El nuevo manual de reglas del vídeo con IA: las etiquetas legibles por máquina bajo el EU AI Act

La etiqueta que no sabías que estabas enviando

Hay una pregunta que se ha trasladado, sin mucho bombo, del departamento jurídico a la lista de control de producción, y la mayoría de los equipos creativos no la ha alcanzado. Cuando generas un vídeo con un modelo de IA, ¿qué viaja con el archivo? No su contenido. Sus metadatos. La capa invisible que le dice a cualquiera que mire que esto lo hizo una máquina.

Desde el 2 de agosto de 2026, las obligaciones de transparencia del artículo 50 del EU AI Act se aplican a los medios generados por IA. Los plazos que importan para el marcado legible por máquina dan a las empresas hasta el 2 de diciembre de 2026 para cumplir, y las sanciones asociadas no son simbólicas: multas de hasta 15 millones de euros o el 3 por ciento de la facturación anual mundial, la cifra que sea mayor. Una norma que se lee como una nota al pie de cumplimiento lleva una etiqueta de precio que se lee como un acontecimiento para los accionistas.

Qué significa realmente "legible por máquina"

Las etiquetas visibles para el humano son la parte fácil. Un pie de foto, una marca de agua, una pequeña etiqueta en la esquina. En la práctica, lo que decide si cumples es la parte invisible: si el archivo lleva metadatos de procedencia que un sistema posterior pueda leer automáticamente.

La versión más asentada de esto está a una sola elección de modelo de distancia. Algunos generadores de vídeo incorporan por defecto una marca de agua invisible en su salida, y los metadatos que adjuntan siguen al archivo a través de la mayoría de las formas de distribución. Otros entregan archivos limpios sin procedencia adjunta, lo que significa que la responsabilidad del etiquetado recae en quien genera el vídeo y, con el tiempo, en quien lo publica.

Este es el detalle que la mayoría de los equipos pasa por alto. El cumplimiento no es un paso de posprocesamiento que se pueda añadir al final, porque la etiqueta a menudo viene incorporada en el momento de la generación por el proveedor del modelo, y distintos proveedores se comportan de forma distinta. El modelo de vídeo que eliges es, en el sentido más literal, una decisión de cumplimiento.

Las plataformas llegaron antes

La regulación es nueva. El comportamiento que exige no lo es. Las grandes plataformas llevan años adjuntando metadatos de procedencia a las subidas de los usuarios, al margen de cualquier exigencia legal. Una gran plataforma sitúa el inicio de su propio programa de credenciales de contenido en mayo de 2024 e informó de más de 1300 millones de vídeos etiquetados a finales de 2025, mucho antes de que el plazo legible por máquina del AI Act figurara en el calendario de nadie.

La razón es sencilla: las plataformas tenían un problema de confianza antes de que los reguladores tuvieran un manual de reglas. La desinformación perjudica la interacción, el etiquetado de procedencia es barato, y adelantarse a una norma siempre es mejor que quedar atrapado por detrás de ella. Las plataformas construyeron la fontanería pronto porque las protegía, no porque un estatuto se lo ordenara. El AI Act sobre todo convierte esa fontanería en obligatoria para todos los demás.

Para quien produce contenido, esto invierte la suposición habitual. La pregunta no es si tu vídeo necesita una etiqueta. Es si la etiqueta sobrevive al viaje. Los metadatos son frágiles. El software de edición los elimina. La recodificación puede perderlos. Subirlos a una plataforma que reprocesa los medios puede eliminarlos otra vez. Un equipo puede generar un vídeo perfectamente etiquetado y entregar uno sin etiqueta tres herramientas después sin darse cuenta nunca.

La fragilidad es fácil de subestimar porque el daño es invisible. Puedes abrir el archivo, ver el vídeo y no notar nada raro, porque todo lo raro está en una capa que no ves. La etiqueta que un generador adjuntó en el momento de la creación puede desaparecer durante una exportación rutinaria, y nada en la pantalla te lo dice. Para cuando alguien aguas abajo pregunta por qué el archivo no tiene procedencia, el rastro lleva mucho tiempo frío.

Dónde recae realmente la responsabilidad

La cadena de custodia de una pieza de vídeo con IA tiene varios eslabones, y el artículo 50 reparte las obligaciones a lo largo de ella. El proveedor del sistema generador tiene deberes. También el responsable del despliegue, la parte que pone el sistema en uso. Para la mayoría de los equipos creativos, ese segundo papel es el suyo.

Esto crea un problema práctico que ningún proveedor por sí solo puede resolver. Si tu canal une la salida de tres modelos distintos, más un clip de archivo, más una edición humana, la historia de procedencia del archivo final es un lío de metadatos que se solapan y posiblemente se contradicen. La regulación prevé la divulgación. No le entrega a nadie una herramienta que haga fácil describir un archivo de múltiples fuentes.

Los equipos que van por delante tratan la procedencia como una propiedad del canal y no del resultado: instrumentan cada etapa, registran qué generó qué, y arman un expediente defendible del conjunto. Es un trabajo aburrido. También es el tipo de trabajo aburrido que se convierte en ventaja competitiva la primera vez que un cliente, una plataforma o un regulador pregunta de dónde salió un vídeo.

El plazo no es lo importante

Es tentador leer el 2 de diciembre como la meta: cumplir, marcar la casilla, seguir adelante. Esa lectura pasa por alto lo que está ocurriendo en realidad. La procedencia legible por máquina es el comienzo de un mundo en el que los medios llevan una historia verificable, y las herramientas para leer esa historia se extienden. Un estándar de metadatos que hoy etiqueta contenido de IA es la misma infraestructura que mañana demuestra que una fotografía no fue manipulada.

Para los equipos de contenido, eso significa que el trabajo no es una auditoría única. Es una práctica permanente: saber cuáles de tus herramientas etiquetan su salida, saber cuáles de tus flujos de trabajo eliminan esas etiquetas, y tener preparada una respuesta cuando alguien pregunte. El modelo de vídeo que eliges hoy moldea lo que tus archivos podrán demostrar sobre sí mismos durante años, porque los metadatos fijados en el momento de la generación son los más difíciles de falsificar y los más fáciles de perder.

Cómo es un flujo de trabajo práctico

Los equipos que van por delante dejan de tratar la procedencia como un ajuste y empiezan a tratarla como un paso. El generador se configura, una vez, para adjuntar lo que pueda. El canal se revisa, una vez, para confirmar que lo adjuntado llega hasta el final. Se lleva un registro de lo que se generó, con qué prompt, a través de qué herramientas. Nada de esto es ingenioso. Todo esto es la diferencia entre poder responder a una pregunta y tener que adivinar.

La parte más difícil es cultural, no técnica. El trabajo de procedencia no tiene un resultado visible. Nadie te agradece un vídeo cuyos metadatos están intactos, y nadie lo nota hasta que desaparecen. Es exactamente el tipo de higiene invisible que se salta bajo la presión de los plazos, y por eso quienes la integran en el canal en lugar de añadirla como un paso manual son quienes la conservan.

La conclusión

La forma menos interesante de pensar en las normas de etiquetado de la IA es como una carga de cumplimiento. La forma más interesante es como el momento en que los medios de IA adquieren una memoria. Cada vídeo que lleva un registro honesto de cómo se hizo es un vídeo en el que se puede confiar un poco más, y cada flujo de trabajo que elimina ese registro empeora el problema.

La regulación obliga a la industria a construir la fontanería. La fontanería en sí vale la pena tenerla. Si un archivo puede decir la verdad sobre sus propios orígenes, todos los que están aguas abajo, desde una plataforma hasta un editor y hasta un espectador, ganan un poco más de capacidad para decidir qué creer. No es una molestia burocrática. Es una función, y hizo falta la amenaza de 15 millones de euros para que se construyera.