Cómo saber si una imagen está generada por IA: la guía completa de 2026

Hace unos años, detectar una imagen de IA era fácil. Seis dedos, texto derretido, ojos mirando en direcciones distintas. Esa era terminó. En 2026, los generadores producen imágenes que coinciden con lo que esperarías de una foto normal de móvil, y la verdad honesta es esta: normalmente ya no puedes saberlo solo mirando. Quien afirme que siempre puede, se está sobreestimando.

Eso no significa que estés indefenso. Hay una forma fiable de investigar una imagen sospechosa — pero es un proceso, no un vistazo. Esta guía recorre la escalera exacta que funciona en 2026, desde las comprobaciones más rápidas y seguras hasta las pistas visuales de último recurso.

Si solo recuerdas una cosa, que sea esta: trabaja de la procedencia a los detectores, y de ahí a la física — en ese orden.

Primero, entiende a qué te enfrentas

Para poner el problema en perspectiva: las estimaciones del sector sugieren que en 2026 se crean más de 500 millones de imágenes de IA cada día en las grandes plataformas. La investigación de McAfee halló que el estadounidense medio se cruza con unos 2,6 deepfakes al día sin darse cuenta. Buena parte de lo que pasas con el dedo nunca fue capturado por una cámara.

El salto de calidad de 2025 a 2026 ha sido brusco. Herramientas que antes producían falsificaciones evidentes ahora igualan el realismo de una edición fotográfica normal. Por eso fallan los viejos consejos de “busca los fallos” — se escribieron para una generación de IA que ya no existe. Para el contexto de cómo funciona esta tecnología, lee qué es un deepfake.

Así que necesitamos un enfoque más inteligente.

Paso 1: Comprueba la procedencia (la señal más rápida y fiable)

Antes de analizar un solo píxel, hazte una pregunta más simple: ¿la imagen lleva un registro de su origen?

Esto se llama procedencia, y es la señal más fuerte disponible en 2026 porque no depende de conjeturas — depende de un registro criptográfico incrustado en el archivo.

Content Credentials (C2PA)

La Coalition for Content Provenance and Authenticity (C2PA) creó un estándar abierto llamado Content Credentials. Muchas cámaras, editores y generadores de IA ya adjuntan estos metadatos a las imágenes. Pueden decirte si la IA participó en la creación o edición de una foto.

Las grandes empresas de IA lo han adoptado. OpenAI, por ejemplo, adjunta Content Credentials a las imágenes hechas con sus herramientas y ofrece una forma de verificarlas. El problema — y es importante — es que los metadatos pueden eliminarse. Si alguien hace captura de pantalla o vuelve a guardar la imagen, las credenciales suelen desaparecer. Un resultado de “sin credenciales” no exonera una imagen; solo significa que el rastro se enfrió.

SynthID (Google)

Google incrusta una marca de agua invisible llamada SynthID en las imágenes generadas por sus modelos. Puedes abrir la app Gemini, subir una imagen y preguntar si se hizo con IA de Google — comprueba la marca SynthID.

Aplica la misma limitación, y Google es honesto al respecto: SynthID solo señala contenido de origen Google. Un resultado de “sin marca de agua” no exonera una imagen hecha con Midjourney, Stable Diffusion o cualquier herramienta ajena a Google.

Conclusión del Paso 1: si encuentras procedencia, a menudo tienes tu respuesta en segundos. Si no, pasa al Paso 2 — la ausencia de procedencia no prueba nada por sí sola.

Paso 2: Pásala por herramientas de detección (tu segunda línea)

Cuando el rastro de procedencia está vacío, tocan los detectores. Estas herramientas analizan las huellas estadísticas que dejan los modelos generativos — patrones invisibles al ojo humano pero detectables por un modelo entrenado.

Esto es lo que debes saber para usarlas con criterio:

Dan probabilidades, no veredictos. Los benchmarks independientes de 2026 sitúan a los mejores detectores en torno al 85%–94% de precisión en imágenes limpias y sin comprimir — y notablemente menos cuando la imagen ha sido comprimida, redimensionada o editada. Es útil de verdad, pero no es certeza. Trata la puntuación como una prueba más.

La compresión es su debilidad. Las redes sociales comprimen y limpian las imágenes agresivamente. Una foto real muy comprimida puede confundir a un detector, y una falsificación pulida también. Es la principal razón por la que los detectores discrepan.

Ninguna herramienta es fiable en solitario. El flujo práctico de 2026 es pasar la imagen por más de un detector fuerte y mirar dónde coinciden. La coincidencia es tu señal; la discrepancia significa “no concluyente”, que es una respuesta perfectamente honesta.

Aquí es donde una herramienta en el dispositivo se gana su lugar. La mayoría de los detectores web te obligan a subir tu imagen al servidor de una empresa — un problema de privacidad si la foto es personal o sensible. Construimos Verifyco precisamente para resolver eso: ejecuta un análisis forense multicapa enteramente en tu iPhone, comprobando metadatos, firmas de generación por IA y patrones de frecuencia, y te da una puntuación de confianza con el desglose completo de qué encontró. No se sube nada, no hace falta cuenta, y es honesto con la incertidumbre — si las señales son débiles, te dice “no concluyente” en lugar de adivinar. (Más sobre el flujo específico de iPhone en nuestra guía para comprobar fotos en iPhone.)

Paso 3: Examina la física (el último recurso)

Si la procedencia está vacía y los detectores están divididos, recurres a lo que a la IA todavía le cuesta: la consistencia física global. Los generadores montan la imagen por regiones y a menudo no logran reconciliar la escena entera como lo hacen la luz real y las lentes reales.

Dónde mirar, más o menos por orden de fiabilidad:

Sombras y dirección de la luz

Sigue cada sombra. En una foto real, todas caen de forma consistente desde la(s) fuente(s) de luz. Las escenas de IA mezclan con frecuencia ángulos de sombra que ningún montaje real de iluminación podría producir.

Reflejos

Revisa ojos, gafas, agua, ventanas y superficies brillantes. El contenido reflejado en imágenes de IA suele contradecir la escena real, o aparece donde no debería.

Geometría del fondo

Las líneas rectas son difíciles para la IA. Mira barandillas, baldosas, marcos de ventanas, ladrillos y cantos de puertas. En imágenes de IA a menudo se doblan, se fusionan o brotan segmentos extra donde deberían seguir rectas.

Profundidad y desenfoque

Las lentes reales desenfocan por distancia. La IA a veces desenfoca por “criterio estético”, dejando una combinación de nitidez de primer plano y fondo que ninguna cámara real produciría.

Textura fina y patrones

Mira de cerca los detalles repetidos — tramas de tela, caras en multitudes, follaje, texto en carteles. La IA tropieza con la interacción matizada de patrones complejos y a menudo produce inconsistencias sutiles, casi oníricas, al inspeccionarlas de cerca.

Una advertencia crucial: estas pistas se vuelven más difíciles de leer cada mes — exactamente por eso la física es la última capa y no la primera. Un generador moderno puede producir una escena que pasa todas estas comprobaciones. Pasarlas no es prueba de autenticidad — solo significa que no encontraste un fallo evidente.

Todo junto: el flujo de trabajo de 2026

El método completo en un solo lugar:

1. Primero la procedencia. Busca Content Credentials (C2PA) y, para sospechas de Google, SynthID vía la app Gemini. ¿Encontraste algo? Probablemente ya tienes tu respuesta.
2. Después los detectores. Pasa la imagen por más de un detector fuerte. Busca coincidencia. Una opción privada en el dispositivo como Verifyco mantiene tu imagen fuera de servidores de terceros.
3. La física al final. Si aún necesitas decidir, escudriña sombras, reflejos, geometría, profundidad y textura — recordando que pasar estas pruebas no es garantía.

La mentalidad que te protege no es “sé detectar falsificaciones”. Es “compruebo antes de confiar”. Ese único hábito te pone por delante de casi todos los que pasan la misma imagen sin pensarlo dos veces. ¿Es un vídeo lo que quieres comprobar? Mira cómo detectar un vídeo deepfake.

Preguntas frecuentes

¿Pueden ChatGPT o Gemini decirme si una imagen es de IA? Parcialmente. Gemini puede comprobar la marca SynthID de Google, que solo cubre imágenes hechas por Google. Los chatbots generales pueden comentar inconsistencias visuales, pero no son detectores dedicados y no deberían ser tu única comprobación.

¿Son precisos los detectores de imágenes de IA? Los mejores rondan el 85%–94% de precisión en imágenes limpias según los benchmarks de 2026, y menos en imágenes comprimidas o editadas. Son una señal fuerte, no un veredicto final. Usa más de uno y pondera el resultado junto con la procedencia.

¿Por qué dos detectores me dan respuestas distintas? Casi siempre por compresión o edición. Las plataformas comprimen y limpian las imágenes con dureza, lo que degrada las huellas estadísticas de las que dependen los detectores. Cuando discrepan, trata el resultado como no concluyente.

¿Es IA si no hay marca de agua ni metadatos? No — y este es un error común. Los datos de procedencia se eliminan fácilmente con capturas y re-guardados. Una marca de agua ausente no prueba nada por sí sola; solo significa que debes apoyarte en detectores y física.