La verificación de contenidos generados con inteligencia artificial requiere combinar análisis técnico, investigación de fuentes y alfabetización mediática.
Durante décadas, una fotografía, una grabación o un video se consideraban evidencias relativamente confiables de que un acontecimiento había ocurrido. Hoy, la inteligencia artificial generativa permite crear imágenes, voces y secuencias audiovisuales capaces de imitar con gran realismo la apariencia y el comportamiento de una persona. Esta transformación obliga a periodistas, comunicadores y ciudadanos a cambiar la manera en que verifican la información.
Los deepfakes son contenidos sintéticos o manipulados mediante inteligencia artificial que pueden reproducir el rostro, los gestos o la voz de una persona y hacer parecer que dijo o realizó algo que nunca ocurrió. Aunque estas tecnologías también tienen aplicaciones creativas, educativas y cinematográficas, su utilización engañosa puede facilitar fraudes, campañas de desinformación, suplantaciones de identidad, ataques reputacionales y distintas formas de violencia digital.
El problema no consiste solamente en detectar una falsificación
Una de las consecuencias más preocupantes de los deepfakes es la erosión de la confianza. Cuando cualquier audio o video puede ser manipulado, las personas pueden comenzar a desconfiar incluso de los materiales auténticos. UNESCO denomina a este fenómeno una “crisis del conocimiento”: ya no está en juego únicamente la circulación de información falsa, sino nuestra capacidad colectiva para determinar qué evidencias son confiables.
Este fenómeno también produce lo que algunos investigadores llaman el “dividendo del mentiroso”: una persona puede rechazar una grabación verdadera alegando que fue generada con inteligencia artificial. En consecuencia, los deepfakes tienen un doble efecto: permiten fabricar pruebas falsas y, al mismo tiempo, facilitan que se desacrediten pruebas reales.
El audio representa un desafío particular. Una investigación publicada en Scientific Reports encontró que las personas no están suficientemente preparadas para distinguir de manera consistente las voces reales de las clonadas mediante IA. Elementos como el acento, el ruido ambiental o una entonación aparentemente natural pueden generar una falsa sensación de autenticidad.
¿Podemos reconocer un deepfake a simple vista?
Durante algunos años se recomendaba observar manos deformes, movimientos extraños de los labios, parpadeos poco naturales, sombras incoherentes o problemas en los reflejos. Estas señales todavía pueden resultar útiles, pero ya no constituyen pruebas definitivas. Los modelos generativos evolucionan rápidamente y muchos de sus errores visuales son cada vez menos evidentes.
Por ello, la verificación no debe depender únicamente de “encontrar un defecto”. Un estudio sobre alfabetización mediática y deepfakes concluye que advertir a las personas que un contenido podría ser falso no es suficiente: se necesitan orientaciones concretas que expliquen cómo investigar el origen, el contexto y la credibilidad del material.
Las investigaciones sobre jóvenes y medios generados por IA también muestran que comprender el concepto de deepfake no significa necesariamente saber actuar ante uno. Los estudiantes pueden reconocer que existen contenidos manipulados, pero todavía enfrentan dificultades para aplicar procesos sistemáticos de verificación en su vida cotidiana.
Un protocolo básico de verificación audiovisual
Antes de compartir o publicar un contenido sospechoso, conviene aplicar cinco pasos:
- Detenerse y revisar la fuente. Hay que identificar quién publicó el material, cuándo apareció, qué reputación tiene la cuenta y si existe una posible intención política, comercial o sensacionalista.
- Buscar la publicación original. Un video recortado o descargado varias veces puede haber perdido información importante. Es necesario localizar la versión más antigua disponible y comparar el contenido con fuentes oficiales e independientes.
- Examinar imagen y sonido. La sincronización de labios, los cambios de iluminación, las texturas de la piel, los reflejos, las transiciones entre cuadros y la respiración pueden aportar indicios. Sin embargo, deben considerarse pistas y no conclusiones definitivas.
- Comprobar la procedencia digital. Iniciativas como Content Credentials, basadas en el estándar C2PA, pueden proporcionar información sobre quién creó el archivo, cuándo fue producido, qué herramientas se utilizaron, qué modificaciones recibió y si intervino inteligencia artificial. Estas credenciales no garantizan que el mensaje sea verdadero, pero permiten conocer mejor la historia técnica del contenido.
- Verificar antes de amplificar. Cuando existe una duda razonable, lo profesional es no publicar todavía. Se debe consultar a la persona involucrada, buscar grabaciones alternativas, revisar bases de verificación o solicitar apoyo de especialistas.
El Laboratorio de Medios Sintéticos de Syracuse University propone analizar estos contenidos en tres niveles: detección, para identificar si son reales o sintéticos; atribución, para investigar quién los creó y con qué herramienta; y caracterización, para determinar si su intención es informativa, creativa, engañosa o maliciosa.
Una nueva responsabilidad para los comunicadores
Para los estudiantes de Comunicación, aprender a trabajar con inteligencia artificial ya no es suficiente. También deben saber cuestionar sus resultados, verificar contenidos y comunicar con transparencia cuando una información todavía no ha sido confirmada.
El comunicador profesional no es quien publica primero, sino quien puede explicar qué se sabe, cómo se comprobó y qué aspectos permanecen en duda. Frente a los deepfakes, la respuesta no debe ser desconfiar de todo, sino desarrollar mejores métodos para investigar, contrastar y contextualizar.
En un ecosistema donde una voz puede clonarse y un rostro puede programarse, la verificación deja de ser una actividad exclusiva del periodismo especializado: se convierte en una competencia fundamental para cualquier persona que produzca, comparta o interprete contenidos digitales.
FUENTES: Naffi, N. (2025). Deepfakes and the crisis of knowing. UNESCO. Barrington, S., Cooper, E. A. y Farid, H. (2025). People are poorly equipped to detect AI-powered voice clones. Scientific Reports. Lao, Y., Hirvonen, N. y Larsson, S. (2025). Everyday encounters with deepfakes: young people’s media and information literacy practices with AI-generated media. Journal of Documentation. Huang, G. y Hu, B. (2025). A Warning Is Not Enough. Teach Me How to Spot Deepfakes. Science Communication. Coalition for Content Provenance and Authenticity. (2023). Introducing Official Content Credentials Icon.
