Cómo saber si un vídeo está generado por IA: una guía de campo para 2026

Detectar vídeos generados por IA en 2026 será mucho más difícil que hace dos años. Sora, Kling, Runway Gen-3 y Pika 2.0 abordaron los artefactos visuales más obvios que hicieron que los primeros videos de IA fueran fáciles de descartar. El grano de la cámara es realista. El movimiento es más suave. Los rostros humanos ya no se fragmentan en una geometría abstracta durante los movimientos rápidos. Pero los indicadores no han desaparecido: han migrado. Esta guía cubre dónde buscar ahora, cómo usar herramientas cuando sus ojos no son suficientes y cómo desarrollar un hábito de verificación que siga el ritmo de la tecnología.

Por qué 2026 es diferente

El panorama de la generación de videos cambió significativamente en 2024 y 2025. Las herramientas de primera generación, como las primeras Runway y Stable Video Diffusion, produjeron videos que parpadeaban, distorsionaban rostros y generaban movimientos físicamente imposibles. La nueva generación (Sora, Kling 2.0, Runway Gen-3, Pika 2.0) produce resultados que pasan una inspección casual. Esto es importante porque cambia la carga de la prueba: ya no se puede confiar en un solo artefacto discordante para llegar a un veredicto. La verificación ahora requiere un examen sistemático en múltiples dimensiones y, a menudo, una herramienta forense para la confirmación final.

Coherencia temporal: la indicación más fiable

El artefacto más consistente en el vídeo con IA es la incoherencia temporal: microcambios entre fotogramas en detalles que deberían permanecer estables. Reproduce un vídeo sospechoso a 0,25× y fíjate en la textura de la piel que se suaviza y vuelve a enfocarse; en elementos de fondo que se desplazan un poco; en mechones que cambian de trayectoria; o en pliegues de tela que «saltan» en lugar de fluir. Ocurre porque los modelos generan cada fotograma con cierta independencia y las restricciones de continuidad, aunque mejoren, no son perfectas. Un vídeo real es físicamente coherente: captura la misma escena fotograma a fotograma.

Artefactos físicos: cabello, agua, tela.

La simulación física es donde los generadores de vídeo con IA siguen fallando más a menudo a simple vista. El pelo delata mucho: el pelo real se mueve como un sistema sometido a gravedad, viento e inercia; el de la IA a veces se comporta como mechones independientes o desaparece entre fotogramas. El agua en vídeo de IA suele carecer de tensión superficial y de reflejos creíbles; parece demasiado uniforme o se mueve con un ritmo casi en bucle. La tela debería caer y moverse según el tejido y el cuerpo; en la IA a veces «fluye» en direcciones que no encajan con el movimiento del personaje ni con el viento visible. Si aparece alguno de estos elementos, reduce la velocidad y obsérvalo con calma.

Inconsistencias de fondo

La generación de vídeos con IA tiende a tratar el fondo como menos importante que el sujeto en primer plano. Esto produce fondos que son sutilmente inconsistentes de una toma a otra; no lo suficientemente incorrectos como para ser obvios de inmediato, pero sí lo suficientemente extraños como para señalar bajo escrutinio. Busque: elementos arquitectónicos que cambien entre tomas (una ventana que esté en una posición ligeramente diferente, una esquina de la pared que cambie de ángulo); escenas de multitudes donde diferentes personas parecen usar ropa ligeramente diferente entre cortes; y texto en letreros o pantallas que cambia el contenido o el formato en los marcos. El vídeo real, incluso con cortes y tomas múltiples, captura un entorno físico consistente.

Patrones de ruido y granulación de la cámara

Una pista fiable, aunque menos intuitiva, es el patrón de ruido del vídeo. Las cámaras reales dejan un grano o ruido de sensor coherente con la física del captador. El vídeo generado por IA o carece de grano (demasiado «limpio») o añade grano en postproducción que no se comporta como el ruido real: se repite, forma patrones raros o no encaja con la luz aparente. Amplía un fotograma en zonas lisas (cielo, paredes, piel) y mira la textura del ruido: en vídeo sintético suele sentirse ligeramente «falso».

Análisis rPPG: la prueba del latido del corazón

Fotopletismografía remota (rPPG) es una técnica que estima el flujo sanguíneo facial a partir de microvariaciones de color ligadas al latido. Los rostros reales en vídeo suelen mostrar esa firma incluso si el ojo no la ve; los rostros sintéticos, en cambio, casi nunca la reproducen porque el modelo no simula la fisiología. Las herramientas forenses con rPPG pueden marcar rostros generados aunque parezcan perfectos. Es especialmente útil en planos tipo «talking head», comunes en deepfakes o presentadores sintéticos.

Indicadores específicos de herramientas en 2026

Ninguna de estas es regla absoluta, pero son hipótesis iniciales útiles.

Cuándo utilizar herramientas forenses

Sus ojos son útiles para la evaluación inicial, pero insuficientes para decisiones de alto riesgo. Las herramientas de análisis de vídeo forense examinan: patrones en el dominio de la frecuencia en fotogramas individuales (el mismo enfoque utilizado para la detección de imágenes); métricas de coherencia temporal entre secuencias de fotogramas; análisis de sincronización audiovisual; y patrones de distribución de ruido que difieren entre la captura de cámara real y la generación de IA. El proceso de análisis de vídeo de SUS IT aplica estos métodos para señalar contenido sospechoso incluso cuando pasa la inspección visual. Para cualquier vídeo en el que haya mucho en juego (periodismo, pruebas legales, toma de decisiones financieras), páselo por una herramienta forense en lugar de depender únicamente del juicio visual.

Una lista de verificación práctica

Cuando veas un vídeo sospechoso: (1) Ralentízalo a 0,25× o 0,1× y revisa los tramos más dinámicos fotograma a fotograma. (2) Revisa la física: pelo, agua, tela y extremidades al límite del encuadre. (3) Mira el fondo y su continuidad entre cortes. (4) Inspecciona el ruido en superficies lisas al zoom. (5) Observa los bordes entre rostro, pelo y fondo por fusiones raras. (6) Comprueba el labial si hay voz: adelantos o retrasos siguen siendo frecuentes. (7) Pásalo por herramientas forenses antes de sacar conclusiones graves. Un solo artefacto no prueba nada; sí lo hace un patrón. Si el contenido es extraordinario y la fuente es dudosa, quédate en «no verificado» aunque a simple vista parezca real.

Los límites de la verificación

Ningún método de verificación es perfecto. El vídeo muy comprimido o recodificado pierde la información de alta frecuencia de la que dependen las herramientas forenses. Los futuros generadores de vídeo de IA solucionarán muchos de los avisos descritos aquí. La postura correcta no es "siempre puedo detectar videos de IA", sino "aplico un escrutinio sistemático antes de tratar un video extraordinario como genuino". En un deepfake de alta calidad, la incertidumbre es la conclusión honesta. La pregunta es si comunicas esa incertidumbre o finges una certeza que no tienes.