Qué es el etiquetado de contenido generado por IA

Bajo una misma palabra conviven tres cosas distintas. La primera es la nota visible dirigida a quien lee, del tipo imagen generada con inteligencia artificial. La segunda es el marcado legible por máquina que el proveedor del modelo incrusta en la salida, pensado para que un sistema posterior pueda reconocerla. La tercera es la procedencia documentada, un historial firmado que registra con qué se capturó o generó el archivo y qué ediciones ha sufrido después.

Las técnicas responden a esas capas. Las Content Credentials del estándar C2PA guardan ese historial firmado dentro del archivo. Las marcas de agua invisibles alteran píxeles, forma de onda o elección de palabras de manera imperceptible para que la señal viaje en el contenido y no en los metadatos. Los metadatos clásicos de imagen, en formatos como IPTC o XMP, admiten un campo descriptivo del proceso de creación.

La supervivencia práctica de cada capa es desigual. Los metadatos y los manifiestos incrustados se pierden con facilidad cuando un archivo pasa por el procesado de una plataforma, por una captura de pantalla o por una recompresión, y por eso el propio C2PA recurre a marcas de agua y huellas digitales para volver a enlazar el archivo con su credencial. Ninguna de estas técnicas es un detector: confirman lo que un sistema declaró, no lo que un archivo sin señal es en realidad.

El Reglamento (UE) 2024/1689 sobre inteligencia artificial concentra las obligaciones de transparencia en su artículo 50, aplicable desde el 2 de agosto de 2026. El apartado 2 obliga a los proveedores de sistemas que generan audio, imagen, vídeo o texto sintéticos a marcar la salida en un formato legible por máquina y detectable como generada o manipulada artificialmente, en la medida en que sea técnicamente viable.

El apartado 4 se dirige a quien despliega el sistema y exige revelar el origen artificial en dos supuestos: las ultrafalsificaciones y el texto publicado con el fin de informar al público sobre asuntos de interés general. Ese segundo supuesto decae cuando el contenido ha pasado por revisión humana o control editorial y una persona física o jurídica asume la responsabilidad editorial. El apartado 5 pide que la información se ofrezca de forma clara y distinguible, a más tardar en el momento de la primera exposición. En España se tramita además una ley de gobernanza de la inteligencia artificial con sanciones por incumplir el etiquetado, cuyo estado conviene comprobar antes de publicar.

Google es el punto donde más se confunde el sector. Su documentación no pide etiquetar el contenido generado con IA ni penaliza una página por haberse escrito con un modelo. Lo que sanciona su política de spam es el abuso de contenido a escala, definido como producir muchas páginas cuyo fin principal es manipular el posicionamiento, con independencia de cómo se hayan creado. La guía de contenido útil sí sugiere explicar cómo se produjo una pieza cuando quien la lee podría preguntárselo, y lo plantea como recomendación editorial, no como requisito de posicionamiento.

La decisión que depende de esto es doble. Primero, si una pieza concreta entra en un supuesto obligatorio, porque de ahí sale la forma de la etiqueta, su ubicación y el momento en que debe aparecer. Segundo, cuánto invierte la organización en dejar rastro del proceso, algo que cuesta dinero en flujos de trabajo y en formación, y que ninguna herramienta resuelve sola.

Separar las dos capas evita el error más común. Cuando un equipo cree que Google exige la etiqueta, acaba poniendo un aviso genérico al pie de cada artículo que no informa de nada y que no cubre ningún supuesto legal. Y cuando un equipo cree que la etiqueta perjudica al posicionamiento, esconde el proceso justo en las piezas donde el público sí espera saberlo, como análisis, comparativas o noticias.

Para una redacción con varios idiomas y varios mercados hay un tercer efecto. La revisión humana documentada no solo es la excepción prevista para el texto informativo, sino también la única forma de detectar afirmaciones inventadas antes de que se publiquen. La etiqueta describe el origen de una pieza, mientras que la revisión responde por su contenido.

• Clasifique sus formatos antes de redactar ninguna política: distinga las piezas informativas sobre asuntos de interés general, las que contienen personas o voces sintéticas y las comerciales, porque el régimen aplicable no es el mismo.
• Deje constancia de la revisión humana con nombre, fecha y alcance de lo revisado, ya que es la excepción prevista para el texto informativo y solo sirve si puede probarse.
• Escriba la nota en la pieza y no en una política general: quien lee debe encontrarla en el primer contacto con el contenido, no en un aviso legal a tres clics.
• Conserve el archivo original con sus credenciales de procedencia en su propio almacenamiento, porque la copia publicada en una plataforma externa suele perderlas.
• Distinga la nota editorial sobre el proceso de la obligación legal, y explique esa diferencia por escrito al equipo de contenidos para que nadie decida por intuición.
• Revise los supuestos obligatorios con asesoría jurídica cuando publique en varios mercados, porque la calificación depende del tipo de contenido y de quién asume la responsabilidad editorial.

• Repetir que Google penaliza el contenido de IA. Sus políticas se refieren al contenido creado a escala para manipular el posicionamiento, con independencia de quién o qué lo escribió.
• Añadir un aviso genérico al pie de todas las páginas y darlo por cumplimiento. Una fórmula que no identifica qué se generó ni en qué medida no informa a nadie.
• Usar un detector de IA como prueba, propia o ajena. Estas herramientas producen falsos positivos y negativos, y ningún marco normativo las reconoce como medio de prueba.
• Suponer que una imagen conserva sus credenciales después de publicarse en una red social, cuando el procesado de la plataforma suele eliminar los metadatos.
• Confundir marcado legible por máquina con etiqueta visible y cumplir solo uno de los dos cuando el supuesto exige ambos.