Deepfakes en la oficina: la ley ya obliga a investigar el acoso aunque la prueba pueda ser falsa

Por Zendoric · 9 de septiembre de 2026.

Una imagen sexual generada por inteligencia artificial (IA) ya ha llevado a los tribunales a empresas de Estados Unidos por no investigarla a tiempo. Una meteoróloga de televisión en Tennessee demandó a su empleador porque, según alegó en su demanda, la dirección no investigó las imágenes sexuales fabricadas con su rostro mediante IA. Un patrullero del estado de Washington presentó otra demanda después de que, según su versión, varios colegas distribuyeran un vídeo generado con IA que lo mostraba besando a otro agente. Lo recoge Tracey Diamond, socia del bufete Troutman Pepper Locke especializada en derecho laboral, en un análisis publicado en HR Dive el 8 de septiembre.

El marco legal que obliga a actuar es el Título VII de la Ley de Derechos Civiles de 1964, que prohíbe el acoso por sexo y otras categorías protegidas. Desde 1998, el Tribunal Supremo de EE.UU. permite a las empresas defenderse de una demanda de acoso mediante la llamada defensa Faragher-Ellerth, pero solo si demuestran que actuaron con diligencia razonable para prevenir y corregir la conducta y que el empleado no aprovechó los canales de queja disponibles. En la práctica, eso obliga a investigar toda denuncia de acoso de forma rápida y a fondo. El problema, explica Diamond, es que los deepfakes han hecho mucho más difícil separar el hecho de la ficción dentro de esa investigación.

Imaginemos, plantea la autora, que un empleado presenta un mensaje de voz con comentarios sexuales y una foto de desnudo de un compañero como prueba de acoso. Si la prueba es auténtica y la empresa no actúa, se expone a responsabilidad por acoso bajo el Título VII, con el despido del acosador como medida probable. Pero si la prueba fue fabricada por el propio denunciante, actuar contra el acusado sin comprobarlo expone a la empresa a una demanda distinta, la del compañero injustamente señalado. El departamento de RR.HH. ya no puede limitarse a creer al denunciante: tiene que empezar cada investigación de acoso sospechando también de la prueba misma.

El respaldo normativo a este endurecimiento es reciente. La Take It Down Act, en vigor desde mayo de 2025, tipifica como delito federal publicar una representación visual íntima de una persona identificable generada con IA que, vista por una persona razonable, resulte indistinguible de una imagen auténtica. Además, avanza en el Congreso la Defiance Act, que daría a las víctimas el derecho a demandar directamente a quien fabrique ese contenido pornográfico con su imagen. La Comisión para la Igualdad de Oportunidades en el Empleo (EEOC) ya incluye la difusión de vídeos e imágenes sexualmente degradantes generados con IA entre los ejemplos de conducta que constituyen acoso ilegal. Lo que todavía no está resuelto, señala Diamond, es si la empresa asumiría responsabilidad subsidiaria por el acto de un empleado que fabrica el deepfake bajo cualquiera de estas dos leyes.

Diamond recomienda actualizar cuanto antes las políticas de acoso para nombrar explícitamente el uso indebido de IA generativa, dejar claro que distribuir imágenes fabricadas de compañeros puede acarrear el despido, y advertir igualmente de que una denuncia falsa también tiene consecuencias disciplinarias. Para instruir el caso, propone un análisis forense de los dispositivos implicados —aunque avisa de que la ausencia de un mensaje en un teléfono no prueba nada, porque pudo borrarse— y enumera las señales típicas de un montaje: parpadeo antinatural, iluminación incoherente, artefactos alrededor de la boca o la cara, audio con un timbre robótico. También aconseja comprobar si las propias herramientas de IA de la empresa se usaron para crear el contenido.

Aquí está el problema de fondo, y es más estructural que legal: esas señales forenses tienen fecha de caducidad. Cada nueva generación de modelos de vídeo e imagen reduce esos defectos, así que el catálogo de indicios que hoy sirve para detectar un montaje será cada vez menos fiable dentro de uno o dos años. Es una carrera armamentística entre la calidad de la generación y la capacidad de detección, y de momento la generación va ganando terreno más rápido. Eso convierte cualquier lista de "cómo reconocer un deepfake" en un documento que envejece mal casi desde el día en que se publica.

En general, este es uno de los costes de transición más incómodos y menos discutidos de la IA generativa: no destruye empleo de forma directa, pero obliga a crear una capa entera de trabajo nuevo —forense digital, cumplimiento normativo, políticas internas— solo para poder seguir confiando en la prueba documental que durante décadas dábamos por buena. RR.HH., tribunales y aseguradoras tendrán que aprender a operar con un nivel de incertidumbre sobre la autenticidad de la evidencia que no existía hace cinco años. A medio plazo, es razonable esperar que la solución no dependa de mirar el parpadeo de una cara, sino de infraestructuras de procedencia del contenido —firmas de origen en cámaras y modelos, estándares de certificación de autenticidad— que hagan innecesario adivinar si una imagen es real. Hasta que esa infraestructura madure y se adopte de forma generalizada, la carga recae sobre cada empresa, caso a caso, con las herramientas todavía rudimentarias que describe Diamond.