Cómo comprobar si una imagen fue generada por IA: qué pueden ver los detectores y qué se les escapa

La detección de imágenes no funciona reconociendo objetos ni contando dedos de más. Analiza la estructura estadística de bajo nivel: la distribución del ruido, los artefactos de frecuencia y las huellas que deja el proceso de escalado (upsampling) de un generador. Estas señales son invisibles para el ojo humano y sobreviven a ediciones leves, lo que explica que un detector pueda marcar como sospechosa una imagen que parece del todo normal, y también que pase por alto una que a simple vista resulta obviamente sintética.

La causa más frecuente de un resultado poco fiable es que el archivo haya pasado por una recompresión. Una captura de una captura, una imagen guardada desde una app de mensajería o una foto recodificada por una red social tienen justamente esa estructura de bajo nivel —de la que dependen los detectores— parcialmente sobrescrita. Analiza siempre el original de mayor calidad disponible. Si lo único que tienes es una miniatura descargada, la respuesta honesta es que ese archivo no se puede evaluar.

Formatos habituales como JPG, PNG y WebP conservan cantidades distintas de señal utilizable. Los formatos sin pérdida retienen más; una compresión JPEG agresiva elimina más. La resolución importa por la misma razón: una imagen pequeña contiene menos evidencia estadística. Por eso la misma foto puede arrojar resultados distintos según su tamaño, lo cual no es inconsistencia del detector, sino una diferencia real en la cantidad de evidencia que contiene cada archivo.

Los detectores y las personas fallan de formas distintas, lo que los vuelve útiles en conjunto. Las personas son buenas detectando imposibilidades semánticas: texto que se disuelve en formas, reflejos que no coinciden entre sí, joyas que se funden con la piel, sombras que caen en direcciones incompatibles. Los detectores son buenos captando residuos estadísticos que ningún observador nota. Aplicar ambos métodos y tratar cualquier desacuerdo entre ellos como motivo para seguir investigando es mucho más fiable que confiar en uno solo.

Cuando existe, la evidencia de procedencia pesa más que cualquier puntuación. Dónde apareció el archivo por primera vez, quién lo publicó, si quien lo subió tiene un historial, si hay una versión anterior en otro lugar, si sobreviven los metadatos incrustados. Una búsqueda inversa de imágenes que encuentra la foto publicada dos años antes zanja la cuestión como ningún porcentaje puede hacerlo. La detección es más valiosa precisamente cuando no hay procedencia disponible, que es también cuando debe presentarse acompañada de su incertidumbre.

Si un juicio se va a compartir o a usar como base para actuar, registra qué probaste y qué encontraste: la versión del archivo, su resolución y formato, la puntuación obtenida, las anomalías visuales observadas y cualquier evidencia de procedencia. Herramientas como NotGPT devuelven una probabilidad para una imagen subida, y mantener un historial breve de las comprobaciones hace que los resultados sean comparables con el tiempo. Una conclusión que deja constancia de su propia base puede revisarse después; un simple porcentaje suelto en un mensaje de chat no.