- Los detectores de imágenes de IA te dan una puntuación de probabilidad, no una prueba definitiva—combínalos con búsqueda inversa de imágenes y verificaciones visuales para mayor precisión.
- Busca manos antinaturales, texto ilegible, reflejos imposibles y detalles de joyería extraños, pero ten en cuenta que generadores más recientes como Midjourney y ChatGPT Images 2.5 corrigen muchas de estas señales.
- Usa Google Lens para rastrear una imagen hasta su fuente original y fecha de publicación—el contexto a menudo importa más que los píxeles.
- Content Credentials (C2PA) y la marca de agua SynthID de Google son estándares emergentes, pero solo funcionan cuando el creador o la plataforma los incorporan.
Un detector de imágenes de IA analiza una foto y devuelve una estimación de porcentaje de si fue hecha por un generador como Midjourney, DALL-E o Stable Diffusion. El número es una conjetura basada en patrones que el detector ha visto antes, no un veredicto forense. Un detector podría marcar una foto real como IA u omitir una imagen de IA por completo, especialmente una hecha con un modelo más nuevo que nunca ha estudiado.
Por eso ningún método único es suficiente. Para juzgar si una foto viral es generada por IA, combinas resultados del detector con búsquedas inversas de imágenes, verificaciones visuales rápidas y contexto de fuente. Esta guía te lleva a través de los cuatro enfoques para que puedas tomar una decisión informada sin un título en informática.
Qué hacen los detectores de imágenes de IA y por qué no son definitivos
Un detector de imágenes de IA es un software entrenado en miles de imágenes reales y generadas por IA. Aprende a reconocer huellas digitales estadísticas—artefactos de compresión, gradientes de color, patrones de textura—que los generadores tienden a dejar atrás. Cuando cargas una foto, el detector la compara con esos patrones aprendidos y produce una puntuación: «85% probable que sea generada por IA» o «20% de confianza».
El problema es doble. Primero, cada detector es solo tan bueno como su conjunto de entrenamiento. Si nunca ha visto imágenes de los generadores de imágenes de IA más recientes, se perderá sus señales. Segundo, las fotos reales pueden activar los mismos patrones estadísticos—la edición pesada, ciertos sensores de cámara y la compresión JPEG introducen artefactos que se ven «parecidos a IA» al algoritmo.
Eso significa que una puntuación alta es una bandera roja que vale la pena investigar, no un veredicto. Y una puntuación baja no prueba que la imagen sea real. Siempre trata los resultados del detector como un punto de datos en un cuadro más grande.
Pistas visuales que puedes verificar tú mismo
Antes de que los generadores de IA se volvieran convencionales, detectar un falso era sencillo: busca manos destrozadas, texto sin sentido y reflejos que desafían la física. Esas señales todavía son útiles, pero vienen con una ventana decreciente de confiabilidad.
Manos y dedos
Los primeros modelos de difusión tuvieron dificultades con las manos porque los dedos se superponen, se doblan y se acortan de formas que confunden el entrenamiento a nivel de píxeles. Verías seis dedos, nudillos fusionados o pulgares brotando de las muñecas. Para mediados de 2025, modelos como Midjourney v7 y ChatGPT Images 2.5 aprendieron a renderizar manos correctamente la mayoría de las veces. Una mano perfecta ya no prueba que la imagen sea real, y una mano rota ya no prueba que sea falsa—algunas fotos reales capturan dedos en movimiento u obstaculizados parcialmente.
Aún vale la pena verificar: amplía cualquier mano visible. Cuenta los dedos. Traza cada dedo hasta su base. Si la geometría está fuera o un dedo parece desaparecer en una manga sin un punto final claro, eso es un punto en contra de la autenticidad.
Texto y señalización
Los generadores solían producir texto garrapateado, tipo sopa de letras en tiendas, portadas de libros y camisetas porque tratan las letras como texturas visuales en lugar de lenguaje legible. Los modelos recientes han mejorado, pero el texto sigue siendo un punto débil. Busca:
- Palabras sin sentido que casi se ven reales («COFFAE» en lugar de «COFFEE»)
- Letras que cambian de estilo a mitad de palabra
- Líneas base curvas u ondulantes donde el texto debería estar recto
- Glifos repetidos en un patrón que no tiene sentido semántico
Si el texto es minúsculo, borroso o está en ángulo, incluso una foto real podría verse garrapateada. El contexto importa.
Reflejos y sombras
La física es difícil para los modelos de difusión. Una persona parada frente a un espejo debería aparecer en el reflejo con el mismo atuendo, postura e iluminación. Los generadores de IA a veces renderizan una postura diferente, intercambian colores de ropa u omiten el reflejo por completo. Las sombras deberían caer en una dirección consistente con la fuente de luz; las sombras generadas por IA a veces apuntan en múltiples direcciones o flotan desprendidas de sus objetos.
Verifica cualquier superficie de vidrio, charco o piso brillante. ¿Tiene el reflejo sentido físico? ¿Es la iluminación consistente en toda la escena?
Joyería y detalles finos
Los collares, pendientes y cadenas son otro punto problemático. Los generadores luchan con la geometría delgada y superpuesta. Podrías ver un cierre de collar que no se conecta a nada, pendientes que pasan por el lóbulo de la oreja en lugar de colgar de él, o eslabones de cadena que se fusionan en una masa sólida. Los dientes, las gafas y los mechones de cabello muestran problemas similares—busca transiciones que desafíen la anatomía u óptica.
Fondos y bordes
Las imágenes generadas por IA a veces muestran «derretimiento» en el límite entre sujeto y fondo. Un hombro podría mezclarse en el papel tapiz, o los mechones de cabello podrían fusionarse con el cielo. Esto sucede porque el mecanismo de atención del modelo difumina la distinción entre primer plano y contexto. Es sutil, pero ampliar los bordes puede revelarlo.
Los fondos en sí pueden ser demasiado perfectos—sin cables sueltos, sin desorden, todo dispuesto simétricamente de una manera que las habitaciones reales rara vez tienen. O pueden ser incoherentes: un estante donde cada lomo es sin sentido, un paisaje urbano donde los edificios tienen perspectivas imposibles.
Por qué estas pistas se están desvaneciendo
Cada señal enumerada anteriormente fue una bandera roja confiable en 2023 y principios de 2024. Para finales de 2025 e inicios de 2026, los generadores de primer nivel han cerrado la mayoría de estas brechas. Midjourney v7 renderiza manos anatómicamente correctas. ChatGPT Images 2.5 puede producir señalización legible. Flux y Stable Diffusion 4.0 manejan reflexiones y joyería fina mucho mejor que sus predecesores.
Eso no hace que las verificaciones visuales sean inútiles—las hace probabilísticas. Una mano rota sigue siendo evidencia. Una mano perfecta ya no es prueba de autenticidad. Necesitas más puntos de datos.
Content Credentials y SynthID: los estándares emergentes
Dos estándares técnicos apuntan a etiquetar imágenes generadas por IA en el momento de la creación, para que no tengas que adivinar después.
Content Credentials (C2PA)
Content Credentials es una especificación mantenida por la Coalition for Content Provenance and Authenticity (C2PA). Cuando una cámara, aplicación de edición o generador de IA admite C2PA, incrusta un manifiesto criptográficamente firmado en el archivo de imagen. Ese manifiesto registra la herramienta que lo creó, la fecha y si se hicieron ediciones. Adobe, Microsoft y Leica lo han adoptado; algunas cámaras Canon y Nikon se envían con soporte C2PA.
Para verificar una imagen en busca de Content Credentials, cárgala en un visor compatible o usa una extensión de navegador. Si el manifiesto está presente e íntegro, verás una cadena de proveniencia: «Creada por Adobe Firefly en 2026-10-12, sin ediciones». Si la imagen fue editada después de la creación, la cadena muestra cada paso.
La trampa: Content Credentials solo funciona si el creador los habilitó. La mayoría de los generadores de IA no incrustan C2PA por defecto. Las plataformas de redes sociales a menudo eliminan metadatos cuando cargas una foto, rompiendo la cadena. Y un actor malicioso simplemente puede captar una pantalla de una imagen de IA y volver a guardarla, eliminando el manifiesto. Content Credentials son una señal positiva fuerte cuando están presentes, pero su ausencia no prueba nada.
Google SynthID
SynthID es el sistema de marcas de agua de Google para imágenes y texto generados por IA. En lugar de añadir una marca visible, altera sutilmente los valores de píxeles de una manera invisible al ojo humano pero detectable por el decodificador de SynthID. Google incorpora SynthID en las imágenes creadas a través de su generador de imágenes Gemini y ha puesto la tecnología a disposición de otras plataformas.
SynthID resiste ediciones moderadas, recortes y compresión—técnicas que borran las marcas de agua tradicionales. Pero no es infalible. El filtrado intenso, la conversión de la imagen a un formato diferente varias veces, o imprimir y escanear de nuevo pueden degradar la marca de agua por debajo de los umbrales de detección.
Como Content Credentials, SynthID es opcional. Solo las imágenes creadas por generadores participantes la llevan, y no hay un decodificador público de SynthID que puedas usar en casa. Es una herramienta para plataformas e investigadores, no una primera línea de defensa para usuarios cotidianos.
Búsqueda inversa de imágenes: encontrando la fuente
Una de las formas más confiables de juzgar una imagen es averiguar dónde apareció por primera vez y en qué contexto. Google Lens lo hace simple.
Cómo usar Google Lens
En un smartphone, abre la aplicación Google o descarga Google Lens. Toca el icono de cámara y luego toma una foto de la imagen en otra pantalla o cárgala desde tu galería. Lens te mostrará imágenes visualmente similares de toda la web, junto con páginas donde aparece la imagen exacta.
En una computadora de escritorio, ve a lens.google.com. Haz clic en el icono de carga y selecciona el archivo de imagen. Lens devuelve una lista de coincidencias con fechas y fuentes.
Qué buscar
Si la imagen ha estado en línea durante meses o años, es más probable que sea una foto real circulando de nuevo. Si solo aparece en hilos de Reddit de las últimas 48 horas con títulos como «¿Es esto real?», eso es una bandera roja.
Comprueba si la fuente más antigua es un medio de noticias creíble, una cuenta verificada en redes sociales, o una biblioteca de fotos de stock. Si el rastro lleva a un escaparate de arte IA o a una etiqueta «imágenes generadas» en un foro, tienes tu respuesta.
La búsqueda inversa también atrapa falsificaciones recicladas—una imagen IA de 2024 presentada como una foto de noticia de última hora en 2026. La marca de tiempo y el contexto importan tanto como los píxeles.
Usar la herramienta de imagen a indicación
Si sospechas que una imagen está generada por IA, la herramienta gratuita de imagen a indicación de Convly puede ayudarte a entender qué indicación podría haberla creado. Carga la imagen y la herramienta invierte ingenieriza una descripción de texto—«un retrato fotorrealista de una mujer en un vestido rojo, iluminación de estudio, profundidad de campo reducida.»
Esto no prueba que la imagen esté generada por IA, pero te da el vocabulario para buscar imágenes similares conocidas por IA. Pega la indicación reconstruida en una búsqueda de imágenes o una base de datos de arte IA, y ve si encuentras coincidencias. Si las encuentras, eso es prueba circunstancial fuerte.
Por qué no debes depender solo de sitios web de detectores
Docenas de sitios web ofrecen detección gratuita de imágenes IA: carga una foto, espera unos segundos, obtén un porcentaje. Están construidos sobre el mismo principio—clasificadores entrenados buscando indicios estadísticos—pero su precisión varía enormemente, y ninguno publica sus tasas de falsos positivos o falsos negativos.
Un estudio independiente de 2025 probó ocho detectores populares en una mezcla de fotos reales e imágenes IA de Midjourney, DALL-E y Stable Diffusion. El mejor detector logró 78% de precisión en modelos de su era de entrenamiento pero cayó al 54% (apenas mejor que lanzar una moneda) en imágenes de generadores lanzados después de su fecha de corte de entrenamiento. El peor detector marcó el 40% de las fotos reales como IA.
Los detectores también fallan de formas predecibles:
- Fotos reales fuertemente editadas obtienen puntuaciones altas porque el software de edición introduce artefactos que el detector asocia con generación.
- Imágenes IA simples—ilustraciones planas, fondos mínimos—obtienen puntuaciones bajas porque carecen de las texturas complejas que el detector aprendió a reconocer.
- Ajustes adversariales: añadir una capa fina de ruido o pasar una imagen a través de un filtro específico puede engañar al detector sin cambiar cómo se ve la imagen para ti.
Convly no ofrece un detector de imágenes IA. Si eliges usar uno, trata el resultado como punto de partida. Una puntuación alta significa «investiga más,» no «caso cerrado.»
Deepfakes y video: un problema relacionado
Las imágenes generadas por IA son una pieza de un rompecabezas más grande. Los videos deepfake—clips de intercambio de rostros, voces generadas por IA, presentadores de noticias sintéticos—plantean las mismas preguntas de autenticidad pero se mueven a 30 fotogramas por segundo. Las técnicas para verificarlos se superponen con la detección de imágenes fijas (artefactos visuales, verificaciones de fuente, metadatos), pero el video añade análisis de movimiento y análisis forense de audio a la mezcla.
Para una mirada más profunda a cómo falsificaciones profundas (deepfakes) funcionan, por qué son difíciles de detectar, y qué herramientas existen para identificarlos, lee la guía de Convly sobre deepfakes: la amenaza y cómo detectarlos.
Poniéndolo todo junto: una lista de verificación
Cuando encuentres una imagen que quieras verificar, trabaja a través de estos pasos en orden:
- Ejecuta una búsqueda inversa de imágenes con Google Lens. Encuentra la fuente más antigua y comprueba el contexto. Si se remonta a un medio creíble o es anterior a la era actual de generación de IA, probablemente sea real.
- Busca Content Credentials o SynthID. Si están presentes, son prueba fuerte (aunque su ausencia no prueba nada).
- Inspecciona detalles visuales: manos, texto, reflejos, joyas, coherencia de fondo. Un fallo no es prueba, pero un grupo de problemas aumenta la probabilidad.
- Carga a un detector de imágenes IA si aún tienes dudas. Una puntuación muy alta (por encima del 90%) vale la pena notar; una puntuación intermedia (40–70%) es ruido.
- Verifica la herramienta de imagen a indicación herramienta para ver si la indicación reconstruida coincide con estilos o tropos conocidos de arte IA.
- Pesa el contexto: ¿quién la compartió, cuándo, y con qué afirmación? Un «esto acaba de suceder» emocionante adjunto a una imagen sin presencia web previa es una bandera roja en sí mismo.
Ninguna prueba individual es infalible. Juntas, te dan suficiente señal para hacer un juicio razonado.
Preguntas frecuentes
¿Puedo confiar en una puntuación de detección de IA del 95%?
Una puntuación muy alta significa que el detector encontró patrones que asocia fuertemente con generación de IA, por lo que vale la pena investigar más. Pero los detectores tienen falsos positivos—fotos reales muy editadas, ciertos sensores de cámara e imágenes comprimidas pueden obtener puntuaciones altas. Usa la puntuación como un dato de entrada, no como la palabra final.
¿Por qué algunas imágenes de IA se ven completamente reales?
Los principales generadores de imágenes con IA en 2026—Midjourney v7, ChatGPT Images 2.5, y Flux—han sido entrenados en miles de millones de fotos de alta resolución y han aprendido a imitar la iluminación, la textura y la anatomía a un nivel que engaña al ojo humano en muchos casos. Todavía cometen errores, pero esos errores son más raros y sutiles que hace dos años. A medida que los modelos mejoran, las verificaciones visuales se vuelven menos confiables, es por eso que la búsqueda inversa y las verificaciones de metadatos importan más.
¿Cuál es la forma más confiable de verificar si una imagen es real?
La búsqueda inversa de imágenes con Google Lens es la herramienta más útil porque te dice de dónde proviene la imagen, cuándo apareció por primera vez y en qué contexto. Una imagen que ha estado en línea durante años o que se remonta a una fuente de noticias creíble es mucho más probable que sea real que una sin presencia previa en la web. Combina eso con verificaciones visuales y resultados de detectores para el veredicto más sólido.
¿Las plataformas de redes sociales etiquetan imágenes de IA?
Algunos lo hacen, inconsistentemente. Meta (Facebook e Instagram) comenzó a añadir etiquetas «Imaginado con IA» en 2024 a imágenes con Content Credentials C2PA, pero solo si los metadatos sobrevivieron a la carga. X (anteriormente Twitter) no etiqueta imágenes IA. TikTok requiere que los creadores divulguen contenido generado por IA pero se basa en autorreporte. Ninguna plataforma tiene un sistema perfecto, así que trata las etiquetas como útiles pero no exhaustivas.
¿Puedo eliminar una marca de agua de IA para presentar una imagen como real?
Es técnicamente posible eliminar metadatos o recortar una marca de agua visible, pero hacerlo para engañar a otros—especialmente en contextos de noticias, publicidad o académicos—es poco ético y a menudo ilegal. Muchas jurisdicciones ahora tienen leyes contra fraude de deepfakes y medios sintéticos engañosos. Más allá del riesgo legal, socava la confianza en la información visual para todos. Si generaste una imagen, divúlgalo.
¿Mejorará la detección de imágenes de IA?
La detección y la generación están en una carrera armamentística. Cada vez que los detectores aprenden una nueva señal, los generadores se entrenan para evitarla. La solución a largo plazo no es mejores detectores sino mejores sistemas de proveniencia—Content Credentials, SynthID y registros de medios basados en blockchain que etiqueten la autenticidad en el momento de la creación. Hasta que esos sistemas sean universales, la detección seguirá siendo probabilística e imperfecta.