Una foto falsa de Tom Holland y una Zendaya embarazada expone los límites de los detectores de IA: solo 55% de certeza

Por Zendoric · 26 de septiembre de 2026. La plataforma AI or Not, un servicio especializado en detectar contenido generado por inteligencia artificial, ha catalogado el 25 de septiembre una imagen que muestra a dos personas con el aspecto de Tom Holland y una Zendaya embarazada bajando de un SUV en una calle de Nueva York. Según la fuente, no se detallan las puntuaciones que la herramienta asigna ni si separa la probabilidad de que la imagen esté generada por IA de la de que se trate específicamente de un deepfake dirigido a suplantar a personas reales; esa distinción es, en sí misma, reveladora, porque no es lo mismo detectar una imagen sintética que certificar la intención de engañar sobre alguien concreto. Tampoco se detallan los generadores concretos que podrían estar detrás. El propio registro no aporta datos sobre quién creó o difundió la imagen, su alcance real en redes, ni reacciones de los implicados.

Como contexto del sector, este tipo de rastreadores de deepfakes se han multiplicado en el último año en paralelo a la proliferación de generadores de imagen fotorrealista: catalogan casos sospechosos, les asignan puntuaciones de probabilidad y construyen bases de datos públicas, pero no sustituyen una verificación forense completa. Las falsas fotos de embarazo de celebridades son ya un subgénero propio de esta desinformación visual: encajan con la demanda de contenido de cotilleo, se comparten rápido y rara vez llegan al usuario final con una etiqueta clara de que son sintéticas.

Que un detector no pueda mojarse al 100% importa más que la imagen en sí. Los sistemas de verificación funcionan por probabilidades, no por certezas binarias, y eso deja una zona gris que cualquiera que comparta la imagen —o cualquier medio que la reproduzca sin comprobarla— puede aprovechar, con o sin intención de engañar. La respuesta de la industria, más que perseguir la detección a posteriori, pasa cada vez más por la procedencia desde el origen: estándares como Content Credentials (C2PA), que firman criptográficamente el archivo en el momento en que se genera, para no depender de que un clasificador adivine después si algo 'parece' IA.

Nuestra lectura: este caso concreto es menor —una imagen, sin difusión documentada, sin daño conocido—, pero el patrón de fondo no lo es. A corto plazo, la facilidad para fabricar imágenes hiperrealistas de personas reales en situaciones íntimas, como un embarazo, multiplica un problema muy humano: la erosión de la capacidad de saber qué es verdad sin ayuda externa, y el riesgo reputacional y emocional para quien aparece retratado sin haberlo consentido. A medio plazo, esa misma presión es la que empuja a la industria hacia infraestructuras de procedencia más sólidas —firma en origen, no detección posterior— y hacia herramientas que sean honestas sobre su propio margen de error en lugar de vender una certeza que no tienen. Es un progreso incómodo pero necesario: la abundancia de herramientas creativas que la IA generativa pone al alcance de cualquiera solo será sostenible si crece al mismo ritmo la infraestructura que permite distinguir lo real de lo fabricado.