¿Cómo saber si una imagen fue hecha con IA?

No existe un método infalible para identificar imágenes generadas con inteligencia artificial. Los verificadores profesionales combinan la búsqueda inversa, el análisis de detalles visuales, la evaluación de la plausibilidad de la escena y la revisión de fuentes confiables. Los detectores automáticos pueden ayudar, pero sus resultados no constituyen una prueba definitiva. También es posible consultar marcas de agua y credenciales de contenido para conocer el origen de ciertos archivos, aunque estas herramientas solo funcionan con contenido que incorpora esas señales.

Lo esencial en tres puntos

• Un experimento del AI for Good Lab de Microsoft, realizado con más de 12.500 personas, registró un 62% de aciertos al distinguir fotografías reales de imágenes generadas con inteligencia artificial. Sus autores describieron el resultado como una capacidad modesta, apenas superior al azar.
  
• Full Fact, organización británica de verificación, combina la búsqueda inversa, el análisis de plausibilidad y la detección de inconsistencias. No utiliza habitualmente detectores en línea porque no los ha encontrado suficientemente confiables.
  
• Las marcas de agua y las credenciales de contenido permiten consultar el origen de determinados archivos, pero solo funcionan cuando incorporan estas señales, que además pueden eliminarse.

¿Qué tan bien distinguimos una foto real de una imagen generada con IA?

Microsoft estudió esta capacidad mediante Real or Not Quiz, un juego en línea en el que cada participante observaba 15 imágenes y debía decidir si eran fotografías reales o contenido generado con inteligencia artificial.

Según el estudio del AI for Good Lab de Microsoft, las imágenes reales correspondían a 350 fotografías libres de derechos, mientras que las generadas sumaban cerca de 700. Estas últimas fueron creadas con DALL-E 3, Stable Diffusion 3, Stable Diffusion XL, incluidas versiones de inpainting, Amazon Titan v1 y Midjourney v6. El experimento también incorporó rostros producidos mediante redes generativas antagónicas (GAN).

El análisis reunió cerca de 287.000 evaluaciones de más de 12.500 participantes y registró un 62% de aciertos. Al considerar únicamente las imágenes generadas, la tasa aumentó al 63%.

Los resultados tienen un contexto importante. Corresponden a personas que participaron entre el 1 y el 8 de agosto de 2024. Los propios investigadores advirtieron que, debido a la rápida evolución de los generadores de imágenes, sus resultados probablemente sobrestiman la capacidad actual de las personas para distinguir fotografías reales de imágenes sintéticas.

Los participantes obtuvieron mejores resultados con imágenes de personas y tuvieron mayores dificultades con paisajes naturales y urbanos. Los autores sugieren que esta diferencia podría relacionarse con la capacidad humana para reconocer rostros.

Solo dos sistemas de generación registraron una tasa de acierto inferior al 50%: los rostros creados con GAN y las imágenes producidas mediante inpainting. Esta última técnica permite reemplazar un elemento de una fotografía por otro generado con inteligencia artificial, manteniendo el resto de la imagen compuesto mayoritariamente por píxeles reales.

El estudio también identificó un resultado inesperado. De las más de mil imágenes utilizadas en el juego, solo tres tuvieron una tasa de acierto inferior al 20%, y todas eran fotografías reales. La más difícil de identificar alcanzó apenas un 12,6% de aciertos y mostraba a tropas estadounidenses en Afganistán. Según los investigadores, la iluminación, los colores y las aspas del helicóptero aparentemente congeladas por la velocidad del obturador hacían que la fotografía resultara particularmente difícil de evaluar.

¿Qué advierten los especialistas chilenos?

En una guía publicada el 29 de octubre de 2026, La Tercera consultó a especialistas sobre cómo detectar imágenes falsas creadas con inteligencia artificial. Entre los entrevistados estuvieron David Araya, de la Universidad Andrés Bello (UNAB); Carlos Franco, de la Universidad Adolfo Ibáñez; y Germán Gómez, de la Universidad del Desarrollo.

Los tres recomendaron utilizar Google Lens para realizar búsquedas inversas. Araya, a partir de los resultados del estudio de Microsoft, sostuvo que “la detección a simple vista no es confiable” y planteó que, si después de verificar una imagen persisten las dudas, lo responsable es no compartirla como si correspondiera a un hecho confirmado.

¿Qué conviene revisar en una imagen sospechosa?

Los verificadores suelen comenzar por investigar el origen de una imagen y luego examinan sus características visuales. Full Fact describe un método que combina el análisis del contenido, la búsqueda inversa, la evaluación de la plausibilidad y la identificación de inconsistencias. El medio argentino Chequeado también publicó una guía para identificar imágenes creadas con IA.

• Buscar el origen de la imagen. Si circula sin crédito de fotógrafo o agencia, conviene investigar su procedencia mediante Google, TinEye u otro buscador inverso. Esto permite comprobar si fue publicada anteriormente y si existen fuentes confiables que respalden su autenticidad.
  
• Examinar los detalles de las personas. Manos, ojos, orejas, dientes y cabello son algunas de las zonas que pueden presentar errores. Full Fact también recomienda observar dedos, brazos y pies para detectar partes ausentes, excesivas o anatómicamente inconsistentes.
  
• Revisar los textos y las proporciones. Si aparecen carteles o palabras en segundo plano, conviene comprobar que sean legibles y correspondan al lugar donde supuestamente ocurrió la escena. También es útil observar si las dimensiones de las personas y los objetos son coherentes.
  
• Comprobar la plausibilidad de la escena. Si la imagen muestra un acontecimiento de actualidad, es importante contrastarlo con medios confiables. Una escena incompatible con la fecha, el lugar o las circunstancias descritas puede ser una señal de manipulación.

Estas señales no son definitivas y pueden perder efectividad a medida que avanza la tecnología. Chequeado ya advertía en 2023 que era esperable que los generadores redujeran sus errores técnicos. Full Fact también reconoce que, en algunos casos, solo puede calificar una imagen como “probablemente” o “casi seguro” generada con IA, porque no siempre es posible descartar que se trate de una fotografía real modificada.

Full Fact agrega que algunas herramientas incorporan marcas de agua visibles, aunque estas pueden recortarse antes de compartir una imagen.

Para realizar búsquedas inversas también existen extensiones como InVID, desarrollada por AFP Medialab en proyectos de investigación financiados por la Unión Europea. La herramienta permite realizar búsquedas inversas de imágenes en distintas plataformas.

¿Sirven los detectores automáticos de imágenes con IA?

Las evaluaciones sobre la confiabilidad de los detectores automáticos presentan diferencias. Full Fact explica que existen herramientas en línea que prometen determinar con certeza si un contenido fue generado con inteligencia artificial, pero señala que no las ha encontrado suficientemente confiables y que no las utiliza de manera rutinaria. Chequeado, por su parte, advertía en 2023 que ninguna herramienta era infalible.

Microsoft informa que el detector que desarrolla supera el 95% de acierto en sus pruebas. Sus investigadores también sostienen que muchos sistemas de detección obtienen mejores resultados que las personas, aunque advierten que estas herramientas pueden equivocarse.

Por eso, el resultado de un detector debe interpretarse como un indicio que necesita contrastarse con otras evidencias. Una puntuación elevada no demuestra por sí sola que una imagen sea sintética, del mismo modo que una puntuación baja no garantiza que sea auténtica.

¿Qué es la procedencia de una imagen y por qué importa?

Además del análisis visual, existen herramientas que permiten consultar información sobre el origen de determinados archivos. Entre ellas están SynthID, la tecnología de marca de agua digital de Google, y las credenciales de contenido basadas en el estándar de la Coalición para la Procedencia y Autenticidad del Contenido (C2PA).

SynthID incorpora señales imperceptibles en contenido generado con inteligencia artificial, mientras que las credenciales de contenido permiten consultar información sobre la procedencia y el historial de un archivo cuando este cuenta con los metadatos correspondientes.

El 7 de octubre de 2026, Google anunció la disponibilidad global de SynthID Detector en inglés. Según la compañía, la herramienta permite comprobar si una imagen, un video o un audio fue creado con IA de Google o de socios como OpenAI, NVIDIA y Kakao, con una futura incorporación de Apple.

Google también informó que sus mecanismos de verificación integrados en Search, la aplicación Gemini y Chrome atienden más de un millón de solicitudes diarias, y que ha marcado más de 180.000 millones de imágenes y videos.

El 19 de mayo de 2026, OpenAI informó sobre sus avances en la procedencia del contenido. La empresa señaló que sus imágenes incorporaban información compatible con C2PA y que había agregado marcas de agua SynthID mediante una colaboración con Google. También presentó un avance de una herramienta pública para verificar si una imagen subida fue generada en ChatGPT, la API de OpenAI o Codex.

La compañía aclara que, si su herramienta no detecta metadatos ni marcas de agua, no puede extraer una conclusión definitiva, ya que esas señales pueden eliminarse o no estar presentes en el archivo analizado.

Full Fact relató un caso concreto relacionado con una imagen viral que mostraba a hombres enmascarados con hachas dentro de un hospital. Al realizar una búsqueda inversa en Google, la sección de información adicional indicó que había sido generada con IA de Google. Sin embargo, según explicó Full Fact, Google aclaró que la presencia de esa marca no permite determinar si la inteligencia artificial creó una imagen completamente nueva o modificó una fotografía existente.

¿Qué cambia para quienes publican en redes sociales o manejan marcas?

En noviembre de 2025, Google informó que las imágenes generadas con Nano Banana Pro en la aplicación Gemini, Vertex AI y Google Ads incluirían metadatos C2PA.

Junto con los avances anunciados por OpenAI, estas medidas muestran que algunas imágenes producidas mediante herramientas de inteligencia artificial pueden incorporar credenciales o marcas de origen que no son visibles a simple vista. Su presencia puede facilitar la verificación, aunque su ausencia no permite confirmar que una imagen sea real.

El debate sobre qué tareas delegar en la inteligencia artificial y cuáles deben seguir bajo criterio humano también se relaciona con la verificación de contenidos. En ¿Todo lo que podemos automatizar con IA deberíamos automatizarlo?, Agencia Digital aborda los desafíos de incorporar estas tecnologías en los procesos de trabajo.

Mientras las herramientas de generación siguen avanzando, como ocurre con Magnific One y la dirección de arte con inteligencia artificial, la revisión de los contenidos publicados continúa requiriendo criterio editorial, contraste de fuentes y evaluación de contexto.

¿Qué hacer antes de compartir una imagen?

A partir de las recomendaciones de los verificadores, es posible establecer una secuencia de revisión para reducir el riesgo de difundir imágenes falsas o descontextualizadas.

1. Buscar la fuente original y comprobar si existe un crédito de fotógrafo, agencia o institución.
   
2. Realizar una búsqueda inversa para identificar publicaciones anteriores y conocer el contexto en que circuló la imagen.
   
3. Examinar los detalles visuales y evaluar si la escena resulta plausible.
   
4. Contrastar el acontecimiento con medios confiables y organizaciones de verificación.
   
5. Consultar las señales de procedencia, como marcas de agua o credenciales de contenido, cuando estén disponibles.

Full Fact aconseja detenerse y observar con mayor atención las imágenes llamativas antes de compartirlas. Chequeado, en tanto, recuerda que la desinformación suele apelar a las emociones por encima de la razón.

Para seguir explorando los desafíos de la inteligencia artificial y las nuevas tecnologías, revisa los contenidos de Academia Digital y la sección de Tendencias de Agencia Digital.

Preguntas frecuentes sobre imágenes hechas con IA

¿Se puede saber a simple vista si una imagen fue creada con IA?

No de manera completamente confiable. En el experimento de Microsoft, los participantes acertaron un 62% de las veces. Los propios investigadores advirtieron que este resultado probablemente sobrestima la capacidad actual de las personas para distinguir imágenes reales de contenido generado artificialmente.

¿Los detectores de imágenes con IA son confiables?

Su desempeño depende de la herramienta y de las condiciones de evaluación. Full Fact no los ha encontrado suficientemente confiables para utilizarlos de manera rutinaria, mientras que Microsoft informa una tasa de acierto superior al 95% en las pruebas de su detector en desarrollo. En cualquier caso, estas herramientas pueden equivocarse y sus resultados deben contrastarse con otras evidencias.

¿Qué son SynthID y las credenciales de contenido?

SynthID es una tecnología de Google que incorpora señales imperceptibles en contenido generado con inteligencia artificial. Las credenciales de contenido, basadas en el estándar C2PA, permiten consultar información sobre el origen y el historial de un archivo cuando este incluye los metadatos correspondientes.

¿Qué significa que una imagen no tenga marca de agua ni credenciales?

La ausencia de estas señales no demuestra que una imagen sea auténtica. Los metadatos y las marcas de agua pueden no haberse incorporado o haber sido eliminados durante la edición o distribución del archivo. Por eso, conviene complementar la revisión con una búsqueda inversa, el análisis visual y la consulta de fuentes confiables.

La mejor forma de evaluar una imagen sospechosa es combinar distintas herramientas y comprobar su contexto antes de compartirla. Ningún detalle visual ni detector automático permite establecer por sí solo su autenticidad en todos los casos.