Etiquetar contenido generado por IA en Europa: la nueva prueba de realidad del AI Act
Europa acaba de aterrizar una de las partes más delicadas del AI Act: cómo avisar al usuario cuando un contenido ha sido generado o manipulado con inteligencia artificial. La Comisión Europea publicó el 10 de junio el Código de Buenas Prácticas sobre marcado y etiquetado de contenido generado por IA, pensado para ayudar a cumplir las obligaciones de transparencia del artículo 50 del reglamento. La IA generativa ya no solo escribe textos o crea imágenes bonitas: también fabrica pruebas falsas, vídeos verosímiles, audios manipulados y publicaciones aparentemente informativas.
Europa pasa de regular modelos a regular la confianza
Hasta ahora, buena parte del debate sobre el Reglamento Europeo de Inteligencia Artificial se ha centrado en los modelos: qué riesgos tienen, cómo se entrenan y qué documentación deben aportar. Pero el nuevo código mueve el foco hacia algo más visible: el contenido que llega a una pantalla.
La Comisión distingue dos planos. Por un lado, los proveedores de sistemas generativos deben facilitar que sus salidas puedan marcarse y detectarse. Por otro, quienes despliegan esas herramientas tienen que informar al público cuando publiquen ciertos contenidos sintéticos o manipulados. Esa diferencia es clave. No es lo mismo desarrollar el modelo que usarlo para crear un anuncio, un vídeo corporativo, una noticia asistida por IA o una campaña institucional.
En Tecnoic ya habíamos comentado esta tendencia al hablar del AI Act y la batalla contra los deepfakes: Europa no está regulando solo algoritmos, sino también trazabilidad.
Qué tendrá que identificarse como contenido generado por IA
Las obligaciones de transparencia del artículo 50 se aplicarán desde el 2 de agosto de 2026, según la propia Comisión Europea en sus directrices sobre transparencia. En la práctica, afectan a varios casos.
El primero son los sistemas que interactúan directamente con personas, como chatbots o asistentes conversacionales. El usuario debe saber que está hablando con una máquina, salvo que resulte evidente por el contexto. El segundo son los contenidos de audio, imagen, vídeo o texto generados o manipulados por IA. Ahí entran las marcas legibles por máquina, los metadatos y otras soluciones de detección.
El tercer bloque son los deepfakes y ciertos textos generados por IA publicados para informar sobre asuntos de interés público. Esto afecta a medios, departamentos de comunicación, plataformas, administraciones y empresas que producen contenido para una audiencia amplia. No se trata de perseguir cada borrador interno, sino de evitar que lo sintético se presente como realidad sin advertencia.
La parte técnica no es una simple pegatina
La tentación es pensar que basta con añadir una frase al final: “contenido generado con IA”. Pero el enfoque europeo va más allá. El código habla de marcado y detección, no solo de aviso visual. Eso implica señales que puedan ser leídas por máquinas, soluciones interoperables y mecanismos robustos dentro de lo técnicamente posible.
Aquí aparecen varios retos. Una marca visible puede perderse si alguien recorta una imagen, captura la pantalla, recomprime un vídeo o copia un texto en otra plataforma. Una marca invisible puede degradarse con ediciones sucesivas. Y un detector basado en probabilidad puede fallar, sobre todo con textos humanos editados por IA o contenidos generados por varias herramientas.
Por eso el cumplimiento no debería plantearse como un parche al final del flujo de trabajo. Tiene más sentido diseñarlo desde la arquitectura: registrar qué herramienta se usó, en qué fase, con qué intervención humana, qué contenido final se publicó y qué evidencia se conserva.
Medios, empresas y administraciones tendrán que ordenar sus flujos
Para un creador individual, etiquetar una imagen generada por IA puede ser relativamente sencillo. Para una organización, el problema escala rápido. Pensemos en una campaña con imágenes generadas, textos revisados por un modelo, vídeos subtitulados automáticamente y piezas adaptadas para varias redes. ¿Qué parte es IA? ¿Qué parte es edición humana? ¿Quién decide si hay que etiquetar?
Ahí está el verdadero cambio. Las empresas tendrán que definir criterios internos: cuándo una ayuda de IA es meramente asistencial, cuándo altera sustancialmente el contenido y cuándo puede inducir a error. También deberán exigir garantías a sus proveedores. No vale contratar una herramienta generativa y desentenderse del rastro que deja, o que no deja.
En el sector público el listón debería ser especialmente claro. Si una administración usa IA para informar a ciudadanos, crear vídeos explicativos o desplegar asistentes, la transparencia no es estética: es confianza institucional. La etiqueta no resuelve todos los problemas, pero evita una opacidad innecesaria en servicios que afectan a mucha gente.
El riesgo de etiquetar demasiado y no informar nada
Hay un equilibrio delicado. Si todo acaba llevando una etiqueta genérica de IA, la etiqueta perderá valor. Si se usa de forma mínima o escondida, tampoco servirá. La transparencia útil debe ser proporcional, visible en el momento adecuado y comprensible para una persona normal.
No es lo mismo una imagen claramente artística que un vídeo que simula a un político haciendo declaraciones falsas. Tampoco es igual un texto corregido con un asistente que una noticia completa generada automáticamente sobre salud, seguridad o economía. El usuario necesita información suficiente para interpretar el contenido, no una cláusula defensiva enterrada en una página legal.
Mi impresión es que el etiquetado funcionará si se combina con tres capas: aviso humano claro, marcado técnico persistente y responsabilidad editorial. Sin esas tres piezas, Europa corre el riesgo de crear una obligación formal que los malos actores ignorarán y los buenos cumplirán de forma burocrática.
Conclusión
El etiquetado del contenido generado por IA no va a acabar con los deepfakes ni con la desinformación. Pero introduce una idea: quien publica contenido sintético debe asumir cierta responsabilidad sobre su trazabilidad. La clave estará en hacerlo bien, sin convertir Internet en una colección de avisos inútiles. ¿Crees que estas etiquetas ayudarán de verdad o llegarán tarde frente a la velocidad de la IA generativa?