Por qué un detector de imágenes IA puede equivocarse

🗜️La recompresión borra las huellas

Al enviar una imagen por WhatsApp, Instagram o similares se reduce su tamaño y se vuelve a comprimir. Ese proceso elimina el ruido original y los metadatos, y añade un ruido de compresión que puede parecer el de una cámara. Una imagen generada y recomprimida suele ser indistinguible de una foto con análisis basados solo en píxeles.

🚀Los generadores mejoran constantemente

Los modelos actuales producen grano, desenfoque y luz muy realistas. Las señales que funcionaban hace un año (piel plástica, manos deformes) son cada vez menos frecuentes.

⚠️Falsos positivos en imágenes reales

Una foto muy retocada, con reducción de ruido, HDR, un escaneo, una captura de pantalla o una ilustración pueden parecer «demasiado limpias» y puntuar alto aunque no tengan nada de IA.

🙈Falsos negativos en imágenes generadas

Si una imagen de IA se reescala, se recorta o se le añade grano, los análisis forenses pierden evidencia. Los detectores con modelos de aprendizaje profundo resisten mejor, pero también fallan con generadores que no vieron durante el entrenamiento.

📊Cómo interpretar el resultado

• Una probabilidad no es un veredicto: 60 % significa «hay algunas señales», no «es falsa».
• La fiabilidad de la evidencia indica cuánto se puede confiar en la medición (tamaño de la imagen, señales aplicables).
• «No concluyente» es un resultado legítimo y frecuente con imágenes recomprimidas.
• Una declaración de procedencia en los metadatos (C2PA, parámetros de generación) pesa mucho más que cualquier señal visual.

Antes de afirmar que una imagen es falsa, especialmente si muestra a personas reales, contrasta la fuente y busca el original. Puedes empezar con la guía para comprobar una imagen.

🧪Cómo se evalúa un detector

La calidad de un detector se mide con un conjunto de imágenes reales y generadas cuya naturaleza se conoce de antemano. Las métricas clave son la precisión, la exhaustividad (cuántas imágenes de IA detecta) y, sobre todo, la tasa de falsos positivos: cuántas fotos reales marca erróneamente. Una cifra de acierto sin indicar con qué imágenes se obtuvo tiene poco valor. Detector IA Fakes todavía no ha sido evaluado con un conjunto de referencia público, y por eso presenta sus resultados como orientativos.

🛡️Buenas prácticas al usar un detector

• Úsalo con el archivo original siempre que sea posible.
• No tomes un porcentaje como una prueba: léelo junto con la fiabilidad de la evidencia.
• Combina el resultado con la búsqueda inversa y la verificación del contexto.
• No difundas acusaciones sobre personas reales basándote solo en una herramienta.
• Repite el análisis con varias herramientas distintas y desconfía de las que prometen un 100 % de acierto.

🔄Por qué los resultados cambian con el tiempo

Los generadores de imágenes se actualizan continuamente y cada versión corrige los defectos que los detectores aprovechaban. Un método que funcionaba hace seis meses puede dejar de hacerlo, y los detectores basados en modelos entrenados necesitan reentrenarse con material nuevo. Por eso es sano revisar periódicamente la fecha de actualización de cualquier herramienta de verificación.

📌En resumen: cómo interpretar un detector

• Una probabilidad es una orientación, no una prueba.
• La fiabilidad indica cuánto se puede confiar en la medición.
• Las imágenes recomprimidas dan resultados «No concluyentes» con frecuencia.
• La procedencia declarada pesa más que cualquier señal visual.