La Comisión Europea refuerza la supervisión de la IA para combatir los deepfakes y las ciberamenazas

La Comisión Europea ha activado nuevas facultades de supervisión de la IA, situando a Google News y a los principales proveedores de modelos dentro de un entorno europeo de aplicación más estricto.

El cambio llegó el 2 de agosto de 2026, cuando empezaron a aplicarse normas clave de transparencia y disposiciones de ejecución de la Ley de IA de la Unión Europea. Los reguladores ya pueden examinar cómo los proveedores documentan, evalúan, protegen y explican determinados sistemas de IA y modelos de propósito general.

No se trata simplemente de otra exigencia para que los sitios web coloquen etiquetas junto a imágenes sintéticas. La Comisión está vinculando la transparencia del contenido con el escrutinio directo de los modelos capaces de producir deepfakes, automatizar ciberataques o manipular a los usuarios a gran escala.

Google afronta presión desde varias direcciones. Desarrolla modelos de propósito general, distribuye funciones de IA, opera un importante motor de búsqueda y organiza las noticias a través de Google News. Cada función plantea cuestiones jurídicas y operativas distintas.

El conflicto central ya está claro. Las empresas de IA quieren un modelo y una arquitectura de producto para los mercados globales. Los reguladores europeos esperan salvaguardas que sigan siendo eficaces en todos los modelos, plataformas, editores y aplicaciones posteriores.

La primera prueba no será si cada elemento sintético recibe una etiqueta perfecta. Será si los reguladores pueden rastrear un resultado perjudicial a través de esa compleja cadena de responsabilidades.

Google News entra en un nuevo periodo de transparencia de la IA

El cambio inmediato es una responsabilidad exigible tanto por el contenido sintético como por los modelos que lo sustentan.

El artículo 50 de la Ley de IA exige a los proveedores y responsables del despliegue divulgar varias formas de contenido automatizado o generado artificialmente. Sus normas abarcan las interacciones con chatbots, los deepfakes, el reconocimiento de emociones, la categorización biométrica y algunos textos sobre asuntos de interés público.

Un deepfake es audio, vídeo o imagen manipulados o generados que aparentan falsamente ser auténticos. La definición abarca más que vídeos políticos fabricados. También puede incluir voces clonadas, fotografías alteradas y grabaciones sintéticas que imitan acontecimientos reales.

Los proveedores deben hacer detectable el contenido sintético cubierto en un formato legible por máquina cuando se aplique la obligación correspondiente. Los responsables del despliegue tienen deberes independientes de divulgar deepfakes y determinados textos de interés público generados por IA.

El código de transparencia final de la Comisión ofrece métodos prácticos para cumplir esos requisitos. El código es voluntario, pero las obligaciones jurídicas subyacentes no lo son.

Esa distinción es importante para Google News. El servicio agrega y clasifica material de editores externos, mientras que Google también proporciona sistemas de IA capaces de generar o modificar contenido. La responsabilidad depende de qué entidad creó, desplegó, distribuyó o presentó el resultado correspondiente.

Un artículo convencional escrito bajo control editorial no se convierte en un deepfake simplemente porque una herramienta de IA ayudara a producirlo. El texto de interés público también recibe un tratamiento diferente cuando ha pasado por revisión humana y cuenta con responsabilidad editorial.

Esos límites evitan que las normas se conviertan en una etiqueta general para todo lo relacionado con la automatización. También hacen que la aplicación sea más exigente, porque los reguladores deben examinar flujos de trabajo, no solo resultados visibles.

La Comisión ha aclarado otra limitación importante. El contenido generado antes del 2 de agosto no requiere etiquetado retroactivo, aunque sigue fomentándose la divulgación voluntaria.

Algunos sistemas ya comercializados reciben un periodo de transición limitado para las obligaciones de marcado legible por máquina. Según la guía del artículo 50 de la Comisión, esos proveedores tienen hasta el 2 de diciembre de 2026 para cumplir ese requisito específico.

El periodo de gracia no suspende todas las obligaciones de transparencia. Se aplica de forma limitada a la obligación de marcado y detección para sistemas comercializados antes del 2 de agosto.

Ese matiz es fácil de perder en un titular de Google News. La UE no impuso una fecha límite universal para las marcas de agua a todos los editores, modelos y contenidos.

En su lugar, creó obligaciones superpuestas según el sistema, el actor y el resultado. Los equipos de cumplimiento deben identificar qué función ocupa su organización antes de elegir un control técnico.

Para los lectores, el resultado visible debería ser, con el tiempo, una divulgación más clara sobre los medios sintéticos. Tras esa interfaz, las empresas deben crear registros de procedencia, métodos de detección, procedimientos de revisión y vías de escalada.

Por tanto, la etiqueta es el punto final de un sistema de cumplimiento mucho más amplio. La Comisión quiere pruebas de que el sistema funciona antes de que el contenido perjudicial llegue a los usuarios europeos.

La Comisión ya puede examinar los modelos, no solo los resultados

El enfoque más estricto de Europa alcanza la fase inicial, donde el diseño de los modelos y los controles de riesgo determinan millones de interacciones posteriores.

La Ley de IA otorga a la Comisión responsabilidad directa de aplicación sobre los modelos de IA de propósito general. Estos modelos pueden realizar muchas tareas no relacionadas entre sí y suelen servir de base para productos creados por otras empresas.

Los proveedores están sujetos a obligaciones relativas a la IA de propósito general desde el 2 de agosto de 2025. El año siguiente sirvió de transición antes de que empezaran a aplicarse las facultades de ejecución de la Comisión.

Desde el 2 de agosto de 2026, la Comisión puede hacer cumplir esas obligaciones e imponer multas. Sus directrices para proveedores publicadas también exigen que los proveedores de modelos con riesgo sistémico notifiquen a la Oficina de IA.

El riesgo sistémico se refiere a capacidades o efectos de los modelos capaces de causar daños amplios en el mercado europeo. Entre las áreas relevantes figuran la ciberseguridad, la manipulación perjudicial, los derechos fundamentales y los peligros químicos o biológicos.

Los proveedores de modelos cubiertos deben mantener documentación técnica y compartir información específica con desarrolladores posteriores. También deben establecer una política para cumplir la legislación europea sobre derechos de autor.

Los modelos más capaces afrontan obligaciones adicionales. Sus proveedores deben evaluar los riesgos sistémicos, probar el comportamiento de los modelos, informar de incidentes graves y proteger tanto los modelos como la infraestructura que los respalda.

Estos requisitos sitúan a OpenAI, Google, Anthropic, Meta, DeepSeek y otros desarrolladores bajo una teoría regulatoria común. La ubicación de sus sedes corporativas no elimina sus obligaciones cuando comercializan modelos cubiertos en el mercado europeo.

La Comisión respalda ese trabajo mediante una Oficina de IA ampliada. Su resumen oficial de la Oficina de IA indica que la organización cuenta ahora con más de 125 personas distribuidas en seis unidades.

La oficina incluye especialistas técnicos, abogados, economistas, expertos en políticas públicas y personal administrativo. Entre sus responsabilidades figuran la creación de métodos de evaluación y la valoración de si los modelos presentan riesgos sistémicos.

Associated Press informó de que un equipo adicional de 38 personas supervisará a las empresas de IA. El equipo de aplicación puede solicitar documentación y entrevistar al personal de las empresas durante las investigaciones.

Esto crea una relación distinta entre desarrolladores y reguladores. Las empresas ya no pueden tratar los informes de seguridad como publicaciones puramente voluntarias diseñadas en torno a lanzamientos de productos.

Un regulador puede comparar las afirmaciones públicas de un proveedor con pruebas internas, registros de incidentes, documentación técnica y evaluaciones de riesgo. Las diferencias entre esos materiales pueden convertirse en pruebas para la aplicación de la normativa.

Esta presión va más allá de los deepfakes. Un modelo de frontera podría ayudar a los usuarios a crear código malicioso, identificar vulnerabilidades de software o automatizar ataques contra infraestructuras públicas.

El modelo también podría generar suplantaciones persuasivas que faciliten el fraude. La misma capacidad subyacente puede vincular una voz sintética, una campaña de phishing y una intrusión no autorizada en una red.

Por eso la Comisión agrupa los deepfakes y las ciberamenazas dentro de un marco más amplio de riesgo sistémico. Ambos pueden aprovechar la escala, la automatización y resultados de los modelos cada vez más convincentes.

Google ocupa una posición inusualmente compleja. Desarrolla modelos Gemini, integra IA en productos de consumo, opera negocios de publicidad y nube, y controla importantes superficies de distribución.

Google News añade otra capa porque los usuarios pueden encontrarse con afirmaciones sintéticas o manipuladas junto a información convencional. Los sistemas de clasificación deben distinguir la relevancia de la autenticidad, incluso cuando el material pulido se parece al periodismo legítimo.

Por tanto, la intervención de la UE presiona tanto a los creadores de modelos como a los distribuidores de información. La seguridad de los modelos no puede terminar en un laboratorio de investigación, mientras que las etiquetas de contenido no pueden resolver por sí solas el comportamiento inseguro de los modelos.

La disyuntiva central es la trazabilidad frente a la escala global

La UE busca una cadena de responsabilidad trazable, mientras que las empresas de IA dependen de productos que se extienden a través de fronteras y aplicaciones independientes.

Un modelo de propósito general rara vez llega a los usuarios mediante una única interfaz controlada. Clientes de la nube, desarrolladores de aplicaciones, editores, organismos públicos y particulares pueden crear experiencias diferentes en torno al mismo modelo.

Esa distribución genera valor económico. También dificulta asignar responsabilidades cuando un resultado se vuelve engañoso, ilegal u operacionalmente peligroso.

Un proveedor de modelos puede afirmar que suministró salvaguardas y documentación. Un desarrollador posterior puede sostener que el modelo base produjo la capacidad perjudicial. Una plataforma puede alegar que simplemente alojó o clasificó el contenido resultante.

La Ley de IA intenta evitar que esas brechas se conviertan en vías de escape permanentes. Asigna obligaciones en varios puntos, incluidos los niveles de modelo, sistema, despliegue y plataforma.

Para Google News, la procedencia resulta especialmente importante. La procedencia es el registro de dónde se originó el contenido y de cómo las personas o el software lo modificaron.

Un aviso visible puede indicar a un lector que una imagen fue generada. Los metadatos legibles por máquina pueden ayudar a las plataformas y servicios de verificación a inspeccionar esa afirmación automáticamente.

Ningún método es perfecto. Los metadatos pueden desaparecer cuando alguien hace una captura de pantalla, comprime un archivo o lo carga mediante un sistema que elimina la información incrustada.

Las marcas de agua invisibles también pueden degradarse tras un recorte, una edición o una codificación repetida. Las herramientas de detección pueden generar falsos positivos, especialmente al evaluar medios comprimidos o de baja calidad.

Por ello, el enfoque de la Comisión favorece varias capas. El marcado técnico, la divulgación visible, la documentación, la gestión de riesgos y la revisión humana cumplen funciones diferentes.

Esta estructura por capas aumenta los costes de implementación. Un proveedor debe diseñar controles que sobrevivan a las transferencias entre herramientas, plataformas y formatos multimedia.

Las empresas posteriores deben determinar si los resultados recibidos contienen una procedencia fiable. Los editores necesitan procesos editoriales para el material cuestionado, mientras que las plataformas requieren vías de escalada ante sospechas de manipulación.

El resultado entra en conflicto con la preferencia de la industria por lanzamientos globales simples. Una empresa podría utilizar una única versión de modelo en todo el mundo, pero las normas europeas de documentación y divulgación pueden exigir flujos de trabajo regionales.

Los proveedores más pequeños afrontan una limitación de recursos más aguda. Disponen de menos abogados, especialistas en políticas públicas, investigadores de seguridad e ingenieros de seguridad para los programas de cumplimiento.

Las empresas más grandes poseen esos recursos, pero sus sistemas generan una exposición más compleja. Google no puede aislar la gobernanza de modelos de Search, YouTube, los servicios en la nube, la publicidad o Google News.

La UE ha intentado reducir la incertidumbre mediante códigos voluntarios y orientaciones detalladas. Suscribirse a un código puede ayudar a un proveedor a demostrar un enfoque estructurado de cumplimiento.

No crea inmunidad automática. Los reguladores aún pueden investigar si el comportamiento real cumple los requisitos legales.

La Comisión también ha ajustado la implementación mediante el Omnibus de IA, que entró en vigor el 27 de julio de 2026. Amplió algunos calendarios y aclaró las disposiciones de supervisión.

Esas revisiones muestran que la aplicación no seguirá un calendario estático. Las normas para algunos sistemas de alto riesgo ahora llegan más tarde, mientras que las disposiciones sobre transparencia y modelos de propósito general continúan su curso actual.

Por lo tanto, las empresas deben seguir cada obligación de forma individual. Tratar «el plazo de la Ley de IA» como una única fecha puede generar trabajo innecesario o graves lagunas de cumplimiento.

La disyuntiva también afecta a los usuarios. Una trazabilidad más sólida puede facilitar la identificación de la manipulación, pero etiquetas mal diseñadas también pueden generar una falsa sensación de confianza.

Una etiqueta confirma que un sistema clasificó contenido de cierta manera. No prueba que una imagen sin etiqueta sea auténtica ni que una obra etiquetada carezca de valor artístico legítimo.

La implementación más sólida preservará esa distinción. La divulgación debe aportar evidencia, no sustituir el juicio crítico.

La aplicación aún presenta brechas jurisdiccionales y técnicas

La Comisión tiene mayores facultades, pero la autoridad fragmentada y la detección imperfecta pueden limitar la coherencia con la que Europa las aplica.

La primera incertidumbre se refiere a quién aplica cada norma. La Comisión supervisa directamente las obligaciones relativas a los modelos de IA de propósito general, pero las autoridades nacionales de vigilancia del mercado gestionan gran parte del artículo 50.

La Oficina de IA tiene un papel más limitado en el artículo 50 de lo que sugieren algunos titulares. Puede supervisar ciertos sistemas basados en modelos de propósito general cuando la misma organización proporciona ambos componentes.

Su autoridad también puede alcanzar sistemas que cumplan los requisitos e estén integrados en plataformas en línea o motores de búsqueda muy grandes. Eso hace que los servicios operados por grandes grupos tecnológicos sean especialmente relevantes.

Las autoridades nacionales seguirán tomando muchas decisiones de primera línea. Los veintisiete Estados miembros pueden diferir en personal, experiencia técnica, prioridades y velocidad de investigación.

La Oficina de IA puede promover la coordinación, pero esta no garantiza resultados idénticos. Una empresa podría enfrentarse a preguntas diferentes sobre sistemas similares en varios mercados.

La segunda brecha se relaciona con la verificación técnica. Ningún método de marca de agua puede establecer una autenticidad universal en todos los formatos y canales de distribución.

Los actores maliciosos tienen incentivos para eliminar marcas, ocultar la procedencia o etiquetar falsamente material auténtico. Las herramientas de edición de código abierto facilitan la transformación repetida.

Los reguladores deben evitar tratar una detección fallida como prueba automática de incumplimiento. Deben examinar si un proveedor utilizó métodos adecuados, supervisó el rendimiento y respondió a debilidades conocidas.

La misma cautela se aplica a las evaluaciones de ciberseguridad. Un modelo puede comportarse de forma diferente tras el ajuste fino, la integración de herramientas, cambios en los prompts o el acceso a datos privados.

Una única prueba de laboratorio no puede representar todas las configuraciones posteriores. Los proveedores necesitan evaluaciones repetibles, mientras que los investigadores necesitan acceso suficiente para probar escenarios significativos.

También existe el riesgo de exageración regulatoria. El etiquetado de deepfakes puede reducir el engaño, pero no puede impedir la creación de medios sintéticos abusivos.

Una norma de divulgación tiene poco efecto cuando los delincuentes distribuyen contenido de forma anónima o fuera de plataformas cooperativas. Siguen siendo necesarias las leyes existentes, la aplicación de normas por parte de las plataformas, el apoyo a las víctimas y las investigaciones penales.

Las preocupaciones sobre la libertad de expresión añaden otro desafío. La sátira, la parodia, la ficción y las obras artísticas pueden utilizar medios sintéticos sin intención de engañar.

La Ley de IA incluye disposiciones sensibles al contexto, pero las plataformas aún pueden etiquetar en exceso o retirar material lícito para reducir su riesgo percibido. La moderación automatizada puede amplificar esa tendencia.

Las organizaciones de noticias enfrentan un problema relacionado. Los periodistas a veces publican material manipulado para documentar propaganda, fraude o abuso en línea.

Un reportaje responsable podría mostrar un deepfake mientras explica claramente su origen. Los sistemas deben distinguir ese uso editorial de una presentación engañosa.

Google News se sitúa en la intersección de esas decisiones. Puede clasificar reportajes sobre un deepfake, una corrección de un editor, la carga engañosa original y resúmenes generados por IA de cada elemento.

Una etiqueta genérica podría confundir esas categorías. Una interfaz de procedencia más detallada ofrecería mayor valor, pero también exige información coherente de editores y plataformas.

La incertidumbre final se refiere al acceso a la evidencia. Una aplicación eficaz depende de registros técnicos, informes internos de incidentes, evaluaciones de modelos y cooperación de empresas multinacionales.

Los reguladores necesitan especialistas que puedan cuestionar las afirmaciones de los proveedores sin exponer información confidencial. Las empresas necesitan procedimientos seguros para compartir datos sensibles sobre modelos y ciberseguridad.

La ampliación de personal de la Comisión aborda parte de este problema. Su éxito dependerá de la calidad de las investigaciones, no simplemente del número de empleados o de la autoridad formal.

Los primeros casos deberían revelar cuánta evidencia exigen los reguladores. También mostrarán si las autoridades se centran en fallos evidentes de divulgación o en debilidades más profundas de la gobernanza de modelos.

Hasta que lleguen esas decisiones, los equipos de cumplimiento interpretarán las obligaciones amplias mediante orientaciones, códigos voluntarios y conversaciones directas con los reguladores.

Qué deberían observar a continuación los lectores de Google News

Tres señales mostrarán si la nueva supervisión europea de la IA cambia productos reales o sigue siendo principalmente un ejercicio de documentación.

La primera señal es la investigación inicial de la Comisión sobre modelos de propósito general. El objetivo, la solicitud de evidencia y el supuesto incumplimiento definirán el significado práctico de la aplicación.

Un caso centrado en documentos faltantes animaría a las empresas a reforzar sus sistemas de informes. Un caso que implique capacidades inseguras empujaría a los desarrolladores hacia evaluaciones y mitigaciones más exhaustivas.

La diferencia importa. El cumplimiento documental puede medirse rápidamente, mientras que demostrar controles inadecuados de riesgos sistémicos exige un análisis técnico más profundo.

Los lectores deberían observar si la Comisión solicita pruebas internas de modelos, historiales de incidentes o acceso para una evaluación independiente. Esas exigencias indicarían un escrutinio que va más allá de los resúmenes de seguridad publicados.

La segunda señal es la aparición de etiquetas coherentes para contenido sintético en las principales plataformas. Google News, Search, YouTube, las redes sociales y los sitios web de los editores ofrecen puntos de comparación útiles.

La coherencia no exige iconos idénticos. Exige divulgaciones que los usuarios puedan reconocer y las máquinas puedan interpretar en todos los servicios.

El período de transición limitado finaliza el 2 de diciembre para determinadas obligaciones de marcado que afectan a sistemas ya comercializados. Esa fecha ofrece una prueba concreta de implementación técnica.

Si las etiquetas aparecen solo dentro de herramientas de generación propias, la procedencia seguirá siendo frágil. El contenido sintético suele alcanzar su mayor audiencia después de que alguien lo exporta y vuelve a publicarlo en otro lugar.

Si las plataformas conservan y muestran metadatos fiables, el enfoque de trazabilidad de la UE ganará credibilidad. Si los metadatos desaparecen de forma rutinaria, los reguladores necesitarán requisitos de evidencia diferentes.

La tercera señal es un informe de incidente grave relacionado con una ofensiva cibernética o manipulación dañina. Ese informe pondría a prueba si los proveedores divulgan los problemas antes de que periodistas o investigadores los descubran.

La Ley de IA espera que los proveedores de modelos de riesgo sistémico identifiquen y mitiguen peligros significativos. La notificación de incidentes ofrece a los reguladores una forma de comparar esos compromisos con acontecimientos reales.

Una respuesta transparente reforzaría el modelo colaborativo de la Comisión. Una divulgación tardía o incompleta aumentaría la presión para realizar investigaciones formales y dictar órdenes correctivas.

Las empresas también deberían revelar suficiente información para que los usuarios comprendan el riesgo sin publicar detalles operativos que ayuden a los atacantes. Ese equilibrio seguirá siendo difícil.

Para los desarrolladores, la lección inmediata es conservar registros que conecten la elección del modelo, las pruebas, la configuración de despliegue y la respuesta a incidentes. Una afirmación de seguridad sin evidencia de respaldo ofrece poca protección durante una investigación.

Los compradores empresariales deberían preguntar a los proveedores quién es responsable de cada obligación de cumplimiento. Los contratos necesitan una responsabilidad clara sobre las actualizaciones de modelos, el marcado de contenido generado, los incidentes de seguridad y las solicitudes regulatorias.

Los editores deberían documentar la revisión humana cuando la IA ayude en reportajes de interés público. El control editorial puede afectar a la aplicación de las obligaciones de transparencia, pero una revisión no documentada será difícil de demostrar más adelante.

Los trabajadores del conocimiento deberían tratar las etiquetas como señales útiles, no como certificados de verdad. Una grabación sin etiqueta aún puede ser sintética, mientras que un medio etiquetado aún puede contener información precisa.

Los usuarios de Google News deberían comparar reportajes, inspeccionar las fuentes originales y buscar correcciones cuando los medios sintéticos impulsen una noticia de rápida evolución. La agregación mejora el descubrimiento, pero no elimina el trabajo de verificación.

La nueva autoridad de la Comisión cambia los incentivos en torno a esa verificación. Los proveedores ahora enfrentan consecuencias cuando una documentación deficiente, modelos inseguros o divulgaciones ausentes incumplen obligaciones aplicables.

Europa ha pasado de redactar expectativas a ponerlas a prueba. La cuestión decisiva es si los investigadores pueden seguir un resultado dañino a través de modelos, aplicaciones, plataformas y editores.

Observe los primeros casos de aplicación, el plazo de marcado de diciembre y el tratamiento de incidentes graves de IA. Juntas, esas señales mostrarán si Google News entra en un entorno informativo genuinamente más trazable.