C2PA y SynthID: Tras el Reglamento de IA de la UE, la procedencia de los medios es una tarea de ingeniería

El texto, las imágenes, el audio y el vídeo generados por IA son cada vez más difíciles de distinguir del trabajo humano. Eso ha convertido la procedencia de un tema de investigación en un requisito del pipeline, y los plazos han empezado a ser vinculantes.

Las obligaciones de transparencia del Reglamento de IA de la UE en virtud del artículo 50 se aplican desde el 2 de agosto de 2026, con un período de gracia para el marcado que se extiende hasta el 2 de diciembre de 2026. India modificó sus Normas de TI en febrero de 2026 para abarcar la información generada sintéticamente. Marcar los medios generados ahora es algo que un equipo tiene que implementar, no algo que un equipo discute.

Tres herramientas que responden a preguntas diferentes

El error que cometen la mayoría de los equipos es tratar la procedencia, el marcado de agua y la detección como intercambiables. No lo son, y fallan de maneras diferentes.

La procedencia, en el sentido de C2PA, son metadatos firmados criptográficamente que se adjuntan a un archivo o se referencian desde él. Responde a una pregunta concreta: quién firmó esto, con qué herramienta y si ha cambiado desde entonces. Su principal debilidad es que es fácil de eliminar. Una captura de pantalla, una recodificación o una plataforma que descarta los metadatos elimina el manifiesto.

Una marca de agua invisible es una señal incrustada en el propio contenido, ya sea en píxeles, muestras de audio o elecciones de tokens. Responde a: ¿esto fue producido por un sistema que aplica esta marca de agua? Su debilidad es que la edición intensa, la reescritura o los ataques adversarios pueden debilitar o eliminar la señal, y normalmente solo la puede detectar el propio detector del proveedor.

Un clasificador de detección es un modelo entrenado para adivinar si el contenido es sintético. Responde a: ¿esto parece generado por IA? Es probabilístico, se desvía a medida que mejoran los generadores y produce falsos positivos en contenido real.

La distinción clave es que la procedencia y las marcas de agua se aplican en el momento de la creación por una parte que colabora. La detección se aplica después a contenido de cualquiera, incluidos adversarios, lo que la convierte en la forma más débil de evidencia, aunque sea la única opción para contenido que nunca se marcó.

Por qué la detección por sí sola no es suficiente

La detección es una carrera armamentística. Los clasificadores aprenden los artefactos de generadores conocidos, y los nuevos modelos más un simple posprocesamiento cambian esos artefactos. Los falsos positivos perjudican a personas reales, porque fotos reales editadas, vídeo comprimido y escritura de no nativos son señalados. Cuando eso se convierte en un problema de equidad, se rechaza una selfi auténtica de un cliente.

Y una puntuación limpia no prueba nada. El contenido puede provenir de un generador que el modelo nunca ha visto. La orientación práctica es tratar la detección como una señal de riesgo más, con revisión humana para decisiones trascendentales.

Cómo funciona C2PA en realidad

La Coalition for Content Provenance and Authenticity publica un estándar técnico abierto para registrar el origen y el historial de edición del contenido digital. Su comité directivo incluye a Adobe, Google, Microsoft, Meta, OpenAI, Amazon, Sony y la BBC, entre otros. La especificación se encuentra en su serie 2.x y se revisa con regularidad, por lo que los diseños deberían comprobar la versión actual en lugar de fijar una única versión.

La unidad central es el manifiesto C2PA, una estructura de datos firmada criptográficamente que describe la procedencia de un activo. Un almacén de manifiestos puede contener varios, uno por cada paso en la vida del activo. Las aserciones son declaraciones individuales sobre el activo, y las estándar cubren acciones como creado o editado, incluso por un sistema de IA, además de ingredientes y miniaturas.

A mediados de 2026, OpenAI adjunta manifiestos C2PA a cada imagen producida por sus modelos de imagen, y Google adjunta tanto manifiestos C2PA como marcas de agua SynthID a las salidas de su generación de imagen y vídeo. Firefly de Adobe hace lo mismo desde 2024. El firmware de cámaras de Canon, Sony, Nikon y Leica ahora escribe credenciales de contenido en la captura, lo que significa que la misma infraestructura que permite a una redacción verificar una fotografía también permite a un responsable de contratación verificar una foto de perfil.

Qué hace SynthID de forma diferente

SynthID de Google DeepMind es una familia de tecnologías de marcas de agua que adapta la señal a cada tipo de contenido en lugar de usar una sola técnica para todo. Las imágenes reciben una señal distribuida por toda la imagen, de modo que se preserva la calidad visual normal y algunas transformaciones comunes no la borran. El vídeo distribuye la información de la marca de agua a través de los fotogramas, lo que ayuda a un verificador a examinar un clip en lugar de un área aislada. El audio coloca la señal dentro del sonido, de forma inaudible pero detectable por máquina. El texto hace que el modelo desplace sutilmente las probabilidades de los tokens, y un verificador examina suficiente texto para encontrar el patrón estadístico esperado.

El marcado de agua de texto es el caso más frágil. Una respuesta corta puede no contener suficiente evidencia. La paráfrasis intensa, la traducción o la mezcla de resultados de varios modelos pueden debilitar el patrón. Por eso un resultado negativo debería informarse como «no se detectó ninguna marca de agua compatible», en lugar de «escrito por un humano».

Qué significa esto para un equipo que entrega medios generados

Tres prácticas se derivan de las diferencias entre las herramientas.

Firma en el momento de la creación y conserva el original. C2PA a veces sobrevive a la recodificación, pero los metadatos a menudo se pierden más adelante. El único registro fiable de la procedencia es el archivo que conservaste.

No trates una marca de agua ausente como prueba de autoría humana. Una señal ausente puede significar que el generador no aplica ninguna, que la edición la eliminó o que el detector no estaba disponible. Cada uno de esos casos es un hecho diferente.

Separa la cuestión técnica de la cuestión de la verdad. La criptografía de C2PA ayuda a revelar cambios no autorizados, pero no certifica por sí sola que la representación de un producto sea precisa ni que toda afirmación de un manifiesto sea verdadera. La procedencia te dice de dónde viene un archivo. No te dice si el archivo es honesto.

El mercado ha respondido a todo esto. El gasto en marcas de agua de IA y procedencia se valoró en unos 480 millones de dólares en 2025, con proyecciones de más del 28 por ciento de crecimiento anual hasta 2034. Eso es gasto empresarial, no adopción de consumidores, y refleja una realidad simple: a medida que cae el coste de generar medios, sube el valor de demostrar de dónde provienen. Los equipos que traten la procedencia como infraestructura del pipeline en lugar de una curiosidad de laboratorio serán los que estén listos cuando las normas de marcado sean vinculantes.

Cómo es un pipeline conforme

Dejando a un lado las abstracciones, un equipo que ahora tiene que marcar medios generados necesita una secuencia específica de pasos, y cada paso se corresponde con una de las herramientas anteriores.

En la creación, el pipeline firma la salida. En el caso de las imágenes producidas a través de una API importante, esto ocurre automáticamente: OpenAI adjunta un manifiesto C2PA a cada imagen, Google adjunta tanto un manifiesto como una marca de agua SynthID, y Adobe hace lo mismo a través de Firefly. Un equipo que trabaje con un proveedor menor puede tener que añadir el manifiesto por su cuenta.

Durante la edición, el pipeline preserva la cadena. Cada herramienta que toque el activo debería añadir una aserción en lugar de reemplazar el manifiesto, para que el historial sobreviva. Aquí es donde la mayoría de los pipelines pierden información, porque una herramienta que recodifica el archivo puede descartar metadatos que no entiende.

En la distribución, el pipeline conserva el original. Las plataformas eliminan metadatos de forma rutinaria, recomprimen las subidas y generan vistas previas. El archivo firmado que sale del sistema de producción es el único registro fiable, y debería conservarse independientemente de dónde se publique la imagen.

En la capa humana, el pipeline etiqueta. Una etiqueta visible es la forma más simple de divulgación y la que los reguladores esperan para ciertos usos. También es la que más fácilmente se recorta, por lo que acompaña a las señales legibles por máquina en lugar de reemplazarlas.

La distinción que trazan los reguladores

El artículo 50 del Reglamento de IA de la UE y las Normas de TI modificadas de India trazan una línea que es fácil de difuminar en una discusión de ingeniería.

La obligación tiene que ver con la transparencia, no con la exactitud. Una imagen marcada está certificada como generada o editada por un proceso identificado, y eso es todo lo que afirma la marca. La distinción importa porque determina para qué sirve un manifiesto. Registra la procedencia, es decir, quién creó el archivo y cómo. No avala el contenido, es decir, si lo que el archivo representa es real.

Equivocarse con esa distinción lleva a un fallo predecible. Un equipo trata una credencial de contenido válida como prueba de que una imagen es fiable, cuando la credencial solo confirma que la imagen proviene del sistema del que dice provenir. Una foto manipulada con un manifiesto intacto sigue siendo una foto manipulada, y un manifiesto no detecta la manipulación.

La conclusión para un equipo que trabaja

Se derivan tres cosas, y todas tienen que ver con la disciplina más que con la tecnología.

Trata el marcado como parte del paso de exportación, no como un añadido posterior. La procedencia se aplica en la creación, y adaptarla a posteriori no es posible para un activo que ya está en circulación.

Conserva el original, porque la copia que ven los demás normalmente estará despojada de metadatos. El manifiesto solo es útil si un equipo puede producir el archivo que lo contiene.

Y separa la cuestión de la procedencia de la cuestión de la detección en cómo habla el equipo sobre la salida. La procedencia te dice de dónde viene un archivo. La detección te dice lo que un modelo conjetura sobre contenido que nunca ha visto, que es la afirmación más débil. Decirlo con claridad, tanto internamente como a los clientes, es lo que mantiene honesto a un programa de cumplimiento sobre lo que puede y no puede probar.