Un amigo te envía la foto de una "manifestación real", una celebridad en una cafetería o una calle inundada que nunca se inundó. La miras durante diez segundos y no notas nada raro. Ese es exactamente el problema. La identificación de imágenes con IA se ha convertido en una habilidad diaria para periodistas, moderadores, fotógrafos y cualquiera que desliza un feed, y la verdad, sin rodeos, es que ninguna herramienta por sí sola te da un sí o un no fiable.
Lo que funciona es una rutina por capas: primero comprueba el origen, después ejecuta un detector, luego inspecciona los píxeles y, por último, mantén un nivel de confianza en lugar de un veredicto. Este artículo recorre cada capa, nombra las opciones gratuitas que puedes abrir ahora mismo, pone cifras realistas sobre la precisión y muestra dónde se viene abajo cada método.
💡 Respuesta rápida: Los detectores gratuitos pueden señalar falsificaciones evidentes y algunas imágenes con marca de agua, pero las comparativas independientes muestran que la precisión cae con fuerza en generadores nuevos, en archivos comprimidos y en imágenes editadas. Trata cualquier puntuación como una pista, no como una prueba.
Qué significa identificación de imágenes con IA
La expresión abarca tres preguntas distintas que la gente suele mezclar:
- ¿Generó esta imagen un modelo de IA? (detección)
- ¿Qué modelo o empresa la hizo? (atribución)
- ¿De dónde viene y se editó? (procedencia)
Cada pregunta tiene sus propias herramientas. Un clasificador responde a la primera con una probabilidad. Un lector de marcas de agua responde a la segunda, pero solo en herramientas que incrustan una marca. Un lector de metadatos responde a la tercera, pero solo cuando el archivo conserva su historial.

Por qué se ha vuelto más difícil
Hace dos años, los dedos extra y las joyas derretidas delataban las falsificaciones. Los generadores modernos como Nano Banana Pro, Seedream 4.5 e Imagen 4 reproducen manos, poros de la piel, tejidos y textos legibles con muy pocos errores visibles. El consejo clásico de "buscar fallos" sigue sirviendo con los resultados más flojos, pero falla con los mejores.
Quién necesita esta habilidad
| Perfil | Qué necesita saber | Mejor primer paso |
|---|
| Periodista | ¿Es auténtica esta foto de la fuente? | Procedencia y búsqueda inversa |
| Moderador | ¿Es este contenido sintético a gran escala? | Clasificador más comprobación de marcas de agua |
| Fotógrafo | ¿Han copiado o imitado mi trabajo? | Metadatos y búsqueda inversa |
| Lector habitual | ¿Debo compartir esto? | Revisar el contexto y luego un detector gratuito |
| Responsable de marca | ¿Está bien etiquetada esta imagen publicitaria? | Credenciales de contenido |
Las cuatro capas de detección
Piensa en la identificación como cuatro filtros apilados uno sobre otro. Cada uno detecta cosas que los demás pasan por alto.
| Capa | Qué comprueba | Fortaleza | Debilidad |
|---|
| Procedencia | Credenciales de contenido firmadas e historial del archivo | Confianza muy alta cuando están presentes | A menudo se eliminan o no existen |
| Marcas de agua | Marcas invisibles incrustadas por el generador | Sobreviven a ediciones leves | Solo funcionan con herramientas participantes |
| Clasificadores | Patrones estadísticos en los píxeles | Funcionan con cualquier imagen | La precisión varía muchísimo |
| Inspección manual | Anatomía, física, texto, contexto | Gratuita y rápida | Falla con resultados de gama alta |
Primera capa: procedencia
Las credenciales de contenido, basadas en el estándar C2PA, adjuntan a un archivo un registro firmado: qué herramienta lo creó, cuándo y qué ediciones se hicieron después. Si ese registro está intacto, es la prueba más sólida que puedes obtener. El problema es que una captura de pantalla, una nueva subida a una red social o un simple "guardar como" pueden borrarlo por completo. La ausencia de credenciales no demuestra nada. Una credencial presente y válida demuestra mucho.
Segunda capa: marcas de agua invisibles
Algunas empresas incrustan un patrón en los propios píxeles. La más conocida es SynthID de Google, y OpenAI tiene una página gratuita de verificación que busca credenciales y marcas de agua en las imágenes producidas por sus propios productos. Estas comprobaciones son fiables dentro de su alcance. Son ciegas ante todo lo demás, incluida la mayoría de los modelos de pesos abiertos, que nunca añaden una marca.
💡 Un resultado negativo de marca de agua no significa "real". Significa "no se encontró una marca de este sistema concreto".
Tercera capa: clasificadores de píxeles
Aquí están la mayoría de las herramientas web gratuitas. Un clasificador es un modelo entrenado que analiza una imagen y devuelve una probabilidad, del tipo "87% probablemente IA". No necesita metadatos ni marcas de agua, y por eso es la opción por defecto para imágenes anónimas. También es donde las afirmaciones de precisión resbalan, algo que tratamos en detalle más adelante.
Cuarta capa: inspección humana
Tus propios ojos siguen siendo útiles, sobre todo como desempate. Más adelante enumeramos comprobaciones concretas.

Herramientas gratuitas que vale la pena abrir
No necesitas una suscripción de pago para hacer una primera revisión decente. Estas son las categorías y nombres que más aparecen en las comparativas de 2026. Las funciones y las cuotas cambian, así que revisa cada sitio antes de depender de él.
| Tipo de herramienta | Ejemplos | Acceso gratuito | Mejor para |
|---|
| Portal de marcas de agua | Google SynthID Detector | Comprobaciones gratuitas por subida | Imágenes de herramientas de Google |
| Verificador de credenciales | OpenAI Verify | Página gratuita | Imágenes de ChatGPT y de la API |
| Visores de metadatos | Visor C2PA y EXIF de Sightengine en el navegador | Gratis, se ejecuta en el navegador | Leer credenciales de contenido y datos de cámara |
| Clasificador con nivel gratuito | Hive, AI or Not | Unos pocos análisis al día | Probabilidad rápida en imágenes desconocidas |
| Búsqueda inversa de imágenes | Google Lens, TinEye | Gratuita | Encontrar la copia más antigua |
Herramientas gratuitas para principiantes
Empieza con una búsqueda inversa de imágenes. Tarda diez segundos y responde a la pregunta más útil: ¿ha existido antes esta imagen en algún lugar, con contexto, antes de hoy? Si la copia más antigua es de un banco de imágenes, una agencia de noticias o un foro de fotografía de hace tres años, ya tienes la respuesta.
Herramientas gratuitas para usuarios avanzados
Abre el archivo en un visor EXIF. Los archivos de cámaras reales suelen incluir marca, modelo, objetivo, exposición y, a veces, GPS. Los metadatos ausentes son habituales en las subidas a redes sociales, así que es una pista, no un veredicto. Un archivo que dice proceder de una cámara concreta pero muestra ajustes imposibles, como una distancia focal de 600 mm con aspecto de gran angular, merece una segunda mirada.

Una rutina de cinco minutos
- Haz una búsqueda inversa de imagen y anota la fecha más antigua.
- Comprueba las credenciales de contenido con un visor C2PA gratuito.
- Sube la imagen a un portal de marcas de agua si sospechas de un generador importante.
- Ejecuta dos clasificadores distintos, nunca solo uno.
- Inspecciona la imagen al 200% de zoom con la lista de comprobación de abajo.
💡 Si dos clasificadores discrepan mucho, esa discrepancia es el resultado. Anótalo como "no concluyente".
¿Qué precisión tienen los detectores?
Es la pregunta que todo el mundo se hace, y las cifras en internet se contradicen. Las reseñas afines a los fabricantes publican datos entre el 89% y el 99% para clasificadores populares sobre conjuntos de prueba mixtos. Las comparativas independientes de 2026 pintan un panorama más duro: un benchmark indica que la precisión de los detectores cae entre el 18% y el 31% frente a los generadores más nuevos, y otra comparación concluye que ningún detector individual supera el 95% en todos los modelos principales.
Ambas cosas pueden ser ciertas. La diferencia está en lo que se prueba.

Por qué las puntuaciones no coinciden
| Factor | Efecto en la precisión |
|---|
| Conjunto de prueba con generadores antiguos | Infla las puntuaciones |
| Conjunto de prueba con los generadores más nuevos | Reduce las puntuaciones con fuerza |
| Imagen comprimida por una red social | Destruye las huellas sutiles de los píxeles |
| Imagen redimensionada o capturada en pantalla | Reduce aún más la confianza |
| Ediciones leves después de generar | Pueden cambiar el veredicto |
| Foto real con retoque intenso | Aumenta los falsos positivos |
Un clasificador entrenado con los resultados de ayer siempre va detrás de los de hoy. Cuando llega un modelo nuevo, las tasas de detección bajan hasta que el detector se reentrena, y para entonces ya ha aparecido otro modelo.
El problema de los falsos positivos
Los detectores también etiquetan mal las fotos reales. La piel suave por los filtros de belleza, la reducción de ruido intensa de un teléfono, el retoque de estudio y los escaneos escalados pueden verse "demasiado limpios". Acusar a un fotógrafo real de falsificar su trabajo basándose en una sola puntuación del 73% es un daño real, y ocurre.
💡 Regla general: Nunca actúes con una única puntuación. Combina al menos dos señales independientes antes de etiquetar una imagen o acusar a alguien.
Cómo leer una puntuación de confianza
Trata los porcentajes como bandas aproximadas, no como mediciones:
- Por debajo del 30%: evidencia débil de origen humano, no una prueba.
- Del 30% al 70%: no concluyente, pasa a otras capas.
- Por encima del 70%: merece investigarse, aunque tampoco es una prueba.
- Por encima del 95% en dos herramientas distintas: pista sólida, confírmalo con la procedencia.
Comprobaciones manuales que siguen funcionando
Las herramientas automáticas tienen dificultades con los mejores generadores, pero un ojo entrenado y unos minutos aún pueden detectar bastante. Haz zoom al 200% y avanza despacio.

Anatomía y piel
- Fíjate en los dientes, las orejas y en el punto donde los dedos se unen a la palma.
- Comprueba si el nacimiento del pelo se funde con la piel o parece pintado.
- La piel uniformemente lisa, sin poros, cicatrices ni asimetrías, es sospechosa. Los rostros reales son irregulares.
- Examina los reflejos de los ojos. Ambas luces especulares deberían coincidir en forma y posición con la misma fuente de luz.
Física y luz
- ¿Todas las sombras caen en la misma dirección?
- ¿Los reflejos en ventanas, gafas o agua muestran la escena correcta?
- ¿La profundidad de campo se comporta como una lente real, con el desenfoque aumentando de forma gradual con la distancia?
- ¿Los patrones repetidos, como ladrillos, hojas o rostros de multitudes, son sospechosamente parecidos?
Texto y objetos pequeños
El texto de carteles, etiquetas y lomos de libros ha mejorado mucho, pero revísalo de todos modos. Busca tipografías irregulares dentro de una misma palabra, letras que se funden, relojes con las manecillas en posiciones extrañas y joyas que se funden con la piel. Las multitudes del fondo son un punto débil clásico, porque el generador gasta su presupuesto de detalle en el sujeto.
Comprobaciones de contexto
Haz las preguntas aburridas. ¿Quién la publicó primero? ¿El lugar que se indica coincide con la arquitectura, la señalización y la vegetación? ¿El clima encaja con la fecha? ¿Otros fotógrafos muestran la misma escena desde otro ángulo? El contexto detecta falsificaciones que los píxeles nunca detectarán.

Dónde se rompe cada método
La honestidad sobre los límites es lo que separa a un revisor cuidadoso de uno demasiado confiado. Estos son los modos de fallo con los que te encontrarás.
Archivos sin datos y capturas de pantalla
Las credenciales y los datos EXIF viven dentro del archivo. Haz una captura de pantalla, publica en una plataforma que recomprime la imagen o pásala por un conversor, y desaparecen. Las marcas de agua son más resistentes, pero un recorte fuerte, los filtros y el re-renderizado pueden debilitarlas.
Modelos abiertos sin marca
Los modelos que puedes ejecutar en local, incluidos los ajustes finos de la comunidad de familias como Flux 2 Klein y Qwen Image 3, no tienen por qué incrustar nada. Un portal de marcas de agua devuelve "no se encontró nada" y un clasificador tiene que cargar con todo el peso por sí solo.
Escalado y retoque
Pasar una imagen generada por un upscaler como Real ESRGAN reescribe la textura fina y puede reducir la confianza del detector. Lo contrario también ocurre: una foto real de teléfono, con mucha reducción de ruido, puede parecer sintética. Las imágenes híbridas, en las que una foto real tiene una región editada con IA, son el caso más difícil de todos, porque solo una parte del encuadre es sintética.
La carrera armamentística
La detección y la generación mejoran a la vez. Cualquier afirmación de que "esta herramienta lo detecta todo" quedará obsoleta en pocos meses. Plantéate un proceso, no un producto.
| Escenario | Fiabilidad del detector |
|---|
| Resultado reciente de una herramienta con marcas de agua, sin tocar | Alta |
| La misma imagen tras una captura de pantalla y recompresión | Media |
| Resultado de un modelo de pesos abiertos, ligeramente editado | Baja a media |
| Foto real con retoque intenso | Riesgo de falso positivo |
| Imagen híbrida con región editada con IA | Baja |

Un flujo de verificación práctico
Esta es una rutina que puedes pegar en una app de notas y reutilizar.
Paso a paso
- Guarda el archivo original, no una captura de pantalla. Anota de dónde viene.
- Haz una búsqueda inversa para encontrar la copia pública más antigua.
- Lee los metadatos y las credenciales con un visor gratuito.
- Consulta los portales de marcas de agua relevantes para el generador sospechoso.
- Ejecuta dos clasificadores y registra ambas puntuaciones.
- Inspecciona manualmente con la lista de comprobación de arriba.
- Revisa el contexto: fuente, lugar, fecha, fotos que lo corroboren.
- Escribe un nivel de confianza: probablemente auténtica, no concluyente o probablemente sintética, con los motivos.
Qué conviene anotar
Lleva un registro breve con la fecha, las herramientas usadas, las puntuaciones obtenidas y tu razonamiento. Si más adelante publicas una corrección, ese registro te protege y hace transparente tu proceso.
Cuándo escalar el caso
Recurre a un especialista cuando la imagen pueda afectar a unas elecciones, a un caso judicial, a la reputación de alguien o a la seguridad pública. Las herramientas gratuitas sirven para hacer una criba inicial. No son pruebas que vayas a poder defender en un tribunal.
Por qué los creadores también deberían preocuparse
La identificación no es solo una habilidad defensiva. Si creas imágenes con generadores, entender cómo funciona la detección te ayuda a etiquetar tu trabajo con honestidad y a no confundir a tu audiencia.
Etiqueta lo que creas
La buena práctica es sencilla: declara el trabajo generado con IA, conserva tus archivos originales con las credenciales intactas cuando la herramienta lo permita y evita presentar imágenes sintéticas como fotografía documental. El público perdona mucho más las imágenes de IA que las imágenes de IA ocultas.
Conoce tus herramientas
Los distintos generadores dejan huellas distintas. Un modelo rápido como Imagen 4 Fast produce un aspecto diferente al de un modelo de alto detalle como Imagen 4 Ultra, y una opción ligera como GPT Image 2.5 Flare tiene sus propias formas de renderizar. Generar tú mismo unas cuantas imágenes de prueba y pasarlas por detectores gratuitos es la forma más rápida de calibrar tu intuición sobre lo que significan las puntuaciones.
Crea un conjunto de prueba
Prueba este ejercicio. Genera diez imágenes en estilos distintos, añade diez fotos tuyas hechas con cámara y mézclalas. Pasa las veinte por dos clasificadores y anota cada fallo. Verás falsos positivos en tus propias fotos y falsos negativos en las generadas, y esa experiencia enseña más que cualquier tabla de benchmarks.
Tabla de referencia rápida
| Señal | Dónde obtenerla | Fortaleza | Engañada por |
|---|
| Credenciales de contenido | Visores C2PA | Muy fuerte | Capturas de pantalla, nuevas subidas |
| Coincidencia de marca de agua | Portales tipo SynthID y Verify | Fuerte | Modelos sin marca, ediciones intensas |
| Fecha de búsqueda inversa | Motores de búsqueda de imágenes | Fuerte | Imágenes recién publicadas |
| Puntuación del clasificador | Detectores web | Moderada | Generadores nuevos, compresión |
| Datos EXIF | Visores de metadatos | Débil a moderada | Archivos sin datos, etiquetas falsificadas |
| Inspección visual | Tus ojos | Débil con los mejores modelos | Resultados muy pulidos |
Pruébalo con tus propias imágenes
La mejor forma de crear un instinto fiable es ver los dos lados. Abre PicassoIA, genera unas cuantas imágenes fotorrealistas con Nano Banana Pro o Seedream 4.5, y luego pásalas por los detectores gratuitos y por la lista de comprobación manual de este artículo. Prueba el mismo prompt en dos o tres modelos y compara cómo maneja cada uno la piel, las manos y el texto del fondo. Anota qué herramientas marcan qué imágenes y cómo cambian las puntuaciones después de redimensionar o recomprimir el archivo.

Si quieres comparar más opciones, explora todos los generadores disponibles en picassoia.com/en/all-models. Unos pocos experimentos te enseñarán más sobre los límites de la detección que cualquier lista de nombres de herramientas, y te convertirán en un juez más agudo y justo la próxima vez que llegue a tu feed una foto sospechosa.