentes de luz. En una fotografía real, ambos ojos muestran destellos en la misma posición, con la misma forma y en el mismo número, ya que ambos ojos miran hacia las mismas luces.

Los retratos generados suelen presentar reflejos en los ojos que no coinciden entre sí, o bien un ojo con dos reflejos y el otro con uno solo, o bien reflejos cuya forma no se corresponde con ninguna fuente de luz visible en la imagen.

Comprueba el plano focal

Las cámaras reales tienen un plano de enfoque. Todo lo que se encuentra a la misma distancia del objetivo aparece nítido al mismo tiempo, y el desenfoque aumenta de forma gradual a medida que aumenta la distancia respecto a ese plano.

Las imágenes generadas suelen salir borrosas debido a importancia del objeto en lugar de por la distancia, por lo que se puede observar que un elemento del fondo aparece nítido mientras que otro situado junto a él, a la misma profundidad, aparece difuminado, o que un sujeto se ve nítido desde la nariz hasta la oreja en una toma cuyo desenfoque de fondo sugiere una profundidad de campo muy reducida. La forma del bokeh es otro aspecto a tener en cuenta.

Los reflejos fuera de foco reales adoptan la forma de la apertura del objetivo y se mantienen uniformes en todo el encuadre.

Comprobar las relaciones de escala

Los modelos no son fiables a la hora de mostrar el tamaño relativo de los objetos entre sí, y los errores pasan fácilmente desapercibidos porque el ojo percibe la composición como un todo.

Busca una puerta que sea un poco demasiado pequeña para la persona que pasa por ella, una taza de café con capacidad para un litro, un coche cuyas ruedas no encajen con la carrocería, muebles de unas dimensiones tales que no cabrían un ser humano. Esto resulta especialmente eficaz precisamente en las imágenes de interiores y calles, donde tu instinto es más débil.

Busca texturas que se repitan

Las superficies reales son irregulares a cualquier escala. Las paredes de ladrillo tienen ladrillos dañados, en las multitudes hay personas que miran en direcciones extrañas y el follaje tiene ramas rotas.

Las texturas generadas suelen repetirse sutilmente, así que revisa cualquier superficie grande que se repita para ver si aparece dos veces el mismo defecto o si hay una cara idéntica en dos lugares distintos dentro de una multitud. Amplía la imagen del fondo en lugar de la del sujeto, ya que es ahí donde el modelo ha dedicado menos esfuerzo.

Fíjate en los bordes y las uniones

Es en el punto de encuentro entre dos elementos donde el estilo se vuelve descuidado: el pelo contra el fondo, las joyas contra la piel, la montura de las gafas cruzando el rostro, una correa que desaparece tras un hombro y reaparece en el lugar equivocado.

Sigue cualquier objeto lineal que pase por detrás de otro y comprueba que sale justo donde la geometría indica que debería. Las correas, las barandillas, los cables eléctricos y los postes de las vallas son todos buenos ejemplos.

Tercera etapa: pasarlo por un detector

La verdad es que los niveles uno y dos te dejarán con dudas la mayor parte del tiempo, y esas dudas, al intentarlas resolver fijándote más en ellas, suelen resolverse en la dirección de lo que ya creías. Para eso sirve el software.

En Detector de imágenes AI Analiza la imagen en busca de características distintivas a nivel de píxeles y de frecuencia, en lugar de hacerlo a nivel del contenido visible, y es precisamente por eso por lo que no comparte tu punto ciego. No tiene ninguna aptitud especial para los rostros ni ninguna debilidad concreta con los paisajes.

Un aparcamiento plantea el mismo problema que un retrato. Teniendo en cuenta que los estudios demuestran que tu propia precisión varía enormemente según el tema, contar con una segunda opinión que no se vea influida por el tema tiene más valor de lo que parece.

Consejos prácticos para utilizar correctamente cualquier pozo detector:

• Proporciónale la versión de mayor calidad que puedas encontrar. Una compresión excesiva destruye la información de frecuencias altas de la que dependen los detectores, por lo que una captura de pantalla de otra captura de pantalla es la peor fuente de datos posible.
• Considera la puntuación como un indicio y no como un veredicto, sobre todo cuando se sitúe en la zona media. Una puntuación muy alta o muy baja es reveladora. Una puntuación cercana al punto medio significa que hay que analizarla con más detenimiento, no que haya que decidirlo al azar.
• Analiza todas las capas conjuntamente. La ausencia de una credencial de procedencia, sumada a una inconsistencia en la sombra y a una puntuación alta del detector, constituye una conclusión. Cualquiera de estos tres factores por sí solo es motivo de sospecha.
• Recuerda que una edición excesiva de una foto real puede mejorar una imagen auténtica, del mismo modo que un procesamiento excesivo complica la detección de audio. La fotografía comercial retocada es el riesgo más habitual de falsos positivos.

Si la imagen procede de un vídeo, extrae un fotograma nítido o utiliza el Detector de vídeo con IA En cambio, ya que es capaz de interpretar las señales de movimiento y de coherencia temporal que un solo fotograma descarta.

Y cuando llega una imagen adjunta a un mensaje de voz o a una llamada de vídeo, la Detector de voz AI abarca la otra mitad de ese patrón fraudulento.

Una guía por tipo de imagen

Cada categoría presenta fallos distintos, así que aquí te indicamos dónde debes buscar primero en función de lo que tengas entre manos.

Tipo de imagen	Comprueba esto primero	Avería más habitual
Retrato	Reflejos en ambos ojos, luego en las orejas y en las joyas	Reflejos desiguales en los ojos y pendientes asimétricos
Foto del producto	Punto de contacto de la sombra donde el objeto entra en contacto con la superficie	El objeto parece flotar, o la forma de la sombra no coincide con él
Interior o inmueble	Líneas rectas y dimensiones de puertas, enchufes y encimeras	Geometría que no encaja y muebles a una escala imposible
Calzada o paisaje	Texturas repetidas, texto de señalización, arquitectura en la lejanía	Follaje en mosaico y edificios cuyas ventanas no están alineadas
Multitud o evento	Rostros duplicados, recuento de extremidades en los bordes	La misma persona aparece dos veces y hay cuerpos fusionados al fondo
Documento o recibo	Coherencia tipográfica, alineación, aritmética	Totales que no cuadran y fuentes diferentes en una misma línea
Noticias o lugar de un desastre	Primero la procedencia, luego la dirección de la sombra	No hay ninguna acreditación, y la iluminación no concuerda con la hora del día indicada.
Captura de pantalla de un chat	Marcas de tiempo, bordes de los avatares, espaciado de los elementos de la interfaz de usuario	Detalles de la interfaz que no coinciden con la versión real de la aplicación

Preguntas frecuentes

Reflexiones finales

La conclusión inquietante que se esconde tras todo esto no es que las imágenes generadas por IA hayan mejorado, sino que la gente tiene confianza en sí misma casi exactamente en la misma medida en que se equivoca.

El 60 % de los participantes en una prueba a gran escala se mostraron seguros de su juicio, mientras que solo una décima parte del 1 % de ellos se había ganado realmente esa certeza. Si te quedas con algo de este artículo, que sea el escepticismo hacia tu propia certeza, más que una nueva lista de trucos visuales.

La versión práctica es breve. Comprueba primero la procedencia, porque, en el caso de una proporción cada vez mayor de imágenes, te da una respuesta real en cuestión de segundos y casi nadie se molesta en hacerlo. A continuación, fíjate más en la física que en la anatomía, porque las sombras, los reflejos, los planos focales y la escala son elementos estructuralmente difíciles de identificar, algo que nunca ha sido el caso de los dedos.

A continuación, pásala por un detector, sobre todo cuando la imagen sea un paisaje, una fotografía de producto, un interior o un documento, que son las categorías en las que tu propio criterio no sirve prácticamente de nada y en las que te sentirás más seguro precisamente porque no hay ningún rostro que te preocupe.

El etiquetado se está convirtiendo en ley, la información sobre la procedencia se está integrando en los navegadores y el volumen de imágenes sintéticas no deja de aumentar. Nada de eso elimina la necesidad de verificar. Simplemente significa que la verificación se está convirtiendo en algo habitual, en lugar de algo propio de la paranoia.

La próxima vez que una imagen te haga detenerte a pensar, dedícale diez segundos como es debido. Busca algún detalle revelador, sigue las sombras y añádela a nuestro Detector de imágenes AI para resolverlo.