Marca de agua de IA · Procedencia del contenido
AI Watermark / C2PA
¿Qué es una marca de agua de IA?
- Marcar el contenido generado por IA con una señal y su historial de origen para distinguir lo auténtico de lo falso
- Marca de agua = indica si es IA; C2PA = historial de creación y edición
- Vinculado a la respuesta ante deepfakes y a la regulación de la señalización de contenidos generados por IA
Lo que realmente cambia esta tecnología es el orden en que se discute la autenticidad. Hasta ahora, ante una imagen dudosa se ejecutaba un detector y se evaluaban probabilidades; las marcas de agua y el historial de origen invierten el enfoque: adjuntan la evidencia en el momento de la creación. Por eso el centro del debate se desplaza de «¿esto es falso?» a «¿puedes demostrar de dónde viene este archivo?». Para quienes trabajan en la práctica, un ajuste en la etapa de producción reduce el costo de explicar después.
Las marcas se dividen en tres tipos. Está la etiqueta visible en pantalla; la marca de agua no visible, que se oculta en los píxeles o en el dominio de frecuencias y resiste hasta cierto punto el recorte y la recompresión; y el método C2PA, que adjunta el historial de creación y edición mediante metadatos firmados. Las dos primeras responden a «¿este píxel es producto de IA?», mientras que C2PA responde a «quién, con qué herramienta y cuándo lo modificó», así que no son sustitutos, sino que se usan en combinación. C2PA solo tiene validez si se firma con un certificado emitido; si la firma se rompe, simplemente aparece como «sin historial», pero no avisa de que el contenido es falso.
En cambio, las marcas en el texto son otra historia. Basta con reescribir algunas frases para que la marca se debilite, así que no resiste tanto como en imágenes o video. Por eso muchas empresas resuelven el texto con una regla operativa: una frase de aviso de uso de IA. La regulación va en la misma dirección: tanto el artículo de transparencia de la Ley de IA de la UE como la Ley Básica de IA de Corea exigen que el usuario pueda saber que el contenido fue generado por IA, en lugar de imponer una tecnología de marca de agua específica.
El punto donde más se rompe en la práctica es la distribución. La mayoría de las redes sociales y mensajeros eliminan los metadatos y recomprimen la imagen al subirla, así que el historial de origen que la empresa adjuntó internamente suele haber desaparecido ya en la pantalla del cliente. Es más seguro suponer que una sola captura de pantalla borra todo rastro. Tampoco conviene dar por firme el resultado de un detector: si se rechaza un entregable de un proveedor con el veredicto «probabilidad de generación por IA: 90%» y luego resulta ser una foto real, se pierden el cronograma y la relación. Guardar internamente el original firmado es, en última instancia, la última línea de defensa.
John KimAutor de «Diseño del marketing B2B» y CEO de Nanum Consultoría, instructor John Kim
Seungtae ParkInstructor práctico de AX que enseña desarrollo de negocio con IA y automatización de marketing, con herramientas propiasSurgió de la necesidad de responder a los deepfakes y la desinformación, y se expandió con el estándar C2PA (Coalición para la Procedencia y Autenticidad del Contenido), en el que participan Adobe, Microsoft y otras empresas, así como con las regulaciones de etiquetado de IA de distintos países.
Veamos un caso hipotético. La marca coreana de cosméticos de maquillaje A (180 colaboradores, ventas anuales de unos KRW 90,000,000,000 (≈ US$67,362,200)) produce cada mes 200 piezas de material publicitario para Instagram y Naver, y alrededor del 60 % de ellas las crea con IA generativa. En medio año recibió más de 40 consultas de clientes preguntando si «esta modelo es una persona real», y en la revisión publicitaria de las plataformas el mismo material fue rechazado repetidamente.
- El líder de equipo Park, del área de marketing, rastreó 210 imágenes de los últimos tres meses, pero logró distinguir las generadas por IA de las fotos reales en menos de la mitad de los casos, y en la reunión se dijo: «Aparte del nombre del archivo, no hay ninguna pista».
- El equipo de diseño unificó sus herramientas de generación en versiones que incluyen las credenciales de contenido C2PA, obtuvo un certificado de firma que instaló solo en tres equipos de trabajo, y añadió las mismas condiciones al contrato para las entregas de freelancers externos.
- Al probar la subida, Jung (subgerente) vio que al publicar en redes sociales, todos los metadatos se borraban, así que creó una regla de doble señalización: incluir en la primera línea de la publicación la leyenda «Imagen generada por IA».
- El subgerente Kim, de Asuntos Legales, dividió los criterios de etiquetado en tres niveles —totalmente generado por IA, con retoque de IA y fotografía real— y dejó establecido que no se pueden usar materiales que sinteticen el rostro de modelos reales.
- Los archivos originales firmados se guardan en el almacenamiento interno, por separado de las entregas, durante 180 días, y cada trimestre se extraen al azar 20 imágenes para verificar que su historial siga íntegro.
- Seis meses después, los rechazos de revisión publicitaria bajaron de 12 a 2 por trimestre, y la respuesta a las consultas del tipo «¿es una modelo real?» pasó de tardar 3 días en promedio a resolverse el mismo día. El líder de equipo Park dice: «Ahora todo se resuelve con un solo enlace de consulta del historial original».