Cómo detectar si una imagen fue generada con inteligencia artificial

¿Te han enviado una foto que parece demasiado perfecta? ¿Dudas si una imagen viral es real o fue creada con un generador? La calidad de las herramientas de inteligencia artificial ha mejorado tanto que, a simple vista, distinguir lo sintético de lo auténtico ya no es trivial. En esta guía aprenderás cómo detectar contenido generado por IA combinando análisis visual y herramientas gratuitas de verificación. No existe una prueba infalible, pero con un método riguroso podrás reducir el riesgo de caer en engaños.

Indicadores visuales de que una imagen puede ser generada por IA

Anatomía y detalles finos

Las IA han mejorado mucho, pero en retratos y fotos de personas aún dejan pistas sutiles. Observa a 200–400% de zoom:

Manos y dedos: conteos incorrectos, dedos fusionados, uñas deformes o cutículas borrosas.
Dientes y sonrisa: dentaduras con número irregular de dientes, encías difusas o líneas de separación poco definidas.
Orejas y lóbulos: contornos extraños, pendientes que se funden con la piel o asimetrías injustificadas.
Ojos y reflejos: destellos de luz (catchlights) incoherentes con la cantidad o posición de las fuentes de luz; iris con patrones antinaturales.
Cabello y cejas: mechones que atraviesan objetos, pelos que se “disuelven” en el fondo o transiciones demasiado suaves.

Texturas, patrones y bordes

Los modelos generativos tienden a fallar en repetición fina y coherencia local:

Patrones repetidos: azulejos, textiles o ladrillos que se repiten con fallos de periodicidad, interrupciones o simetrías imposibles.
Transiciones de bordes: contornos blandos o con “bruma” donde debería haber un borde nítido (por ejemplo, el borde de un cartel).
Superficies y materiales: metales sin microarañazos, piel demasiado “plástica”, tela sin la trama esperable a alta resolución.
Artefactos en microdetalles: relojes, cremalleras, botones o costuras con geometrías imposibles o desalineadas.

Iluminación, sombras y reflejos

La luz real obedece reglas físicas. Busca incoherencias:

Sombras inconsistentes: direcciones múltiples sin razón, longitudes que no cuadran con la hora o el entorno, sombras que se desvanecen sin degradado natural.
Reflejos y espejos: objetos que no aparecen reflejados, reflejos “derretidos” o con perspectiva errónea; gafas que no muestran la escena.
Especulares imposibles: brillos en la piel o metal que no coinciden con la forma de la fuente de luz (ventanas, focos).

Perspectiva y física

Las IA aún tropiezan con la geometría:

Proporciones del cuerpo: brazos demasiado largos, hombros asimétricos, torsos con curvas irreales.
Perspectiva en arquitectura: líneas de fuga contradictorias, barandillas que ondulan, barandales que no conectan con postes.
Interacciones objeto–entorno: objetos que parecen flotar, manos que no agarran con presión natural, huellas y salpicaduras que no corresponden al movimiento.

Tipografía, logotipos y objetos con reglas

El texto es especialmente delator:

Letras y números deformados: rótulos con caracteres mezclados, espaciado irregular o tipografías que cambian dentro de una misma palabra.
Códigos y elementos normados: códigos QR, etiquetas, matrículas y teclados a menudo salen borrosos o ilegibles.

Señales globales de estilo

Más allá de los detalles, evalúa la impresión general:

Demasiado perfecto: piel sin poros, iluminación “de estudio” incluso en exteriores, bokeh excesivamente cremoso y uniforme.
Colorimetría y contraste: gradaciones suaves con saturación “agradable” pero poco natural, microcontraste uniforme en toda la imagen.
Formato y proporción: muchas imágenes generadas salen en 1:1 o 16:9 con resoluciones exactas (p. ej., 1024×1024). No es prueba concluyente, pero suma indicios.

Flujo de verificación paso a paso

Aplicar una metodología reduce errores. Sigue este flujo:

1) Contexto y fuente: ¿quién publicó la imagen, cuándo y dónde? ¿hay versiones anteriores? Verifica si el autor es fiable y si hay testigos o coberturas coincidentes.
2) Inspección a gran aumento: abre la imagen al 200–400% y recorre manos, ojos, bordes, sombras, textos y reflejos siguiendo las pautas anteriores.
3) Búsqueda inversa: usa varias plataformas (Google, Bing, Yandex, TinEye) para hallar originales, publicaciones previas o versiones manipuladas.
4) Metadatos: revisa EXIF/XMP/ICC. Busca campos de “Software” como Stable Diffusion, Midjourney, DALL·E, Adobe Firefly o editores. Ojo: muchos servicios borran metadatos.
5) Credenciales de contenido (C2PA): comprueba si la imagen incluye firma C2PA, que documenta cómo y con qué herramienta se creó.
6) Forensia digital: aplica ELA, detección de clones, análisis de ruido y bordes con herramientas abiertas.
7) Detectores de IA: pasa la imagen por 2–3 detectores y compara resultados. Tómalos como orientativos; evita decisiones basadas en un único score.
8) Corroboración cruzada: contrasta con medios confiables, verificadores y expertos. Documenta tus pasos y conserva capturas.

Herramientas gratuitas recomendadas

Búsqueda inversa y contexto

Google Imágenes / Lens: Sube la imagen o pega la URL. Útil para encontrar coincidencias visuales, versiones anteriores y páginas que la usaron.
Bing Visual Search: A veces encuentra resultados que Google no detecta.
Yandex Imágenes: Muy potente en rostros y escenas urbanas.
TinEye: Ideal para rastrear versiones más antiguas o de mayor resolución.

Metadatos y credenciales

Content Credentials Verify (C2PA): Arrastra la imagen para comprobar si incluye credenciales de contenido (quién, cómo y con qué herramienta fue creada o editada).
EXIF online: Revisa campos de cámara, lente, fecha, software y perfiles de color.
exiftool (línea de comandos): útil para análisis avanzado y procesamiento por lotes. Comando básico: exiftool archivo.jpg.

Forensia digital

Forensically (29a.ch): Suite con ELA, mapa de errores JPEG, análisis de ruido, bordes y clonación. Permite detectar zonas pegadas o reescaladas.
FotoForensics (ELA): El Error Level Analysis resalta compresiones desiguales; útil para splicing y ediciones fuertes. Precaución: no es prueba concluyente de IA.

Detectores de imágenes generadas por IA

Estos servicios ofrecen detección de contenido sintético; suelen dar un porcentaje o etiqueta (IA vs. cámara). Úsalos como apoyo, no como veredicto:

AI or Not (Optic): Detector de imágenes con versión gratuita. Devuelve probabilidad de que sea IA o foto.
Hive Moderation (Image Detection): Ofrece un detector de contenido sintético con opciones gratuitas limitadas.
Illuminarty:Centrado en arte generado; útil para piezas estilizadas.
Hugging Face Spaces: Busca “AI image detector” para probar modelos de la comunidad de forma abierta.

Extensiones y utilidades para verificación

InVID-WeVerify (plugin): Integración en navegador con búsqueda inversa múltiple, metadatos y herramientas básicas de análisis de imágenes.

Qué pueden y no pueden hacer los detectores

Es clave entender las limitaciones para interpretar correctamente los resultados:

Falsos positivos y negativos: una foto real con fuerte edición o compresión puede parecer “IA”; una IA reescalada o recodificada puede pasar por real.
Procesamiento posterior: recortar, reenfocar, pasar a PNG/JPEG con distinta calidad o aplicar filtros puede borrar señales forenses o “confundir” al detector.
Modelos en evolución: las IA mejoran y los detectores deben actualizarse. Un sistema que funcionaba bien ayer puede degradar su precisión con nuevos modelos.
IA parcial: una foto real con relleno generativo o inpainting presenta un reto: el detector puede etiquetar toda la imagen como IA o no detectar las zonas alteradas.
Watermarks invisibles y C2PA: no todas las herramientas insertan marcas o credenciales, y algunas plataformas las eliminan. Si existen, son pistas fuertes; si no, no prueban nada.

Por estas razones, evita decidir con un único indicador. La fortaleza está en la triangulación: contexto + análisis visual + forensia + detectores + verificación externa.

Casos prácticos: cómo aplicar el método

Retrato “demasiado perfecto” en redes

Visual: piel sin poros, ojos con reflejos idénticos, joyas que se funden con la piel.
Acción: zoom 300%, inspecciona manos, orejas y fondo. Luego pasa por AI or Not y Illuminarty. Comprueba metadatos en exif.tools.
Resultado esperado: varios indicios de IA, metadatos sin cámara o con “Software: Midjourney/Stable Diffusion”. Publica tu valoración con reservas si no hay C2PA.

Imagen viral de un “desastre urbano”

Visual: coches deformes a lo lejos, sombras con direcciones múltiples, personas sin caras definidas.
Acción: búsqueda inversa en Google/Bing/Yandex; verifica cobertura periodística. Usa Forensically para detectar clones y ELA.
Resultado esperado: ausencia de fuentes confiables y artefactos en bordes. Si detectores señalan alta probabilidad de IA, considera etiquetarla como no verificada.

Foto de producto con textos y códigos

Visual: tipografías con kerning irregular, códigos QR que no escanean, números borrosos en etiquetas.
Acción: intenta leer/escANear el código; revisa metadatos; aplica ELA para ver zonas pegadas.
Resultado esperado: incoherencias tipográficas y ausencia de datos de cámara sugieren generación o manipulación.

Consejos prácticos para análisis visual efectivo

Trabaja con la mejor calidad posible: solicita el archivo original. Las copias de mensajería comprimen y enmascaran pistas.
Observa lo periférico: los bordes de la imagen (esquinas, fondo) suelen delatar más que el centro.
Cuenta elementos repetidos: barandillas, baldosas, ventanas; busca rupturas de patrón.
Comprueba coherencia de luz: número de fuentes, dirección y dureza de sombras.
Evalúa la profundidad: ¿el desenfoque respeta la distancia y la apertura de lente simulada?
Revisa interacción material–luz: metal, vidrio y agua son críticos; los reflejos deben “narrar” el entorno.

Interpretación de metadatos: qué buscar

Aunque muchos sitios limpian EXIF/XMP, cuando están presentes aportan pistas:

Cámara y lente: marca/modelo, distancia focal, apertura, ISO y velocidad. Incongruencias (p. ej., EXIF vacío en una “foto de cámara”) son sospechosas.
Software: campos como “Adobe Photoshop”, “Lightroom” indican edición; “Automatic1111”, “Stable Diffusion”, “Midjourney”, “DALL·E”, “Adobe Firefly” apuntan a generación.
Fechas: crea/modifica. Grandes discrepancias pueden sugerir recompras o ediciones.
Perfiles ICC y resolución: perfiles inusuales o resoluciones exactas de modelos (1024×1024, 1024×1536) suman indicios.