Animales adorables bajo sospecha: breve repaso del problema
Los animales son, quizá, la fuente más fiable de emociones cálidas en internet. Gatitos, polluelos rescatados, terneros, osos polares: generaciones enteras de usuarios crecieron con esas imágenes, y para los proyectos de protección animal se han convertido desde hace tiempo en una herramienta de trabajo para recaudar donaciones. Y precisamente ese género es el que más ha sufrido el embate de la ola de contenido sintético.
En los últimos años, los modelos generativos han aprendido a crear imágenes y vídeos de animales tan verosímiles que distinguirlos de los reales es casi imposible sin una lupa. En los feeds aparecieron osos rescatados de un témpano a la deriva, historias conmovedoras de mascotas encontradas, terneros separados de sus madres. Parte del público llegó a una conclusión sencilla: cualquier imagen conmovedora de un animal necesita ahora una verificación, porque ya no se puede confiar "a ojo".
Qué es exactamente lo que se rompe
Fraude sobre el dolor real
Los esquemas con animales falsos no son una amenaza abstracta, sino un negocio que funciona perfectamente. Un ejemplo característico: una mujer recibió un mensaje de que su gata desaparecida había sido encontrada. La fotografía parecía convincente: la mascota sobre la encimera de la cocina, con un niño al lado. La dueña alcanzó a alegrarse y a contarle el hallazgo a su vecina de piso antes de comprender que le pedían dinero: el desconocido solicitaba el pago por adelantado por el "cuidado temporal".
Lo que la puso en alerta no fue la exigencia de dinero, sino los detalles. La postura del animal en la imagen enviada repetía la de la fotografía del anuncio de búsqueda. También coincidía el fondo: los mismos objetos en la cocina. Pero la inscripción en la etiqueta de la botella de sirope resultó estar distorsionada, algo que desde hace tiempo se considera uno de los indicios clásicos de generación de imágenes. La mujer no pagó. No acudió a la policía, porque no estaba segura de que se tratara realmente de un delito. Meses después, la gata seguía sin aparecer.
Un golpe para quienes muestran la verdad
Quienes más sufren son las organizaciones que documentan problemas reales. El grupo sin ánimo de lucro We Animals publicaba el trabajo de decenas de fotoperiodistas que registraban las condiciones de vida de los animales en granjas, circos y laboratorios. Ese material, por definición, provoca en el espectador conmoción y resistencia, y ya antes se acusaba a los autores de montar y retocar las imágenes.
Ahora a las viejas acusaciones se ha sumado una nueva: "esto lo ha generado la IA". Un caso ilustrativo es una grabación con dron en una granja lechera: las hileras infinitas de jaulas lucen tan geométricamente ordenadas que ese mismo orden se percibe como falsificación. Comentarios de este tipo aparecen bajo los vídeos con regularidad, aunque la organización prohíbe expresamente a sus fotógrafos usar herramientas generativas. La dirección reconoce que demostrar a posteriori la ausencia de IA es casi imposible, por lo que planea publicar materiales entre bastidores, explicar los métodos de verificación e incorporar a los archivos metadatos sobre el origen y el historial de edición.
Por qué las falsificaciones ganan en el feed
La economía aquí es sencilla. Una grabación real de vida salvaje implica expediciones, equipo, días de espera y riesgo. Una imagen sintética cuesta céntimos y se crea en minutos. Para los dueños de cuentas con basura de IA, esas imágenes ofrecen un camino rápido hacia los "me gusta", el alcance y los ingresos publicitarios, y como producirlas es más barato, en las búsquedas y en las redes sociales desplazan cada vez más los vídeos auténticos. Así lo señala Oscar Horta, filósofo y activista por los derechos de los animales, que participó en el rodaje de un cortometraje sobre el impacto de la IA en la vida salvaje.
Le preocupan no solo los falsos por tráfico, sino también las escenas que parecen rescates heroicos: animales sacados del fuego o del agua. El problema es que esas falsificaciones socavan la confianza en los rescates reales, y por tanto dificultarán en el futuro la recaudación de fondos para ellos. Resulta especialmente desagradable en un contexto de fenómenos meteorológicos extremos cada vez más frecuentes, cuando la ayuda real se necesita con más urgencia.
Cuando lo falso empuja a acciones peligrosas
Hay también un efecto más inquietante. Si el espectador cree en escenarios de rescate inverosímiles, puede intentar repetirlos en la realidad, con riesgo para sí mismo y daño directo para el animal. Horta pone como ejemplo las imágenes de osos polares ahogándose y de personas en barcas que se lanzan a salvarlos, y califica esas escenas de absurdas: no tienen nada que ver con cómo es en realidad la ayuda a los animales.
Qué se intenta hacer: normas, etiquetas, herramientas de verificación
Indicaciones dentro de los propios modelos
Parte de los investigadores propone resolver el problema a nivel de los desarrolladores. Este mes, Jeff Sebo, director del Centro para la Mente, la Ética y la Política, comenzó a instar a las empresas a incluir en las guías de los modelos formulaciones que los disuadieran de generar contenido potencialmente dañino para los animales. La idea no es prohibirlo todo sin criterio, sino subrayar la importancia de las pruebas y el sentido común cuando se trata de posibles sufrimientos de seres vivos, sin caer por ello en el sermón ni negar a los usuarios peticiones razonables.
Etiquetas obligatorias
En paralelo, funciona la regulación. Nuevas normas en varios países y regiones exigen que los generadores de imágenes populares incorporen en el resultado marcas invisibles que señalen el origen sintético del contenido. Las redes sociales, por su parte, deben leer esas marcas y etiquetar públicamente tales imágenes y vídeos.
Verificar, pero ¿quién tiene tiempo?
Otro recurso es el aumento de la alfabetización del público y la disponibilidad de herramientas de verificación. ChatGPT, Gemini y Meta AI saben determinar si una imagen fue creada por el chatbot correspondiente, lo que en teoría da a cualquiera una forma sencilla de verificación. En la práctica, todo es más complicado: pocos subirán al chatbot cada foto de un gatito que han visto en el feed, y las propias herramientas tienen limitaciones, desde los límites en el número de consultas hasta la cobertura incompleta de modelos de distintas generaciones.
En resumen
El problema de los falsos de IA con animales no va de que alguien se enterneciera en vano. Se trata de que se destruye el canal por el que la protección animal y los proyectos de conservación hablaron durante años con la gente y recaudaron dinero para trabajo real. Cuando se pierde la confianza en la imagen visual, no solo sufren los autores, sino también los propios animales por los que se hace todo.
No existe un botón universal de "apagar los falsos". Habrá que trabajar, al parecer, desde varios frentes a la vez: la transparencia de los autores, las etiquetas de origen integradas, las exigencias a los desarrolladores de modelos y el hábito del público de verificar lo que provoca emociones fuertes. La imagen conmovedora de un animal no desaparecerá, pero ahora arrastra consigo unas cuantas preguntas más que antes.
