- \n
- La precisi\u00f3n humana al interpretar im\u00e1genes generadas por IA oscila entre el 49 % y el 62 %, seg\u00fan 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.<\/li>\n<\/ul>\n\n\n\n
<\/p>\n\n\n\n
- \n
- Se te da mejor detectar rostros falsos y peor detectar paisajes, objetos y escenas callejeras falsas. Casi todos los consejos m\u00e1s comunes se centran en los rostros, que es precisamente la categor\u00eda que ya dominas bien.<\/li>\n<\/ul>\n\n\n\n
<\/p>\n\n\n\n
- \n
- Comprueba la procedencia antes de fijarte en los p\u00edxeles. Desde mayo de 2026, todas las im\u00e1genes de ChatGPT incluyen tanto una credencial C2PA como una marca de agua SynthID, y Google est\u00e1 incorporando funciones de detecci\u00f3n en Search y Chrome.<\/li>\n<\/ul>\n\n\n\n
<\/p>\n\n\n\n
- \n
- La ausencia de procedencia no prueba nada. Las capturas de pantalla y la mayor\u00eda de las redes sociales eliminan los metadatos C2PA, por lo que la falta de una credencial no es prueba de nada en ning\u00fan sentido.<\/li>\n<\/ul>\n\n\n\n
<\/p>\n\n\n\n
- \n
- Los indicios que siguen siendo v\u00e1lidos tienen que ver con la f\u00edsica, no con la anatom\u00eda. La direcci\u00f3n de las sombras, los reflejos, la profundidad de campo y las relaciones de escala son mucho m\u00e1s dif\u00edciles de mantener coherentes para un modelo que una mano.<\/li>\n<\/ul>\n\n\n\n
<\/p>\n\n\n\n
- \n
- Cuando el examen ocular no es concluyente, lo cual ocurre a menudo, el Detector de im\u00e1genes AI<\/a> te da el resultado en segundos y no le importa si el motivo es una cara o un aparcamiento.<\/li>\n<\/ul>\n\n\n\n
<\/p>\n\n\n\n
\n\n\n\n\u00bfPor qu\u00e9 se ha complicado tanto tan r\u00e1pido?<\/strong><\/h2>\n\n\n\n
La curva de mejora visible es tan pronunciada que cualquiera que haya desarrollado su intuici\u00f3n en 2023 est\u00e1 trabajando con algo que ya parece una pieza de museo. Si comparamos lo que generaba DALL-E 2 con la misma indicaci\u00f3n en 2022 con lo que ofrecen los modelos actuales, apenas parece que pertenezcan al mismo medio.<\/p>\n\n\n\n
El Informe Internacional sobre Seguridad de la IA se\u00f1alaba en 2026 que el contenido generado por la IA se ha vuelto cada vez m\u00e1s dif\u00edcil de distinguir del contenido real en todos los formatos, y la calidad de la imagen es el ejemplo m\u00e1s claro de ello.<\/p>\n\n\n\n
Ocurrieron dos cosas a la vez. Los modelos mejoraron en la detecci\u00f3n de los artefactos espec\u00edficos que todo el mundo hab\u00eda aprendido a identificar, ya que esos artefactos eran los motivos de queja m\u00e1s frecuentes y, por lo tanto, los primeros objetivos. Y la est\u00e9tica cambi\u00f3. El primer indicio fue que las im\u00e1genes generadas por IA parec\u00edan demasiado bueno<\/em>, con ese aspecto retocado, sobreexpuesto y ligeramente artificial.<\/p>\n\n\n\n
Los modelos actuales no tienen ning\u00fan problema en generar im\u00e1genes que parecen una foto mediocre tomada con el m\u00f3vil, 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.<\/p>\n\n\n\n
Tambi\u00e9n conviene ser franco sobre lo que indican las cifras en lo que respecta a las herramientas de detecci\u00f3n frente a las personas. Los detectores autom\u00e1ticos alcanzan una precisi\u00f3n 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.<\/p>\n\n\n\n
Incluso tras ese baj\u00f3n, ni de lejos se le acerca. Una herramienta que tenga un d\u00eda mediocre sigue rindiendo mejor que un humano prudente que tenga un buen d\u00eda.<\/p>\n\n\n\n
Las se\u00f1ales que dejaron de funcionar<\/strong><\/h2>\n\n\n\n
Antes de pasar a las se\u00f1ales \u00fatiles, conviene descartar aquellas que a\u00fan circulan y que ahora te pueden inducir a error de forma deliberada. Cada uno de los elementos que se enumeran a continuaci\u00f3n fue realmente fiable en alg\u00fan momento. Sin embargo, ninguno de ellos constituye hoy en d\u00eda una base segura para emitir un juicio.<\/p>\n\n\n\n
Vieja leyenda<\/strong><\/th> Por qu\u00e9 funcion\u00f3<\/strong><\/th> Situaci\u00f3n en 2026<\/strong><\/th><\/tr><\/thead> Cuenta los dedos<\/strong><\/td> Los primeros modelos de difusi\u00f3n no ten\u00edan en cuenta la estructura de la mano y sol\u00edan generar seis o siete dedos de forma habitual<\/td> Pr\u00e1cticamente obsoleto. Los modelos actuales representan las manos correctamente la gran mayor\u00eda de las veces.<\/td><\/tr> Busca texto ilegible<\/strong><\/td> Los carteles, los lomos de los libros y las etiquetas se ve\u00edan como ruido con forma de letras<\/td> Pr\u00e1cticamente en desuso para textos breves. Sigue siendo algo \u00fatil para p\u00e1rrafos densos y escrituras poco habituales.<\/td><\/tr> Parece demasiado pulido<\/strong><\/td> Las primeras tiradas presentaban un brillo uniforme y una capa exterior imposible de conseguir.<\/td> Se ha invertido la tendencia. Ahora, si se solicita, las modelos imitan la fotograf\u00eda amateur, el grano y la mala iluminaci\u00f3n.<\/td><\/tr> Revisa los dientes y las orejas<\/strong><\/td> Las estructuras repetitivas de gran precisi\u00f3n confundieron a los primeros modelos<\/td> Est\u00e1 pr\u00e1cticamente resuelto y se centra en los rostros, que es precisamente donde ya obtienes los mejores resultados.<\/td><\/tr> Marca de agua en la esquina<\/strong><\/td> Algunos generadores presentaban marcas visibles<\/td> Recortadas de forma insignificante o ausentes. Su ausencia no significa nada.<\/td><\/tr> La b\u00fasqueda inversa de im\u00e1genes no encuentra nada<\/strong><\/td> Las fotos reales suelen dejar rastro en Internet<\/td> Qu\u00e9 flojo. Las fotos privadas de verdad tampoco dejan rastro, y ahora tambi\u00e9n se indexan las im\u00e1genes generadas.<\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n El rasgo com\u00fan que une a los seis es que describen fallos de capacidad<\/em> en lugar de fallos estructurales. Un fallo de capacidad es algo en lo que el modelo ten\u00eda dificultades y que se pod\u00eda corregir mediante el entrenamiento, y todos y cada uno de estos fallos se corrigieron mediante el entrenamiento.<\/p>\n\n\n\n
Las se\u00f1ales que vale la pena conocer son aquellas que se basan en el funcionamiento de estos sistemas, m\u00e1s que en aquello en lo que resultaron fallar durante un a\u00f1o concreto, y hablar\u00e9 de ellas en breve.<\/p>\n\n\n\n
El punto ciego del que nadie habla<\/strong><\/h2>\n\n\n\n
Esta es la parte que m\u00e1s me ha sorprendido, y cambia lo que realmente deber\u00edas considerar sospechoso.<\/p>\n\n\n\n
Cuando los investigadores desglosan la precisi\u00f3n de la detecci\u00f3n humana por tema, se observa un patr\u00f3n constante. En un an\u00e1lisis de unas 287 000 evaluaciones de im\u00e1genes realizadas por m\u00e1s de 12 500 participantes, la precisi\u00f3n global se situ\u00f3 en torno al 62 por ciento, pero el rendimiento fue da mejores resultados en retratos y notablemente peores en paisajes y escenas urbanas<\/strong>.<\/p>\n\n\n\n
Otros estudios han observado el mismo patr\u00f3n, con una mayor precisi\u00f3n en las im\u00e1genes en las que aparecen personas y una menor precisi\u00f3n en las de objetos y paisajes.<\/p>\n\n\n\n
La explicaci\u00f3n no tiene nada de misterioso. Los seres humanos contamos con un sistema neuronal espec\u00edfico para el procesamiento de rostros y llevamos a\u00f1os practicando su uso. Te das cuenta cuando hay algo que no cuadra en un rostro, aunque no seas capaz de explicar exactamente qu\u00e9 es. Sin embargo, no tienes un instinto equivalente para saber si el muelle de carga de un almac\u00e9n tiene el aspecto correcto.<\/p>\n\n\n\n
Ahora compara eso con los consejos que todo el mundo da. Cuenta los dedos. F\u00edjate en los ojos. F\u00edjate en los dientes, las orejas y la l\u00ednea del cabello.<\/p>\n\n\n\n
Cada uno de esos puntos a los que te enfrentas corresponde a la categor\u00eda en la que tu criterio propio ya es m\u00e1s s\u00f3lido y en la que la mejora del modelo ha sido m\u00e1s notable. Por el contrario, las categor\u00edas en las que tu percepci\u00f3n es pr\u00e1cticamente nula no reciben ninguna atenci\u00f3n.<\/p>\n\n\n\n
Lo que significa que las im\u00e1genes que debes considerar con mayor recelo son precisamente las menos impactantes:<\/p>\n\n\n\n
- \n
- Fotograf\u00edas de productos. Un \u00fanico objeto sobre un fondo liso apenas ofrece elementos de referencia y es muy f\u00e1cil de crear.<\/li>\n\n\n\n
- Interiores vac\u00edos. Habitaciones, oficinas, salones de restaurantes, anuncios de pisos. Ning\u00fan rostro que despierte tus instintos y una geometr\u00eda compleja que tu vista no puede verificar.<\/li>\n\n\n\n
- Calles y paisajes. Precisamente la categor\u00eda en la que, seg\u00fan los estudios, la gente tiene m\u00e1s dificultades, y precisamente la que se utiliza para fingir ubicaciones y crear escenas de noticias falsas.<\/li>\n\n\n\n
- 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.<\/li>\n\n\n\n
- Multitudes y fotos tomadas desde lejos. Los rostros son demasiado peque\u00f1os para activar el procesamiento facial, por lo que tu mejor herramienta nunca se activa.<\/li>\n<\/ul>\n\n\n\n
Un retrato generado de una persona que no existe es el tipo de caso para el que est\u00e1s 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 tambi\u00e9n es la que tiene m\u00e1s probabilidades de causar un da\u00f1o real.<\/p>\n\n\n\n
Primer paso: comprueba la procedencia antes de comprobar los p\u00edxeles<\/strong><\/h2>\n\n\n\n
Casi nadie hace esto, y ahora es la respuesta m\u00e1s r\u00e1pida disponible para una proporci\u00f3n cada vez mayor de im\u00e1genes. El sector ha dedicado los \u00faltimos dos a\u00f1os a desarrollar un sistema que etiqueta el contenido generado en el momento de su creaci\u00f3n y, a partir de 2026, abarcar\u00e1 una parte significativa de lo que te encuentras.<\/p>\n\n\n\n
En qu\u00e9 consisten ambos sistemas<\/strong><\/h3>\n\n\n\n
Existen dos mecanismos diferentes y se confunden constantemente entre s\u00ed.<\/p>\n\n\n\n
Las credenciales de contenido, basadas en el est\u00e1ndar C2PA, son metadatos firmados criptogr\u00e1ficamente que se adjuntan a un archivo. Registran el origen de una imagen, las herramientas con las que se ha manipulado y qui\u00e9n ha firmado esa afirmaci\u00f3n. Piensa en ello como una cadena de custodia, m\u00e1s que como una respuesta de \u00abs\u00ed\u00bb o \u00abno\u00bb.<\/p>\n\n\n\n
La especificaci\u00f3n alcanz\u00f3 la versi\u00f3n 2.3 en enero de 2026, y no se limita \u00fanicamente a la inteligencia artificial. Los fabricantes de c\u00e1maras y las agencias de noticias utilizan el mismo est\u00e1ndar para certificar que una fotograf\u00eda es aut\u00e9ntica, lo que podr\u00eda considerarse su uso m\u00e1s importante.<\/p>\n\n\n\n
SynthID es diferente. Se trata de una marca de agua imperceptible que Google DeepMind incrusta en los propios p\u00edxeles en el momento de la generaci\u00f3n, y que resiste el recorte, la recompresi\u00f3n y la recodificaci\u00f3n de baja calidad, a diferencia de lo que ocurre con los metadatos.<\/p>\n\n\n\n
Google informa de que se han marcado con esta tecnolog\u00eda m\u00e1s de 100 000 millones de archivos multimedia. La contrapartida es que apenas aporta informaci\u00f3n m\u00e1s all\u00e1 del hecho de que proceden de la IA, y su detecci\u00f3n requiere la infraestructura propia de Google, en lugar de una especificaci\u00f3n abierta.<\/p>\n\n\n\n
\u00bfQu\u00e9 cambi\u00f3 en 2026?<\/strong><\/h3>\n\n\n\n
Lo m\u00e1s relevante es que estos enfoques dejaron de ser rivales. En mayo de 2026, OpenAI y Google anunciaron un modelo conjunto en el que las im\u00e1genes generadas a trav\u00e9s de ChatGPT y la API de OpenAI llevan ambos<\/em> una credencial C2PA y una marca de agua SynthID.<\/p>\n\n\n\n
Dado que ChatGPT es el generador de im\u00e1genes para consumidores m\u00e1s grande en cuanto a n\u00famero de usuarios, una gran parte de las im\u00e1genes generadas por IA que se producen a diario cuentan ahora con dos se\u00f1ales de procedencia independientes. Kakao, ElevenLabs y Nvidia anunciaron su adopci\u00f3n ese mismo d\u00eda, y Google afirm\u00f3 que la detecci\u00f3n de C2PA y SynthID se incorporar\u00e1 directamente a Search y a Chrome.<\/p>\n\n\n\n
Regulation is moving in the same direction. The EU AI Act\u2019s Article 50 transparency and labeling obligations became binding on 2 August 2026, with penalties reaching into the tens of millions of euros. <\/p>\n\n\n\n
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.<\/p>\n\n\n\n
C\u00f3mo comprobarlo realmente<\/strong><\/h3>\n\n\n\n
- \n
- Abre la imagen en un visor de credenciales de contenido. La Iniciativa para la Autenticidad del Contenido (Content Authenticity Initiative) cuenta con una p\u00e1gina de verificaci\u00f3n p\u00fablica; existen extensiones para el navegador que lo hacen directamente en la p\u00e1gina, y OpenAI dispone de una herramienta de verificaci\u00f3n que comprueba tanto los manifiestos C2PA como el SynthID de una sola vez. Sube la imagen, lee el manifiesto y listo.<\/li>\n\n\n\n
- Lee lo que dice realmente el manifiesto. Una credencial puede indicar que una imagen se gener\u00f3, que fue capturada con una c\u00e1mara y posteriormente editada, o que se proces\u00f3 con una herramienta de edici\u00f3n concreta. Los casos interesantes suelen encontrarse en el historial de ediciones, m\u00e1s que en el campo de origen.<\/li>\n\n\n\n
- Considera que la falta de una credencial equivale a no tener ninguna informaci\u00f3n. Esta es la parte en la que la gente se equivoca constantemente.<\/li>\n<\/ol>\n\n\n\n
Este \u00faltimo punto merece especial atenci\u00f3n, ya que es ah\u00ed donde falla la verificaci\u00f3n de la procedencia. Los metadatos C2PA se pierden en las capturas de pantalla, en la mayor\u00eda de los transcodificadores de redes sociales y en cualquier flujo de trabajo de edici\u00f3n que no los conserve de forma deliberada.<\/p>\n\n\n\n
La mayor\u00eda de las im\u00e1genes que circulan por Internet no incluyen ni credenciales ni marcas de agua, y eso es lo habitual, m\u00e1s que una excepci\u00f3n. SynthID solo est\u00e1 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.<\/p>\n\n\n\n
Por lo tanto, un resultado de procedencia limpio constituye una prueba s\u00f3lida. Uno vac\u00edo no significa nada. Cualquiera que te diga que la ausencia de credenciales es motivo de sospecha ha invertido la l\u00f3gica.<\/p>\n\n\n\n
Segunda capa: los principios f\u00edsicos que siguen siendo v\u00e1lidos<\/strong><\/h2>\n\n\n\n
Cuando la procedencia no arroja ning\u00fan resultado, aqu\u00ed es donde hay que buscar. La raz\u00f3n por la que estos indicios perduran m\u00e1s que los anat\u00f3micos es de car\u00e1cter estructural.<\/p>\n\n\n\n
Un modelo generativo produce una imagen veros\u00edmil, no una simulaci\u00f3n de una escena. No cuenta con un modelo interno de una habitaci\u00f3n con una fuente de luz en su interior, por lo que mantener la coherencia global en todo el fotograma le resulta realmente dif\u00edcil, algo que nunca lo fue a la hora de dibujar una mano correctamente.<\/p>\n\n\n\n
Sigue la luz<\/strong><\/h3>\n\n\n\n
Selecciona todos los objetos del encuadre que proyecten una sombra y comprueba si las sombras coinciden en cuanto a la ubicaci\u00f3n de la luz. En exteriores solo hay un sol, por lo que las sombras deber\u00edan ser m\u00e1s o menos paralelas y tener una longitud coherente en relaci\u00f3n con la altura de los objetos. En interiores, la situaci\u00f3n es m\u00e1s compleja, pero sigue siendo manejable.<\/p>\n\n\n\n
Las im\u00e1genes 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.<\/p>\n\n\n\n
A continuaci\u00f3n, comprueba si la iluminaci\u00f3n del sujeto se ajusta al entorno. Una persona iluminada desde la parte delantera izquierda, situada en una escena cuyo fondo est\u00e1 iluminado desde la derecha, es uno de los errores m\u00e1s comunes en la creaci\u00f3n de im\u00e1genes compuestas, y una vez que empiezas a fijarte en ello, lo ves por todas partes.<\/p>\n\n\n\n
Examina todas las superficies reflectantes<\/strong><\/h3>\n\n\n\n
A un modelo le cuesta mucho conseguir que los reflejos queden bien, ya que requieren comprender la geometr\u00eda de toda la escena desde un segundo punto de vista.<\/p>\n\n\n\n
F\u00edjate en los espejos, las ventanas, los suelos brillantes, la pintura de los coches, el agua, las gafas de sol y las pantallas de los m\u00f3viles. Preg\u00fantate si lo que se refleja se corresponde con lo que realmente hay en la escena: en la posici\u00f3n correcta, a la escala adecuada y con la orientaci\u00f3n correcta.<\/p>\n\n\n\n
La prueba de los destellos en los ojos es mi comprobaci\u00f3n r\u00e1pida favorita en cualquier retrato. Esos peque\u00f1os puntos brillantes en los ojos de una persona son reflejos de las fuentes de luz. En una fotograf\u00eda real, ambos ojos muestran destellos en la misma posici\u00f3n, con la misma forma y en el mismo n\u00famero, ya que ambos ojos miran hacia las mismas luces.<\/p>\n\n\n\n
Los retratos generados suelen presentar reflejos en los ojos que no coinciden entre s\u00ed, 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.<\/p>\n\n\n\n
Comprueba el plano focal<\/strong><\/h3>\n\n\n\n
Las c\u00e1maras reales tienen un plano de enfoque. Todo lo que se encuentra a la misma distancia del objetivo aparece n\u00edtido al mismo tiempo, y el desenfoque aumenta de forma gradual a medida que aumenta la distancia respecto a ese plano.<\/p>\n\n\n\n
Las im\u00e1genes generadas suelen salir borrosas debido a importancia del objeto<\/em> en lugar de por la distancia, por lo que se puede observar que un elemento del fondo aparece n\u00edtido mientras que otro situado junto a \u00e9l, a la misma profundidad, aparece difuminado, o que un sujeto se ve n\u00edtido 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.<\/p>\n\n\n\n
Los reflejos fuera de foco reales adoptan la forma de la apertura del objetivo y se mantienen uniformes en todo el encuadre.<\/p>\n\n\n\n
Comprobar las relaciones de escala<\/strong><\/h3>\n\n\n\n
Los modelos no son fiables a la hora de mostrar el tama\u00f1o relativo de los objetos entre s\u00ed, y los errores pasan f\u00e1cilmente desapercibidos porque el ojo percibe la composici\u00f3n como un todo.<\/p>\n\n\n\n
Busca una puerta que sea un poco demasiado peque\u00f1a para la persona que pasa por ella, una taza de caf\u00e9 con capacidad para un litro, un coche cuyas ruedas no encajen con la carrocer\u00eda, muebles de unas dimensiones tales que no cabr\u00edan un ser humano. Esto resulta especialmente eficaz precisamente en las im\u00e1genes de interiores y calles, donde tu instinto es m\u00e1s d\u00e9bil.<\/p>\n\n\n\n
Busca texturas que se repitan<\/strong><\/h3>\n\n\n\n
Las superficies reales son irregulares a cualquier escala. Las paredes de ladrillo tienen ladrillos da\u00f1ados, en las multitudes hay personas que miran en direcciones extra\u00f1as y el follaje tiene ramas rotas.<\/p>\n\n\n\n
Las texturas generadas suelen repetirse sutilmente, as\u00ed que revisa cualquier superficie grande que se repita para ver si aparece dos veces el mismo defecto o si hay una cara id\u00e9ntica en dos lugares distintos dentro de una multitud. Ampl\u00eda la imagen del fondo en lugar de la del sujeto, ya que es ah\u00ed donde el modelo ha dedicado menos esfuerzo.<\/p>\n\n\n\n
F\u00edjate en los bordes y las uniones<\/strong><\/h3>\n\n\n\n
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.<\/p>\n\n\n\n
Sigue cualquier objeto lineal que pase por detr\u00e1s de otro y comprueba que sale justo donde la geometr\u00eda indica que deber\u00eda. Las correas, las barandillas, los cables el\u00e9ctricos y los postes de las vallas son todos buenos ejemplos.<\/p>\n\n\n\n
Tercera etapa: pasarlo por un detector<\/strong><\/h2>\n\n\n\n
La verdad es que los niveles uno y dos te dejar\u00e1n con dudas la mayor parte del tiempo, y esas dudas, al intentarlas resolver fij\u00e1ndote m\u00e1s en ellas, suelen resolverse en la direcci\u00f3n de lo que ya cre\u00edas. Para eso sirve el software.<\/p>\n\n\n\n
En Detector de im\u00e1genes AI<\/a> Analiza la imagen en busca de caracter\u00edsticas distintivas a nivel de p\u00edxeles 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.<\/p>\n\n\n\n
Un aparcamiento plantea el mismo problema que un retrato. Teniendo en cuenta que los estudios demuestran que tu propia precisi\u00f3n var\u00eda enormemente seg\u00fan el tema, contar con una segunda opini\u00f3n que no se vea influida por el tema tiene m\u00e1s valor de lo que parece.<\/p>\n\n\n\n
Consejos pr\u00e1cticos para utilizar correctamente cualquier pozo detector:<\/p>\n\n\n\n
- \n
- Proporci\u00f3nale la versi\u00f3n de mayor calidad que puedas encontrar. Una compresi\u00f3n excesiva destruye la informaci\u00f3n 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.<\/li>\n\n\n\n
- Considera la puntuaci\u00f3n como un indicio y no como un veredicto, sobre todo cuando se sit\u00fae en la zona media. Una puntuaci\u00f3n muy alta o muy baja es reveladora. Una puntuaci\u00f3n cercana al punto medio significa que hay que analizarla con m\u00e1s detenimiento, no que haya que decidirlo al azar.<\/li>\n\n\n\n
- Analiza todas las capas conjuntamente. La ausencia de una credencial de procedencia, sumada a una inconsistencia en la sombra y a una puntuaci\u00f3n alta del detector, constituye una conclusi\u00f3n. Cualquiera de estos tres factores por s\u00ed solo es motivo de sospecha.<\/li>\n\n\n\n
- Recuerda que una edici\u00f3n excesiva de una foto real puede mejorar una imagen aut\u00e9ntica, del mismo modo que un procesamiento excesivo complica la detecci\u00f3n de audio. La fotograf\u00eda comercial retocada es el riesgo m\u00e1s habitual de falsos positivos.<\/li>\n<\/ul>\n\n\n\n
![\"ai-video-detector-1024x424\"](\"https:\/\/undetectable.ai/blog\/wp-content\/uploads\/2026\/08\/ai-video-detector-1024x424-3.webp\" "\\"\\"")
<\/figure>\n<\/div>\n\n\nSi la imagen procede de un v\u00eddeo, extrae un fotograma n\u00edtido o utiliza el Detector de v\u00eddeo con IA<\/a> En cambio, ya que es capaz de interpretar las se\u00f1ales de movimiento y de coherencia temporal que un solo fotograma descarta.<\/p>\n\n\n
- Cuando el examen ocular no es concluyente, lo cual ocurre a menudo, el Detector de im\u00e1genes AI<\/a> te da el resultado en segundos y no le importa si el motivo es una cara o un aparcamiento.<\/li>\n<\/ul>\n\n\n\n
- Los indicios que siguen siendo v\u00e1lidos tienen que ver con la f\u00edsica, no con la anatom\u00eda. La direcci\u00f3n de las sombras, los reflejos, la profundidad de campo y las relaciones de escala son mucho m\u00e1s dif\u00edciles de mantener coherentes para un modelo que una mano.<\/li>\n<\/ul>\n\n\n\n
- La ausencia de procedencia no prueba nada. Las capturas de pantalla y la mayor\u00eda de las redes sociales eliminan los metadatos C2PA, por lo que la falta de una credencial no es prueba de nada en ning\u00fan sentido.<\/li>\n<\/ul>\n\n\n\n
- Comprueba la procedencia antes de fijarte en los p\u00edxeles. Desde mayo de 2026, todas las im\u00e1genes de ChatGPT incluyen tanto una credencial C2PA como una marca de agua SynthID, y Google est\u00e1 incorporando funciones de detecci\u00f3n en Search y Chrome.<\/li>\n<\/ul>\n\n\n\n
- Se te da mejor detectar rostros falsos y peor detectar paisajes, objetos y escenas callejeras falsas. Casi todos los consejos m\u00e1s comunes se centran en los rostros, que es precisamente la categor\u00eda que ya dominas bien.<\/li>\n<\/ul>\n\n\n\n
![\"indetectable-ais-ai-detector-de-voz-1024x459\"](\"https:\/\/undetectable.ai/blog\/wp-content\/uploads\/2026\/08\/undetectable-ais-ai-voice-detector-1024x459-3.webp\" "\\"\\"")
<\/figure>\n<\/div>\n\n\n