3 de noviembre del 2026
Introducción
La inteligencia artificial permite fabricar vídeos en los que personas reales parecen defender ideas que nunca expresaron. Ya tenemos problemas para distinguir imágenes auténticas de imágenes “sintéticas”, pero también afecta a la autoridad de las fuentes, la credibilidad de las pruebas y a las condiciones sociales en las que construimos una opinión política.
Cuando ver deja de ser suficiente para creer
La imagen audiovisual ha disfrutado de una posición privilegiada en nuestra cultura, parece acercarnos directamente a los acontecimientos y ofrecer una prueba de lo sucedido. Sin embargo, una grabación no es la realidad misma, sino un registro que debe interpretarse atendiendo a su origen, contexto y condiciones de producción. Esta distinción enlaza con el análisis de «¿Vemos la realidad o la interpretamos? Filosofía de la percepción y representación», donde la percepción se entiende como una relación mediada con el mundo, no como una reproducción transparente de este. Los deepfakes intensifican esa distancia: pueden alterar lo que vemos y producir registros convincentes de acontecimientos que nunca ocurrieron.
La investigación de Maldita.es ofrece un caso concreto. En febrero de 2026, el medio documentó 15 canales de YouTube que habían publicado más de 200 vídeos en español con indicios de generación mediante IA y que utilizaban la imagen del politólogo John Mearsheimer para atribuirle análisis sobre política internacional.
Mearsheimer declaró que apenas habla español y que algunos vídeos le hacían decir cosas que nunca había dicho ni diría. Solo seis de los canales identificados etiquetaban algunas publicaciones como contenido alterado o sintético. La investigación también describió la utilización de herramientas capaces de generar vídeos a partir de la imagen de una persona. Consulta la investigación de Maldita.es.
La identidad pública de un analista funciona como una garantía informal de autoridad, el espectador reconoce un rostro, lo asocia con una trayectoria y puede atribuir credibilidad al mensaje antes de examinar sus argumentos. La suplantación se apropia de esa relación de confianza para presentar una afirmación fabricada bajo la apariencia de una opinión experta. El problema es simultáneamente tecnológico, semiótico y político. Como explica el artículo de El Observatorio «¿Qué es la semiótica? Guía para entender signos, imágenes y cultura», los signos adquieren significado dentro de convenciones compartidas (un rostro reconocible no demuestra por sí mismo la autenticidad de las palabras que se le atribuyen).
La credibilidad no depende solo del realismo
¿Son los deepfakes más persuasivos que otras formas de desinformación? La evidencia disponible obliga a evitar una respuesta simplista. Groh et al. (2024) estudiaron, mediante cinco experimentos preregistrados con 2.215 participantes, la capacidad humana para distinguir discursos políticos auténticos de falsificaciones presentadas en texto, audio y vídeo. Sus resultados mostraron que los contenidos con voces sintéticas avanzadas podían resultar más difíciles de identificar que aquellos doblados por actores. La investigación también encontró diferencias en la capacidad de discriminación según el formato de presentación. Estos resultados permiten analizar los límites de la detección humana, pero no demuestran que cualquier vídeo generado con IA sea más convincente que una noticia falsa escrita.
Barari et al. (2025) llegaron a una conclusión complementaria. En sus experimentos, los deepfakes políticos fueron aproximadamente tan creíbles como otras formas de contenido falso y, en ciertas condiciones, algunos participantes confundieron vídeos auténticos con falsificaciones. El hallazgo cuestiona la idea de que el problema pueda resolverse aprendiendo a reconocer defectos visuales.
La credibilidad depende también de las expectativas del receptor, de sus conocimientos previos y de la confianza que concede a la fuente. Los resultados experimentales no permiten generalizar automáticamente el comportamiento observado a todas las audiencias o situaciones electorales, pero sí justifican estudiar la interacción entre las propiedades del mensaje y los criterios con los que se juzga.
Esta interacción conecta con «Imágenes de poder: cómo la política utiliza símbolos para construir identidades». En comunicación política las imágenes ilustran un argumento, pero también activan asociaciones, representan pertenencias y condensan relaciones de autoridad. Un deepfake puede aprovechar ese capital simbólico para atribuir legitimidad a un discurso inexistente. Pero la misma dinámica permite desacreditar pruebas auténticas alegando, sin evidencia, que han sido manipuladas.
Conviene distinguir ambos riesgos, es decir, fabricar una prueba falsa no es lo mismo que negar una prueba verdadera, aunque ambos fenómenos puedan deteriorar la deliberación pública.
De la falsificación a la incertidumbre política
La cuestión decisiva no es que, a partir de ahora, debamos desconfiar de todas las imágenes (aunque tengamos razones para ello). Es que la autenticidad necesita procedimientos de comprobación más sólidos que la impresión visual. Si cualquier figura pública puede aparecer pronunciando un discurso fabricado, el reconocimiento de su rostro deja de bastar para acreditar una declaración. Y si una grabación auténtica puede rechazarse mediante una acusación infundada de manipulación, la duda se convierte a su vez en un recurso retórico.
La duda se ha convertido en relato político-ideológico.
Este problema guarda relación con el análisis del lenguaje político desarrollado en El Observatorio: las sociedades no interpretan los acontecimientos al margen de los marcos discursivos que les dan significado. Los deepfakes añaden una capa de incertidumbre a esa construcción. Se disputa qué significa un acontecimiento, se cuestiona si el registro que supuestamente lo documenta es genuino. En consecuencia, la alfabetización mediática debe combinar el análisis de imágenes con la evaluación de fuentes, atribuciones y contextos, sin confundir una sospecha razonable con una conclusión probada.
Ante un vídeo político dudoso, el procedimiento más fiable consiste en localizar la publicación original, comprobar si la persona ha confirmado la declaración (contrastar la fecha y el contexto) y buscar corroboración independiente. Los errores de sincronización, los movimientos poco naturales o una voz extraña pueden despertar sospechas, pero su ausencia no demuestra autenticidad. Cuando no existe evidencia suficiente, la conclusión rigurosa no es afirmar que el vídeo es verdadero o falso, sino dejar constancia de que no ha podido verificarse.
Transparencia, regulación y responsabilidad
La verificación individual no basta para responder a un fenómeno que involucra plataformas, productores de contenido y sistemas de distribución. El artículo 50 del Reglamento europeo de Inteligencia Artificial establece obligaciones de transparencia para determinados contenidos sintéticos o manipulados, incluidos los deepfakes. La aplicación general de estas obligaciones comienza el 2 de agosto de 2026, con disposiciones transitorias específicas para determinadas obligaciones técnicas de marcado. Estas medidas pueden facilitar que el público identifique contenidos generados o alterados, pero una etiqueta no garantiza por sí sola la veracidad del mensaje ni sustituye la comprobación de su procedencia. Fuente normativa: Comisión Europea, obligaciones de transparencia del artículo 50.
La respuesta exige responsabilidad de las plataformas, mecanismos eficaces para denunciar suplantaciones, transparencia sobre el contenido sintético y prácticas periodísticas que permitan rastrear las fuentes y corregir errores. La tecnología podría facilitar la fabricación de una imagen convincente; la calidad del entorno informativo dependerá también de las instituciones y los procedimientos que permiten someterla a examen.
Conclusión: la confianza debe apoyarse en pruebas verificables
Los deepfakes no han convertido toda imagen en una mentira ni han demostrado ser siempre más persuasivos que otros formatos de desinformación. La evidencia disponible sostiene una conclusión más precisa: pueden facilitar la suplantación de personas reales, dificultar la identificación de ciertos contenidos manipulados y complicar la evaluación pública de la autenticidad. El caso de Mearsheimer documentado por Maldita.es muestra que no se trata de un escenario hipotético.
La respuesta pasa por abandonar la idea de que su apariencia constituye una prueba suficiente. Cuando el rostro, la voz y el contexto pueden reproducirse artificialmente, la confianza necesita trazabilidad, corroboración independiente y criterios explícitos de verificación. La cuestión democrática no es solo quién consigue fabricar la falsificación más convincente, sino qué condiciones colectivas permiten distinguir entre una afirmación, evidencia y manipulación.
FAQ
¿Qué es un deepfake político?
Es un contenido audiovisual generado o manipulado mediante IA que representa a una persona diciendo o haciendo algo que no dijo o hizo, alterando sustancialmente un registro real.
¿Se puede detectar un deepfake a simple vista?
No siempre. Algunas falsificaciones presentan señales perceptibles, pero su ausencia no garantiza autenticidad. Es necesario comprobar la fuente original, el contexto y la corroboración independiente.
¿Son los deepfakes más creíbles que otras noticias falsas?
No necesariamente. Barari et al. (2025) encontraron que, en sus experimentos, los deepfakes políticos eran aproximadamente tan creíbles como otros contenidos falsos. Los resultados deben interpretarse dentro de las condiciones estudiadas, no como una regla universal.
¿Cómo se puede verificar un vídeo político?
Conviene localizar la publicación original, confirmar la atribución, revisar el contexto y contrastar la información con fuentes independientes. Si las pruebas son insuficientes, debe indicarse que el contenido no ha podido verificarse.
Referencias bibliográficas
Barari, S., Lucas, C., & Munger, K. (2025). Political deepfakes are as credible as other fake media and (sometimes) real media. The Journal of Politics, 87(2). https://doi.org/10.1086/732990
Comisión Europea. (s. f.). Transparency obligations under Article 50 of the AI Act. https://digital-strategy.ec.europa.eu/en/faqs/transparency-obligations-under-article-50-ai-act
Groh, M., Sankaranarayanan, A., Singh, N., Kim, D. Y., Lippman, A., & Picard, R. (2024). Human detection of political speech deepfakes across transcripts, audio, and video. Nature Communications, 15, Article 7629. https://doi.org/10.1038/s41467-024-51998-z
Maldita.es. (2026, 12 de febrero; actualizado el 13 de febrero). Una red de 15 canales de YouTube con más de 200 “deepfakes” del profesor John Mearsheimer: cómo se está usando la IA para suplantar a analistas políticos. https://maldita.es/investigaciones/20260213/inteligencia-artificial-analistas-politicos-youtube/
¿Qué convierte una imagen en una prueba?
Explora en El Observatorio los análisis sobre percepción, semiótica y símbolos políticos para comprender cómo construimos el significado de lo que vemos.
