Entran en vigor las normas de transparencia de la Ley de IA de la UE, pero las etiquetas tienen límites

La Comisión Europea activó nuevas obligaciones de transparencia sobre IA el 2 de agosto de 2026, sometiendo a servicios como Google News a un mayor escrutinio. Las normas exigen divulgaciones para interacciones con chatbots, deepfakes, texto sintético de interés público y determinado material generado por IA. Sin embargo, el conflicto central sigue sin resolverse. Una etiqueta puede revelar que la IA intervino en una pieza de contenido sin demostrar que sus afirmaciones sean correctas.

Esa brecha importa para toda plataforma que organiza información pública. Google News ya utiliza sistemas automatizados para seleccionar, agrupar y clasificar reportajes de editores. La IA generativa añade otra capa mediante resúmenes, respuestas reescritas, imágenes sintéticas e interfaces conversacionales. Los reguladores europeos quieren ahora que las personas reconozcan esa capa, en lugar de encontrarla como una infraestructura invisible.

Por tanto, el cambio es mayor que una nueva etiqueta junto a un artículo. Pone a prueba si la divulgación técnica puede crear una rendición de cuentas significativa en una cadena de información fragmentada. Los desarrolladores de modelos, proveedores de aplicaciones, editores, anunciantes y operadores de plataformas pueden influir en lo que llega a un lector. Cada participante dispone de información distinta y tiene responsabilidades diferentes.

La Comisión Europea ha proporcionado orientaciones detalladas y un código de buenas prácticas voluntario. La aplicación, la comprensión de los usuarios y la interoperabilidad determinarán si esos materiales mejoran la transparencia en la práctica. Google News y otros grandes servicios de distribución afrontan ahora presión para hacer visible la intervención de la IA sin abrumar a los lectores con advertencias.

Qué cambió con las normas de la Comisión Europea

El artículo 50 convierte varias formas de divulgación sobre IA de una decisión opcional de diseño de producto en una cuestión de cumplimiento legal.

Las obligaciones proceden de la Ley de IA de la Unión Europea, una norma basada en el riesgo que abarca el desarrollo, la distribución y el uso de la inteligencia artificial. El artículo 50 se centra en casos en los que las personas pueden malinterpretar quién o qué produjo una interacción o una pieza de contenido.

Las normas se aplican desde el 2 de agosto de 2026. La Comisión publicó las orientaciones finales de aplicación el 20 de julio, menos de dos semanas antes de esa fecha. Sus directrices de transparencia explican qué sistemas y organizaciones entran en su ámbito de aplicación.

Los proveedores de sistemas interactivos de IA deben diseñarlos para que las personas sepan cuándo se están comunicando con IA. Ese requisito cubre experiencias como los asistentes conversacionales automatizados, salvo que la naturaleza artificial ya resulte evidente para un usuario razonablemente informado.

Los proveedores de sistemas que generan o manipulan audio, imágenes, vídeo o texto también deben facilitar la detección fiable de resultados artificiales. La ley exige un marcado legible por máquina, es decir, metadatos u otra señal técnica que el software pueda procesar automáticamente.

Los responsables del despliegue tienen obligaciones de divulgación independientes. Deben informar a las personas sobre su exposición a sistemas de reconocimiento de emociones o categorización biométrica. También deben etiquetar los deepfakes y determinado texto sintético que aborde asuntos de interés público.

La norma sobre texto de interés público incluye una salvedad importante. La divulgación se aplica generalmente cuando material generado o manipulado por IA se publica para informar al público sin revisión humana ni responsabilidad editorial. El trabajo periodístico editado no se convierte automáticamente en publicación sintética sin etiqueta solo porque un periodista haya usado un asistente de IA.

Esa distinción protege los flujos de trabajo editoriales habituales, pero también crea un límite difícil de definir. Un editor debe determinar cuándo la participación humana constituye una revisión significativa en vez de un paso de aprobación rápida. Después, las plataformas deben interpretar las señales recibidas de editores cuyos estándares difieren.

Las normas no convierten todo algoritmo de recomendación en una publicación generada por IA. La clasificación tradicional, la personalización y la agrupación pueden seguir estando sujetas a otros regímenes legales sin activar automáticamente todas las etiquetas del artículo 50. La cuestión relevante es qué generó, alteró o presentó el sistema a una persona.

Para Google News, esto significa que la cuestión de cumplimiento depende de la función. Clasificar enlaces a artículos escritos por humanos difiere de generar un resumen que combina sus afirmaciones. Una respuesta conversacional elaborada a partir de esas fuentes plantea otro caso distinto.

El marco de la Comisión reconoce esas diferencias, pero los lectores corrientes rara vez las perciben. Un usuario se encuentra con una sola interfaz, incluso cuando detrás hay varios proveedores y etapas de procesamiento. Eso hace que la responsabilidad sea más difícil de comunicar de lo que sugiere la simple frase “generado por IA”.

Por qué Google News afronta una prueba de transparencia más difícil

Google News se sitúa entre los editores y los lectores, por lo que puede influir en el contexto sin ser propietario de cada afirmación subyacente.

La agregación de noticias depende de la clasificación automatizada, la jerarquización, la detección de duplicados, la personalización y la agrupación por temas. Estos sistemas determinan qué reportajes aparecen juntos y qué titular recibe atención. Sus resultados pueden moldear la percepción incluso cuando no generan frases nuevas.

Las funciones generativas intensifican esa influencia. Un resumen puede condensar varios reportajes, eliminar matices o fusionar cronologías incompatibles. Una respuesta fluida también puede hacer que información incierta parezca asentada. El riesgo surge de la transformación, no solo de la fabricación.

Google no es la única empresa que afronta este problema. Los motores de búsqueda, las redes sociales, las aplicaciones de noticias, los asistentes de navegador y los motores independientes de respuestas colocan cada vez más texto generado entre una fuente y su audiencia. Las normas europeas presionan a todos ellos para aclarar cuándo esa voz intermediaria pertenece a una máquina.

No obstante, Google News ofrece una prueba útil porque los usuarios suelen llegar con altas expectativas sobre la procedencia. Suponen que un titular apunta a un editor y que una afirmación citada procede de un reportaje identificable. Los resúmenes generados difuminan esa relación conocida.

Una etiqueta visible de IA puede restaurar parte del contexto perdido. Puede indicar a un lector que la redacción mostrada no es idéntica al artículo de un editor. La información legible por máquina también puede ayudar a los servicios posteriores a detectar y preservar una señal de contenido sintético.

Sin embargo, una etiqueta no puede explicar cada transformación. No muestra qué fuentes respaldaron una afirmación, qué fuente recibió mayor peso ni si el modelo omitió una contradicción. Tampoco revela por qué una historia se clasificó por encima de otra.

Esto genera presión en dos direcciones. Los reguladores europeos quieren divulgaciones que sigan siendo claras y visibles. Los equipos de producto quieren interfaces que no entierren a los lectores bajo avisos repetitivos. Los editores quieren atribución y tráfico, mientras que los usuarios quieren respuestas rápidas.

La visión general del artículo 50 de la Comisión identifica cuatro situaciones principales relacionadas con la interacción, el contenido sintético, el análisis biométrico y el texto de interés público. Los productos reales pueden atravesar varias de esas categorías durante una misma sesión.

Pensemos en un lector que pregunta a un asistente dentro de un servicio de noticias sobre unas elecciones. La interfaz debe comunicar que el lector está interactuando con IA. El material generado puede necesitar una marca legible por máquina. Si aparece texto sintético de interés público sin revisión editorial, también puede aplicarse una divulgación visible.

Por tanto, una plataforma podría necesitar transparencia en capas. Un aviso describe el sistema conversacional, otro identifica el resultado generado y los enlaces a las fuentes documentan la procedencia. Combinar esos elementos sin confundir al lector es un problema de diseño tanto como jurídico.

La misma presión alcanza a los editores. Las redacciones que automatizan resúmenes, traducciones, narración o producción visual necesitan registros que muestren dónde entró la IA en el flujo de trabajo. También necesitan un estándar defendible para la revisión humana.

Los equipos que gestionan investigación pueden conservar esas decisiones en una base de conocimiento de IA con capacidad de búsqueda. Ese registro no establece por sí solo el cumplimiento legal. Aun así, puede ayudar a los editores a rastrear fuentes, revisiones, aprobaciones y decisiones de divulgación.

Las etiquetas de Google News no pueden demostrar que las noticias sean verdaderas

El enfoque europeo mejora las señales de procedencia, pero no convierte la divulgación en verificación.

Este es el principal equilibrio. Los reguladores pueden exigir a las organizaciones que revelen la intervención de máquinas, pero la verdad no puede reducirse a un marcador binario de IA. Los reportajes humanos pueden ser falsos, y el trabajo asistido por IA puede ser preciso, documentado y revisado cuidadosamente.

Los lectores todavía pueden tratar las etiquetas como puntuaciones de calidad. Un aviso de “generado por IA” puede implicar falta de fiabilidad, mientras que su ausencia puede sugerir autenticidad humana. Ninguna de las dos inferencias es segura.

El marcado legible por máquina afronta límites similares. Una señal duradera puede sobrevivir a la distribución habitual, pero las plataformas pueden eliminar metadatos mediante capturas de pantalla, copias, recompresión o conversión. Los actores maliciosos también pueden ignorar los requisitos de marcado o etiquetar falsamente material auténtico.

El código de transparencia voluntario de la Comisión ofrece medidas prácticas para proveedores y responsables del despliegue. Publicado el 10 de junio de 2026, pretende ayudar a las organizaciones a demostrar el cumplimiento de las obligaciones de marcado y etiquetado de contenido.

La participación voluntaria no elimina la responsabilidad legal. Una organización que no siga el código debe seguir cumpliendo y estar preparada para explicar sus medidas alternativas. Las autoridades pueden examinar si esas medidas satisfacen la Ley de IA.

Esto genera una ventaja práctica para una implementación estandarizada. Las convenciones compartidas pueden facilitar que las plataformas reconozcan etiquetas y señales legibles por máquina. También pueden reducir la posibilidad de que cada servicio invente terminología incompatible.

Sin embargo, la estandarización tiene límites. Un icono común no puede mostrar qué parte de un artículo fue generada, si un editor verificó cada afirmación o si un modelo solo corrigió la gramática. Una sola categoría puede aplanar diferencias significativas.

La excepción de revisión editorial añade otro desafío. El revisor humano final podría disponer de poco tiempo, acceso incompleto a las fuentes o conocimientos insuficientes sobre la materia. Una aprobación nominal puede satisfacer un flujo de trabajo interno sin ofrecer el escrutinio que esperan los lectores.

También existe el problema inverso. Una redacción podría usar IA para transcripción o formato mientras los periodistas verifican de forma independiente cada afirmación sustantiva. Una etiqueta amplia podría exagerar el papel editorial de la máquina y reducir la confianza en un reportaje sólido.

Google News debe preservar estas distinciones cuando muestra contenido de terceros. Si un editor proporciona una divulgación, la plataforma debería evitar eliminarla durante la agregación. Si Google crea su propio resumen, esa transformación necesita un tratamiento separado del artículo de origen.

Por tanto, la atribución es esencial. Una divulgación útil debería responder al menos a tres preguntas: quién produjo la redacción mostrada, qué fuentes la respaldan y qué tipo de revisión tuvo lugar. El artículo 50 establece una base, pero las plataformas pueden ofrecer más contexto.

La verificación independiente sigue siendo necesaria porque las señales de cumplimiento proceden de actores dentro de la cadena de producción. Un proveedor que cumple la normativa puede cometer un error. Un actor malicioso puede eludir la divulgación, y un artículo auténtico puede ser etiquetado incorrectamente por otro servicio.

Los lectores también deberían distinguir la procedencia de la lógica de recomendación. Un marcador puede identificar material sintético sin revelar nada sobre por qué un algoritmo lo promovió. Las cuestiones sobre la equidad en la clasificación, el trato a los editores y la personalización requieren un escrutinio independiente.

La Comisión Europea ha optado por un punto de partida pragmático. Se centra en el engaño al hacer más reconocibles las interacciones y los contenidos artificiales. No afirma que el etiquetado por sí solo vaya a resolver la desinformación.

Esa cautela es importante. Tratar el marco como un sistema de autenticidad crearía una falsa sensación de seguridad. Su propósito más defendible es aportar contexto antes de que un lector decida en qué confiar.

La aplicación determinará si la transparencia se mantiene

Las normas solo cobran sentido cuando las divulgaciones sobreviven el recorrido desde la salida del modelo hasta la pantalla del lector.

El contenido generativo puede pasar por muchos servicios. Un modelo produce texto, una aplicación lo edita, un editor lo publica, un agregador lo resume y un usuario comparte una captura de pantalla. Cada transferencia puede conservar, modificar o eliminar información sobre su origen.

El artículo 50 se dirige a proveedores y desplegadores porque ninguna empresa controla por sí sola todo ese recorrido. Un proveedor crea o suministra el sistema de IA pertinente. Un desplegador utiliza el sistema bajo su autoridad, a menudo dentro de un servicio orientado al público.

Esa división puede distribuir la responsabilidad, pero también generar disputas. Una empresa de modelos podría decir que proporcionó un marcador técnico. Un desarrollador de aplicaciones podría afirmar que una plataforma lo eliminó. La plataforma podría basarse en metadatos incompletos proporcionados por el editor.

Las autoridades nacionales de vigilancia del mercado se encargarán de gran parte de la aplicación. La Oficina Europea de IA tiene un papel más limitado relacionado con sistemas conectados a modelos de propósito general en condiciones específicas. El Supervisor Europeo de Protección de Datos cubre a las instituciones y organismos de la UE.

La Comisión señala que las infracciones que cumplan los requisitos pueden conllevar multas de hasta 15 millones de euros o el 3 por ciento de la facturación anual mundial de las empresas. El importe aplicable depende de la infracción y de los requisitos de proporcionalidad de la ley.

Estas cifras incentivan la documentación de decisiones, pero las sanciones por sí solas no garantizan una práctica uniforme. Las prioridades de aplicación pueden variar entre los Estados miembros. Las interpretaciones técnicas también pueden evolucionar a medida que surjan nuevos formatos y métodos de generación.

Una transición limitada complica aún más los primeros meses. La orientación actual de la Comisión describe un período de gracia hasta el 2 de diciembre de 2026 para las obligaciones de marcado pertinentes relativas a sistemas generativos que cumplan los requisitos y que se hayan comercializado antes del 2 de agosto.

El contenido generado y ya publicado antes del 2 de agosto no requiere etiquetado retroactivo. Eso evita un enorme proyecto de archivo histórico, pero deja material sintético antiguo circulando junto a contenido etiquetado recientemente.

Por tanto, los lectores encontrarán un entorno desigual. Dos imágenes similares podrían mostrar señales distintas porque una es anterior a la fecha de aplicación. La ausencia de un marcador no permite establecer de forma fiable que no haya intervenido IA.

La interoperabilidad será otra prueba. Una marca técnica que funciona dentro del sistema de un proveedor tiene poco valor si otros servicios no pueden reconocerla. Las normas abiertas y duraderas importan porque el contenido informativo se mueve entre límites organizativos.

El texto de la Ley de IA de la UE exige que las marcas sean eficaces, interoperables, técnicamente fiables y sólidas cuando sea técnicamente viable. Estos objetivos apuntan en la dirección correcta, pero el rendimiento debe evaluarse en condiciones reales de distribución.

Las capturas de pantalla son una prueba de resistencia sencilla. Pueden descartar los metadatos y conservar el contenido visible. Copiar texto generado en un documento nuevo puede hacer lo mismo. Las marcas de agua también pueden debilitarse tras la edición o la compresión.

Las plataformas necesitarán más de un método de detección. Los metadatos, las señales incrustadas, las etiquetas visibles, los registros de procedencia y los avisos contextuales pueden reforzarse mutuamente. Ninguno ofrece una protección completa por sí solo.

Los falsos positivos merecen la misma atención. Clasificar erróneamente un reportaje auténtico como sintético puede perjudicar la reputación de un editor. Un proceso de impugnación debería permitir a los creadores cuestionar una etiqueta y aportar pruebas de respaldo.

Los pequeños editores enfrentan una carga distinta. Las grandes empresas tecnológicas pueden asignar equipos jurídicos, de ingeniería y de políticas a la implementación. Los medios independientes pueden depender de configuraciones predeterminadas de proveedores y de software de publicación cuyo soporte llegue tarde.

La Comisión afirma que la proporcionalidad se aplica a las pequeñas empresas. Aun así, los lectores necesitan señales coherentes independientemente del tamaño del editor. Las plataformas pueden convertirse de facto en puertas de cumplimiento al validar metadatos y presentar avisos estandarizados.

Ese papel otorga a servicios como Google News una influencia considerable. Sus decisiones de interfaz pueden determinar si una divulgación técnicamente conforme se convierte en información comprensible o en un icono ignorado.

Qué significa una IA más segura y transparente para los editores

Los editores necesitan ahora un proceso de contenido auditable, no una promesa general de que los humanos siguen participando.

La primera tarea operativa es el inventario. Una redacción debe identificar todos los sistemas que generan, transforman, traducen, resumen, narran, etiquetan o ilustran contenido público. Las herramientas ocultas utilizadas por miembros individuales del personal deben incluirse en esa revisión.

La segunda tarea es mapear funciones. Los equipos deben distinguir al proveedor de IA del desplegador y determinar quién publica cada resultado. Los contratos deben explicar qué parte suministra las marcas técnicas y qué parte las conserva.

La tercera tarea consiste en definir una revisión editorial significativa. Una política debe indicar qué inspeccionan los revisores, qué fuentes consultan y quién puede aprobar la publicación. «Humano en el circuito» es demasiado vago para respaldar decisiones coherentes.

Las organizaciones informativas también deben separar la asistencia de bajo riesgo de la generación sustantiva. La corrección ortográfica no equivale a sintetizar acusaciones a partir de varios informes. La transcripción automatizada difiere de publicar un resumen no verificado de esa transcripción.

La documentación debe acompañar al contenido en lugar de permanecer en una carpeta de cumplimiento aislada. Los editores necesitan acceso al material fuente, la salida del modelo, los cambios y el historial de aprobación. Un flujo de trabajo con búsqueda puede ayudar a los equipos a reconstruir decisiones cuando surjan preguntas.

Google News y distribuidores similares necesitan controles paralelos. Deben conservar las divulgaciones de los editores, etiquetar sus propias capas generadas y distinguir el texto fuente de los resúmenes de la plataforma. También deben proporcionar rutas accesibles hacia los reportajes originales.

La redacción clara importa. «Creado con IA» comunica algo distinto de «resumido por IA y revisado por un editor». Las plataformas deberían evitar advertencias genéricas cuando dispongan de información más precisa.

La interfaz debe mantener las divulgaciones esenciales cerca del contenido afectado. Un aviso oculto dentro de la configuración o la documentación legal hace poco para prevenir un malentendido inmediato. Los requisitos de accesibilidad deben abarcar lectores de pantalla y otras tecnologías de asistencia.

Las organizaciones deben evaluar la comprensión, no solo la visibilidad. Una etiqueta puede cumplir una lista de verificación de diseño mientras los usuarios malinterpretan su significado. Las pruebas deben preguntar si las personas entienden qué hizo la IA y qué no garantiza la divulgación.

Los editores también deben planificar las correcciones. Si un resumen generado tergiversa un reportaje, actualizar el artículo fuente puede no corregir automáticamente las versiones almacenadas en caché o sindicadas. Los flujos de corrección deben llegar a todas las superficies controladas por la organización.

El marco europeo recompensa la evidencia de una implementación deliberada. Seguir el código voluntario puede proporcionar una vía reconocible, mientras que los métodos alternativos requieren su propia justificación. Cualquiera de los dos enfoques exige registros que los reguladores puedan inspeccionar.

La lección más amplia es que la transparencia comienza aguas arriba. Una plataforma no puede crear una procedencia precisa en la fase final de visualización cuando los participantes anteriores no registraron el origen y el tratamiento del contenido.

Qué observar tras la fecha límite de transparencia de Google News

La próxima prueba no es si aparecen etiquetas, sino si siguen siendo fiables, comprensibles y aplicables.

La primera señal es la implementación en las principales plataformas hasta el 2 de diciembre de 2026. Observe si Google News y servicios comparables distinguen los resúmenes generados de los titulares de los editores. Los avisos coherentes y específicos reforzarían el enfoque de la Comisión. Las advertencias genéricas u ocultas lo debilitarían.

La fecha de transición también revela si los sistemas más antiguos reciben actualizaciones técnicas significativas. Los proveedores con productos que cumplan los requisitos anteriores a agosto disponen de tiempo adicional para determinadas obligaciones de marcado. Sus implementaciones de diciembre mostrarán si la interoperabilidad es práctica entre sistemas consolidados.

La segunda señal es la aplicación por parte de las autoridades nacionales. Las primeras investigaciones definirán cómo interpretan los reguladores la divulgación significativa, el control editorial y la viabilidad técnica. Los casos que impliquen metadatos eliminados o interfaces engañosas aclararían la responsabilidad a lo largo de la cadena de distribución.

Los reguladores deberían publicar razonamiento suficiente para que las organizaciones más pequeñas puedan aplicar esas lecciones. Los acuerdos sin explicación o las decisiones nacionales incoherentes dejarían a los editores en la incertidumbre. Una orientación coordinada haría más predecible el cumplimiento.

La tercera señal es la evidencia sobre la comprensión de los usuarios. Las plataformas y los investigadores independientes deberían examinar si las personas perciben las etiquetas y las interpretan correctamente. Un marco exitoso debería reducir el engaño sin enseñar a los usuarios que todo elemento sin etiqueta es auténtico.

Las tasas de error también importan. Los falsos negativos dejan contenido sintético sin identificar, mientras que los falsos positivos pueden socavar el trabajo legítimo. La información pública sobre disputas, correcciones y rendimiento de detección revelaría si el sistema merece confianza.

Google News seguirá siendo un punto de observación importante porque combina material de editores con distribución automatizada. Si la procedencia se conserva allí, tendrá más posibilidades de sobrevivir en otros lugares. Si desaparece en la agregación, el cumplimiento aguas arriba pierde gran parte de su valor.

La Comisión Europea ha establecido un mínimo legal, no un sistema completo de confianza. Sus normas hacen más difíciles de ocultar ciertas formas de intervención de las máquinas. No verifican afirmaciones, no exponen todas las decisiones de clasificación ni resuelven la economía entre plataformas y editores.

Los lectores deberían responder tratando una etiqueta de IA como contexto. Comprueben la fuente original, comparen reportajes independientes y busquen responsabilidad editorial identificada. La ausencia de una etiqueta nunca debe sustituir a la verificación.

Los editores y los equipos de producto deberían auditar ahora dónde entra el material generado en sus servicios y qué ocurre después de su distribución. La cuestión decisiva para Google News ya no es si la IA da forma a la experiencia. Es si los usuarios pueden ver esa influencia con suficiente claridad como para evaluar la información por sí mismos.