Por qué los detectores de IA no se ponen de acuerdo y cómo interpretar sus resultados
Subes la misma imagen a dos detectores de IA. Uno dice que casi con total seguridad es IA. El otro dice que casi con total seguridad es real. Pasa a menudo, y no significa que una de las herramientas esté rota. Esta guía explica por qué los detectores no coinciden y cómo interpretar sus resultados.
1. Qué significa la puntuación de un detector
La mayoría de los detectores de IA dan una puntuación o un porcentaje. Sightengine, por ejemplo, describe su puntuación como la confianza del modelo, de 0 a 1, en que una imagen ha sido producida o editada por un modelo de IA generativa.
Así, una puntuación de 0,9 significa que la herramienta está bastante segura de que el archivo se parece a los ejemplos de IA de los que ha aprendido. No significa que el 90 % de la imagen se haya hecho con IA. Tampoco es una prueba. Cada herramienta fija su propia escala y su propia idea de qué cuenta como «probable», así que un 70 % de una herramienta y un 70 % de otra no son lo mismo.
2. Cada herramienta aprendió de ejemplos distintos
La mayoría de los detectores se entrenan con grandes conjuntos de archivos reales y creados con IA. Aprenden a reconocer los patrones que comparten los ejemplos de IA. Una herramienta solo puede reconocer lo que se parece al material con el que se entrenó.
- Generadores nuevos. Cuando sale un nuevo modelo de imagen o de vídeo, puede que un detector no reconozca lo que produce hasta que se actualice. Sightengine dice que su modelo cubre los generadores actuales y que se añaden más a medida que aparecen.
- Pruebas de laboratorio y vida real. Los investigadores que crearon el banco de pruebas Deepfake-Eval-2024 reunieron deepfakes que circularon por internet en 2024. Descubrieron que los conjuntos de pruebas académicos más antiguos se habían quedado obsoletos. Los detectores de código abierto funcionaron mucho peor con falsificaciones del mundo real que con esos conjuntos de pruebas. Las herramientas comerciales lo hicieron mejor, pero aun así no igualaron a los analistas forenses humanos.
Dos herramientas entrenadas con ejemplos distintos pueden mirar el mismo archivo y llegar a conclusiones opuestas. Las dos informan con honestidad de lo que ve su propio modelo.
3. Importa el archivo que compruebas
Los detectores miran el detalle fino de los píxeles o del sonido. Todo lo que elimina detalle les dificulta el trabajo.
- Las capturas de pantalla, los recortes y las copias reducidas pierden información.
- Las redes sociales y las aplicaciones de mensajería comprimen los archivos cuando se suben.
- Un vídeo descargado de una republicación puede haberse comprimido varias veces.
En una prueba de 2023, Bellingcat comprobó que el detector AI or Not señaló correctamente las 100 imágenes originales de Midjourney que se le dieron. Cuando diez de ellas se comprimieron a un tamaño de archivo menor, atribuyó a un humano siete imágenes de IA fotorrealistas. Bellingcat concluyó que cuanto mayor es el archivo, más preciso es el detector. Sightengine también dice que su confianza puede bajar con imágenes muy degradadas y con capturas de pantalla.
Si dos personas comprueban copias distintas de la misma imagen, pueden obtener respuestas diferentes solo por esto. Usa siempre la mejor copia que encuentres. Nuestra guía sobre la búsqueda inversa de imágenes explica cómo encontrar copias más grandes y anteriores.
4. Los verificadores de marcas de agua responden a una pregunta más limitada
Algunas herramientas no adivinan a partir de patrones. Buscan una marca de agua oculta que una empresa de IA ha colocado en su propia producción. SynthID Detector, de Google, comprueba las marcas de agua de Google y de sus socios, entre ellos OpenAI, NVIDIA y Kakao. El verificador propio de OpenAI cubre el contenido de sus herramientas.
Estas herramientas responden a una pregunta distinta de la de un detector general. Pueden decirte que se ha encontrado una marca de agua de una empresa concreta. No pueden decirte nada sobre las herramientas de IA que no usan esa marca de agua. OpenAI dice que un resultado de «no detectado» es una ausencia de pruebas, y no una prueba de que una persona haya creado el contenido.
Por eso un verificador de marcas de agua puede no encontrar nada mientras un detector general da una puntuación alta de IA, y ambos pueden tener razón. Puede que la imagen venga de una herramienta que no añade marca de agua. Consulta qué son las Content Credentials, un tipo de registro relacionado.
5. Los detectores se equivocan en ambos sentidos
Los detectores pasan por alto contenido de IA y también señalan como IA contenido real.
- En la prueba de Bellingcat, AI or Not señaló por error como generadas con IA seis de 20 fotografías reales presentadas a un concurso de fotografía.
- En octubre de 2026, Full Fact comprobó que el SynthID Detector público de Google etiquetó cinco imágenes como creadas o editadas con IA de Google. Las personas que las publicaron dijeron que eran auténticas, y Full Fact no vio señales de edición. Después de que Google actualizara la herramienta, esta calificó esas cinco como «No seguro». Google dijo que usar el detector sin un motivo previo para sospechar de la IA aumenta la probabilidad de falsos positivos.
- En el caso del texto, un estudio de Stanford de 2023 descubrió que los detectores de texto de IA clasificaban sistemáticamente como generados con IA los escritos de personas que no tienen el inglés como lengua materna. Nuestra guía sobre el texto escrito con IA trata este tema.
Una puntuación alta de IA no prueba que algo sea falso. Una baja no prueba que sea real. Trata cada puntuación como una pista entre varias.
6. Por qué RELTY nunca hace la media de las puntuaciones
Imagina que una herramienta da un 95 % de IA y otra un 5 %. La media es un 50 %, que parece una respuesta intermedia razonable. Oculta lo más útil que has aprendido: que las herramientas discrepan con fuerza.
Hacer la media también trata a todas las herramientas como igual de buenas con cualquier tipo de archivo. No lo son. Una puede ser fuerte con caras y débil con paisajes. Otra puede manejar mejor los archivos comprimidos. Solo los resultados por separado te permiten verlo.
Por eso los informes de RELTY mostrarán el resultado de cada herramienta por separado, con lo que comprueba y lo que no puede ver. Cuando las herramientas discrepen, el informe lo dirá. El informe de muestra ilustrativo de la página de inicio muestra la idea.
7. Cómo leer varios resultados
- Anota cada resultado por separado. Apunta la herramienta, la puntuación y el archivo exacto que usaste.
- Comprueba qué dice detectar cada herramienta. ¿Es un detector general, un detector de intercambio de caras o un verificador de marcas de agua? Lee su propia descripción de sus límites.
- Fíjate en la calidad del archivo. Una puntuación baja en una captura de pantalla borrosa significa mucho menos que una puntuación baja en el archivo original.
- Busca coincidencias con otras pruebas. Una puntuación alta de IA pesa más cuando la fuente es desconocida, no hay copias anteriores y la imagen tiene fallos visibles.
- Acepta el «no está claro». Cuando las herramientas discrepan y nada más lo resuelve, la respuesta honesta es que no lo sabes.
Las comprobaciones que no dependen de los detectores suelen decidir el caso. Averiguar quién lo publicó primero, buscar copias anteriores y leer las verificaciones existentes se explican en nuestras guías sobre imágenes de IA y vídeos virales.
8. Decide qué puedes afirmar
- Verificado. Una fuente fiable, las Content Credentials o informes independientes respaldan el contenido. Una puntuación baja de IA por sí sola no basta.
- Generado o alterado con IA. Una marca de agua, el autor, una etiqueta de la plataforma o varias pruebas sólidas apuntan en la misma dirección. Una puntuación alta de IA por sí sola no basta.
- Contexto engañoso. El contenido es genuino, así que los detectores no encuentran nada, pero se usa para contar una historia falsa.
- No verificado. Las herramientas discrepan, o las puntuaciones son la única prueba que tienes.
Si no puedes verificar algo, dilo y no lo compartas como un hecho.
En las noticias
Informaciones recientes de las noticias de IA de RELTY que muestran por qué importa esta comprobación.
- 3 de noviembre de 2026 · The Hindu
Una nueva técnica basada en la luz detecta vídeos deepfake (en inglés)
The Hindu informa de un sistema que usa la luz para detectar vídeo manipulado. En las pruebas identificó las falsificaciones con una precisión del 99,86 % y los vídeos reales con una precisión del 95,72 %. Una herramienta puede ser mejor en un tipo de respuesta que en el otro, así que fíjate en ambas cifras.
Fuentes
Las páginas en las que se basa esta guía, consultadas el 8 de noviembre de 2026.
- AI-generated image detection (en inglés). Documentación de Sightengine.
- Deepfake-Eval-2024: A Multi-Modal In-the-Wild Benchmark of Deepfakes Circulated in 2024 (en inglés). Chandra y otros, 2025 (arXiv).
- Testing AI or Not: How well does an AI image detector do its job? (en inglés). Bellingcat, septiembre de 2023.
- SynthID (en inglés). Google DeepMind.
- Procedencia del contenido (en inglés). Documentación para desarrolladores de OpenAI.
- Google actualiza su detector de IA después de que una investigación de Full Fact descubriera que marcaba imágenes aparentemente reales (en inglés). Full Fact, octubre de 2026.
- Los detectores de GPT tienen sesgos contra quienes escriben en inglés como segunda lengua (en inglés). Liang, Yuksekgonul, Mao, Wu y Zou, Universidad de Stanford, 2023 (arXiv).
Cómo saber si un texto lo ha escrito una IA
Cómo detectar reseñas y anuncios falsos hechos con IA
¿Qué son las Content Credentials y cómo se comprueban?
Cómo saber si una imagen está generada con IA
Explora el directorio de herramientas de RELTY
Los enlaces a otras organizaciones son solo de referencia. RELTY no tiene ninguna alianza con ellas ni cuenta con el respaldo de ninguna.
