Los nuevos datos de ReverseLookup sugieren que la confianza de las personas para detectar contenido sintético suele superar su disposición a reconocer sus propios errores. Los resultados muestran cómo la detección de contenido generado por IA está cada vez más vinculada a la reputación, el estatus social y la cuestión más amplia de si todavía es posible confiar en las pruebas digitales.
ReverseLookup encuestó a 7,850 adultos de Estados Unidos, Europa y América Latina sobre su confianza a la hora de identificar imágenes y videos generados por IA, su reacción después de cometer un error y los grupos que consideran más vulnerables al contenido sintético.
Los resultados revelan un claro desequilibrio en la forma en que las personas evalúan sus propias capacidades. El 72% de los encuestados afirmó confiar en su capacidad para reconocer contenido generado por IA. Al compararse con el usuario medio de internet, el 61% dijo creer que detecta mejor los contenidos sintéticos, mientras que solo el 9% se consideró por debajo de la media.
Esta distribución refleja algo más que una confianza generalizada. Sugiere que muchos usuarios sobreestiman su capacidad relativa para identificar contenido sintético. Aunque la encuesta no evaluó a los participantes mediante una prueba controlada de reconocimiento de imágenes, la diferencia entre quienes se sitúan por encima de la media y quienes se consideran por debajo muestra hasta qué punto las personas reconocen con facilidad la vulnerabilidad digital en los demás, mientras la minimizan en sí mismas.
Los resultados también indican que la detección de contenido generado por IA ha quedado vinculada a la reputación personal. Identificar contenidos manipulados puede funcionar como prueba de competencia digital, mientras que no reconocerlos puede percibirse como un fallo público de criterio. En las plataformas sociales, calificar una imagen o un video como artificial permite a los usuarios presentarse como cautelosos y conocedores de la tecnología. Creer o compartir contenido sintético transmite la impresión contraria.
Esa presión se hace visible cuando se pregunta a las personas cómo reaccionarían ante un error. Tras descubrir que habían compartido contenido generado por IA creyendo que era real, el 43% afirmó que eliminaría discretamente la publicación. Solo el 31% dijo que reconocería abiertamente el error.
La preferencia por borrar el contenido es relevante porque oculta la frecuencia con la que fallan los juicios expresados con seguridad. Cuando las evaluaciones incorrectas desaparecen sin explicación, otros usuarios ven menos ejemplos de personas que han sido engañadas. Esto puede reforzar la impresión de que identificar contenido generado por IA es más sencillo y fiable de lo que realmente es.
La reputación parece tener casi tanto peso como la precisión. El 47% de los encuestados afirmó que le incomodaría más que otras personas supieran que había creído contenido generado por IA que el hecho mismo de haber sido engañado. Para estos usuarios, la preocupación no se limita a que una imagen o un video falsos hayan parecido creíbles. También temen que haberlos creído cambie la manera en que los demás valoran su criterio.
Los participantes también tendieron a situar la vulnerabilidad fuera de su propio grupo demográfico. Solo el 18% identificó a su propio grupo de edad como el más propenso a creer contenido generado por IA. Los participantes más jóvenes señalaron con mayor frecuencia a los usuarios de más edad, mientras que los adultos de entre 35 y 44 años tendieron a considerar a los internautas más jóvenes como el grupo más vulnerable.
Este patrón no demuestra que una generación sea sistemáticamente mejor que otra a la hora de detectar contenido sintético. En cambio, muestra cómo los usuarios interpretan el riesgo digital a partir de sus suposiciones sobre otros grupos. Las personas mayores pueden ser asociadas con una menor familiaridad con las herramientas emergentes, mientras que los usuarios más jóvenes pueden ser percibidos como demasiado rápidos al reaccionar ante contenidos distribuidos en plataformas de ritmo acelerado. En ambos casos, la vulnerabilidad se trata principalmente como un problema ajeno.
El exceso de confianza también puede producir el error contrario: descartar contenido auténtico por considerarlo artificial. El 49% de los encuestados afirmó que las personas en internet se apresuran actualmente a etiquetar como generadas por IA imágenes y videos inusuales o excesivamente pulidos.
La encuesta también analizó qué detalles visuales despiertan sospechas con mayor frecuencia. El 58% señaló que una piel o unos rostros inusualmente lisos se encuentran entre los indicios más claros de que una imagen ha sido generada por IA, mientras que el 46% mencionó manos o dedos deformados. Otro 41% relacionó las composiciones muy simétricas con el contenido sintético, y el 37% afirmó que las imágenes excesivamente pulidas o cinematográficas tenían más probabilidades de ser artificiales.
Estos indicios no son fiables por sí solos. La edición profesional, los filtros de belleza, la compresión de video, una iluminación inusual y la fotografía de alta calidad pueden producir muchos de los mismos efectos. Cuando los usuarios interpretan una única irregularidad visual como prueba de que una imagen ha sido generada por IA, el escepticismo puede convertirse en otra forma de identificación errónea.
Esto crea un doble fallo de criterio digital. Los usuarios pueden aceptar contenido sintético porque sobrevaloran su capacidad para reconocer la manipulación, pero también pueden rechazar material real porque identificar algo como generado por IA se ha convertido en una señal visible de conocimiento. La confianza no conduce necesariamente a una mejor verificación. En algunos casos, está fomentando conclusiones más rápidas y públicas.
Las consecuencias van más allá de la vergüenza individual. Cuando fotografías o videos auténticos se descartan como generados por IA, las pruebas reales pueden perder credibilidad antes de ser examinadas adecuadamente. Las imágenes que documentan noticias de última hora, incidentes públicos o experiencias personales pueden ser rechazadas no porque se haya demostrado que son falsas, sino porque parecen inusuales, provocan una fuerte reacción emocional o no coinciden con lo que el público espera ver.
La creencia generalizada de que es posible fabricar imágenes convincentes también facilita desacreditar material auténtico sin demostrar que ha sido manipulado. Los contenidos sintéticos no solo añaden información falsa al entorno informativo. También proporcionan una justificación inmediata para desconfiar de materiales que podrían ser genuinos.
Los resultados de ReverseLookup sugieren que la alfabetización en inteligencia artificial se está volviendo parcialmente performativa. Las personas quieren creer que es difícil engañarlas, prefieren ocultar las pruebas que contradicen esa percepción y suelen asumir que otros grupos son más vulnerables que el suyo. A medida que el contenido sintético se vuelve más común, el principal riesgo no es únicamente que los usuarios crean información falsa. También existe el peligro de que su confianza para detectarla debilite la confianza en las pruebas auténticas.
Acerca de ReverseLookup
ReverseLookup es una plataforma de verificación con múltiples tipos de búsqueda para números de teléfono, correos electrónicos e imágenes. Diseñada para el uso cotidiano, ReverseLookup.com permite a los usuarios evaluar contactos desconocidos, investigar perfiles cuestionables e identificar posibles fraudes en los principales canales digitales. La plataforma combina métodos de búsqueda inversa con inteligencia de fuentes abiertas, u OSINT, para ofrecer una forma directa y accesible de revisar identidades digitales y tomar decisiones informadas en internet.
Contacto
Ashleigh Thomas
Responsable de relaciones públicas
ReverseLookup
pr@reverselookup.com
Los resultados revelan un claro desequilibrio en la forma en que las personas evalúan sus propias capacidades. El 72% de los encuestados afirmó confiar en su capacidad para reconocer contenido generado por IA. Al compararse con el usuario medio de internet, el 61% dijo creer que detecta mejor los contenidos sintéticos, mientras que solo el 9% se consideró por debajo de la media.
Esta distribución refleja algo más que una confianza generalizada. Sugiere que muchos usuarios sobreestiman su capacidad relativa para identificar contenido sintético. Aunque la encuesta no evaluó a los participantes mediante una prueba controlada de reconocimiento de imágenes, la diferencia entre quienes se sitúan por encima de la media y quienes se consideran por debajo muestra hasta qué punto las personas reconocen con facilidad la vulnerabilidad digital en los demás, mientras la minimizan en sí mismas.
Los resultados también indican que la detección de contenido generado por IA ha quedado vinculada a la reputación personal. Identificar contenidos manipulados puede funcionar como prueba de competencia digital, mientras que no reconocerlos puede percibirse como un fallo público de criterio. En las plataformas sociales, calificar una imagen o un video como artificial permite a los usuarios presentarse como cautelosos y conocedores de la tecnología. Creer o compartir contenido sintético transmite la impresión contraria.
Esa presión se hace visible cuando se pregunta a las personas cómo reaccionarían ante un error. Tras descubrir que habían compartido contenido generado por IA creyendo que era real, el 43% afirmó que eliminaría discretamente la publicación. Solo el 31% dijo que reconocería abiertamente el error.
La preferencia por borrar el contenido es relevante porque oculta la frecuencia con la que fallan los juicios expresados con seguridad. Cuando las evaluaciones incorrectas desaparecen sin explicación, otros usuarios ven menos ejemplos de personas que han sido engañadas. Esto puede reforzar la impresión de que identificar contenido generado por IA es más sencillo y fiable de lo que realmente es.
La reputación parece tener casi tanto peso como la precisión. El 47% de los encuestados afirmó que le incomodaría más que otras personas supieran que había creído contenido generado por IA que el hecho mismo de haber sido engañado. Para estos usuarios, la preocupación no se limita a que una imagen o un video falsos hayan parecido creíbles. También temen que haberlos creído cambie la manera en que los demás valoran su criterio.
Los participantes también tendieron a situar la vulnerabilidad fuera de su propio grupo demográfico. Solo el 18% identificó a su propio grupo de edad como el más propenso a creer contenido generado por IA. Los participantes más jóvenes señalaron con mayor frecuencia a los usuarios de más edad, mientras que los adultos de entre 35 y 44 años tendieron a considerar a los internautas más jóvenes como el grupo más vulnerable.
Este patrón no demuestra que una generación sea sistemáticamente mejor que otra a la hora de detectar contenido sintético. En cambio, muestra cómo los usuarios interpretan el riesgo digital a partir de sus suposiciones sobre otros grupos. Las personas mayores pueden ser asociadas con una menor familiaridad con las herramientas emergentes, mientras que los usuarios más jóvenes pueden ser percibidos como demasiado rápidos al reaccionar ante contenidos distribuidos en plataformas de ritmo acelerado. En ambos casos, la vulnerabilidad se trata principalmente como un problema ajeno.
El exceso de confianza también puede producir el error contrario: descartar contenido auténtico por considerarlo artificial. El 49% de los encuestados afirmó que las personas en internet se apresuran actualmente a etiquetar como generadas por IA imágenes y videos inusuales o excesivamente pulidos.
La encuesta también analizó qué detalles visuales despiertan sospechas con mayor frecuencia. El 58% señaló que una piel o unos rostros inusualmente lisos se encuentran entre los indicios más claros de que una imagen ha sido generada por IA, mientras que el 46% mencionó manos o dedos deformados. Otro 41% relacionó las composiciones muy simétricas con el contenido sintético, y el 37% afirmó que las imágenes excesivamente pulidas o cinematográficas tenían más probabilidades de ser artificiales.
Estos indicios no son fiables por sí solos. La edición profesional, los filtros de belleza, la compresión de video, una iluminación inusual y la fotografía de alta calidad pueden producir muchos de los mismos efectos. Cuando los usuarios interpretan una única irregularidad visual como prueba de que una imagen ha sido generada por IA, el escepticismo puede convertirse en otra forma de identificación errónea.
Esto crea un doble fallo de criterio digital. Los usuarios pueden aceptar contenido sintético porque sobrevaloran su capacidad para reconocer la manipulación, pero también pueden rechazar material real porque identificar algo como generado por IA se ha convertido en una señal visible de conocimiento. La confianza no conduce necesariamente a una mejor verificación. En algunos casos, está fomentando conclusiones más rápidas y públicas.
Las consecuencias van más allá de la vergüenza individual. Cuando fotografías o videos auténticos se descartan como generados por IA, las pruebas reales pueden perder credibilidad antes de ser examinadas adecuadamente. Las imágenes que documentan noticias de última hora, incidentes públicos o experiencias personales pueden ser rechazadas no porque se haya demostrado que son falsas, sino porque parecen inusuales, provocan una fuerte reacción emocional o no coinciden con lo que el público espera ver.
La creencia generalizada de que es posible fabricar imágenes convincentes también facilita desacreditar material auténtico sin demostrar que ha sido manipulado. Los contenidos sintéticos no solo añaden información falsa al entorno informativo. También proporcionan una justificación inmediata para desconfiar de materiales que podrían ser genuinos.
Los resultados de ReverseLookup sugieren que la alfabetización en inteligencia artificial se está volviendo parcialmente performativa. Las personas quieren creer que es difícil engañarlas, prefieren ocultar las pruebas que contradicen esa percepción y suelen asumir que otros grupos son más vulnerables que el suyo. A medida que el contenido sintético se vuelve más común, el principal riesgo no es únicamente que los usuarios crean información falsa. También existe el peligro de que su confianza para detectarla debilite la confianza en las pruebas auténticas.
Acerca de ReverseLookup
ReverseLookup es una plataforma de verificación con múltiples tipos de búsqueda para números de teléfono, correos electrónicos e imágenes. Diseñada para el uso cotidiano, ReverseLookup.com permite a los usuarios evaluar contactos desconocidos, investigar perfiles cuestionables e identificar posibles fraudes en los principales canales digitales. La plataforma combina métodos de búsqueda inversa con inteligencia de fuentes abiertas, u OSINT, para ofrecer una forma directa y accesible de revisar identidades digitales y tomar decisiones informadas en internet.
Contacto
Ashleigh Thomas
Responsable de relaciones públicas
ReverseLookup
pr@reverselookup.com