Una marca de agua invisible cambió tres resultados en cinco días

En cinco días de este mes, una marca de agua invisible pasó de ser una curiosidad técnica a algo que le cuesta premios a la gente y obliga a las empresas a reimprimir artwork.

El 7 de octubre, Google abrió su SynthID Detector a cualquiera con una cuenta. El 9 de octubre, Nikon descalificó al ganador del primer premio de su concurso Small World in Motion. En algún punto intermedio, Fortnite sustituyó discretamente la portada de una canción después de que los fans detectaran una marca de agua de Gemini en una esquina.

Ninguno de estos episodios va de que la tecnología de detección sea mágica. Los tres van de qué ocurre cuando una señal se vuelve algo sobre lo que la sociedad puede actuar.

Qué es SynthID en realidad y qué dice en realidad el detector

SynthID es una marca de agua que Google incrusta en los medios que generan sus modelos: imperceptible, diseñada para sobrevivir a la compresión y al recorte. El detector es una página web gratuita: subes una imagen, un vídeo o un archivo de audio y te dice si esa marca está presente.

La cobertura es más amplia que la de los propios modelos de Google. Según la compañía, la herramienta señala medios creados con sus modelos y con los de socios como OpenAI, Nvidia y Kakao, y el soporte para Apple llegará pronto. Es un paso relevante, porque un detector que solo reconoce la producción de un proveedor es un programa de fidelización, no una herramienta de integridad.

Los límites importan igual, y hay que reconocerle a Google que los explicite: el detector encuentra SynthID y nada más. Otras empresas usan estándares distintos, así que la ausencia de una señal no prueba nada. Un resultado positivo no te dice si el archivo se generó desde cero o solo se editó con una herramienta que aplica la marca. Y las marcas de agua no son a prueba de manipulación: quien tenga suficiente empeño puede quitarlas o dañarlas.

Queda la pregunta práctica: si una señal no es una prueba, ¿por qué cambió tres resultados en una semana?

Nikon: el caso que se citará durante años

El 16.º concurso Small World in Motion otorgó el primer premio al Dr. Ning Xu por un vídeo de cilios —las estructuras capilares que recubren las vías respiratorias— latiendo de forma anómala en tejido de un niño con discinesia ciliar primaria, un trastorno genético poco frecuente.

Entonces los científicos empezaron a mirar. Edward Phelps, profesor asociado de la Universidad de Florida, describió públicamente problemas estructurales: estructuras moradas que aparecen y desaparecen, cilios verdes que surgen de la nada. Ian Donovan, estudiante de MD/PhD en UT Southwestern, pasó el material por Gemini y reportó una marca de agua de SynthID.

La versión de Xu, dada en un comentario de LinkedIn ya eliminado, es que se usó IA en la posproducción: una red neuronal no supervisada aplicada a datos en escala de grises reconstruidos para separar y colorear estructuras de forma similar. Sostiene que el vídeo original, los cilios y su movimiento son reales, y que no creía estar incumpliendo las normas.

El fallo de Nikon fue más estrecho que el de internet. La compañía dijo que la candidatura “no cumplía las bases del concurso en materia de IA generativa”, que la decisión se basaba únicamente en la elegibilidad y que no debía interpretarse como un juicio sobre la reputación profesional de Xu, sus contribuciones científicas o su intención. También reconoció que se empleó un método de red neuronal no supervisada en el flujo de posproducción y visualización, y anunció que revisará las bases y los procedimientos de evaluación. La clasificación se movió: Nguyen Nam Nhat es ahora primero, seguido de Benedikt Pleyer, Andrew Moore, Patrick Hickey e Igor Adameyko. La candidatura descalificada desapareció de la galería.

Aquí está la parte incómoda. El falso color es estándar en microscopía desde hace décadas. La reducción de ruido, la deconvolución y la reconstrucción son la forma de obtener una imagen cuando empujas más allá del límite de difracción. La línea que Nikon tenía que trazar no es “IA o no IA”. Es si el procesamiento añadió estructura que no estaba en los datos. Es una línea mucho más difícil, y una marca de agua no la responde.

Fortnite: la marca de agua que nadie comprobó

El segundo caso es más pequeño y, en cierto modo, más revelador. Fortnite añadió un tema llamado “Meow” de Ironmouse, Sleeping Forest y HalaCG. Los fans vieron una marca de agua de Google Gemini en la esquina inferior derecha de la portada: no solo en el juego, también en las plataformas de streaming.

La respuesta de Epic fue que la ilustración la había proporcionado la artista y coincidía con lo usado en otros sitios, y que sustituyeron la imagen en cuanto ella entregó un reemplazo. Ironmouse dijo que no tenía ni idea, que su equipo exigió el cambio y que la situación era enormemente decepcionante.

Fíjate en lo que pasó aquí: nadie acusó a Epic de generar la ilustración. La marca de agua cumplió su función como señal de procedencia —te decía que un modelo de Gemini había tocado ese archivo— y la consecuencia social vino después. El fallo interesante no fue la detección. Fue que un recurso con marca de agua pasara por una artista, un sello, una plataforma de videojuegos y varios servicios de streaming sin que nadie notara una pequeña marca en la esquina.

Lo que un estudio debería estar registrando ahora

Si te ganas la vida haciendo imágenes, la respuesta práctica a este mes no es contratar una suscripción a un detector. Es mantener un rastro de procedencia que sobreviva a una disputa.

Eso significa la captura original, no solo la exportación. El archivo de proyecto, con la pila de capas intacta. Un registro de qué herramienta generativa tocó qué paso, aunque la respuesta sea “ninguna”. Un historial de cambios con fecha para todo lo publicado. Nada de esto es emocionante, y todo ello es lo que te pedirán un concurso, un cliente o una plataforma cuando aparezca una señal.

También significa decidir tu política de divulgación antes de necesitarla. Un fotógrafo que puede decir “uso relleno generativo para quitar polvo y nada más” está en una posición mucho más fuerte que quien tiene que reconstruir esa respuesta bajo presión, en público y de memoria.

El lado institucional tiene la misma tarea. Una base que dice “no se permiten vídeos generados por IA” no es una regla comprobable hasta que alguien defina dónde termina la mejora. Nikon ya ha anunciado que revisará sus bases y sus procedimientos de evaluación. Todos los demás concursos con cláusula de IA están a punto de descubrir el mismo hueco.

El giro silencioso: de “¿es IA?” a “¿quién lo tocó?”

Durante dos años, el debate sobre la detección de IA se planteó como un binario —real o falso— y la tecnología fue perdiendo ese debate, porque la detección es probabilística y la acusación no.

Las marcas de agua cambian la pregunta. No preguntan si una imagen es verdadera. Preguntan si una herramienta concreta participó en producirla. Es una afirmación mucho más débil y mucho más defendible. Y es justo la afirmación que necesitan las instituciones: un concurso puede hacer cumplir una regla de elegibilidad, una plataforma puede exigir divulgación, un editor puede hacerle una pregunta a un proveedor.

Las normas de etiquetado de IA de la UE se construyen sobre la misma lógica. Igual que cada casilla de divulgación que has visto este año. Ninguna exige demostrar que una imagen es sintética. Exigen adjuntar un hecho a un archivo.

Lo que nos devuelve a eso que a los fotógrafos se les repite y siguen ignorando: guarda los originales. Archivos RAW, archivos de proyecto, registros de captura, ese archivo aburrido que nadie abre. En un mundo donde una señal puede costarte un premio, la única coartada fiable es el rastro documental que muestra con qué empezaste.

El detector ya es gratis. Eso no lo convierte en juez. Lo convierte en testigo, y los testigos solo sirven si alguien guardó las pruebas.