Deepfake

Más allá de su origen como término (que ya cubre el hito de esta línea de tiempo), vale la pena mirar la técnica y su uso actual con más detalle. Kietzmann, Lee, McCarthy y Kietzmann (2020) propusieron una taxonomía todavía útil: deepfakes de foto (intercambio o modificación de rostro), de audio (clonación o síntesis de voz), de video (intercambio de rostro, "face-morphing", manipulación de cuerpo completo) y combinaciones audio-video (sincronización labial con audio sintético).

Técnicamente, la síntesis moderna ya no depende sólo de las redes generativas adversariales (GAN) que popularizaron el término: hoy conviven enfoques de intercambio de rostro basados en autoencoders, modelos de difusión capaces de generar video completo desde cero, y clonación de voz que necesita apenas segundos de audio de referencia para replicar el timbre de una persona real. Esa convergencia con la IA generativa multimodal es lo que bajó drásticamente el costo y la habilidad técnica necesarios para producir un deepfake creíble.

En la práctica de hoy, los usos se reparten en un espectro amplio: desinformación política (declaraciones falsas atribuidas a figuras públicas), fraude financiero mediante suplantación de voz o video en llamadas corporativas, imágenes íntimas no consentidas, y usos legítimos como doblaje audiovisual o accesibilidad — la misma técnica sirve para todo, lo que dificulta cualquier prohibición tajante.

La respuesta institucional avanza por dos vías. Una es la procedencia técnica: la Coalition for Content Provenance and Authenticity (C2PA), fundada en 2021 por Adobe, Arm, BBC, Intel, Microsoft y Truepic, define un estándar de "credenciales de contenido" que funciona como una etiqueta nutricional del historial de edición de un archivo digital. La otra es regulatoria: el Reglamento de IA de la Unión Europea (2024) obliga, en su artículo 50, a etiquetar contenido de audio, imagen o video generado o manipulado por IA, con una excepción explícita para obras "evidentemente artísticas, creativas, satíricas o ficticias".

Lo que se discute con más fuerza es, primero, que la detección de deepfakes es una carrera armamentista que en general pierde el detector: cada mejora en la detección alimenta la siguiente generación de generadores. Segundo, que las excepciones regulatorias para sátira o arte introducen una zona gris real sobre qué debe etiquetarse. Y tercero, que un estándar de procedencia como C2PA sólo funciona si toda la cadena —cámara, editor, plataforma— lo respeta: un solo eslabón sin etiquetar rompe la garantía para el resto.