Google Earth retiró su herramienta de imágenes con IA tras las preocupaciones por deepfakes satelitales

Google retiró un generador de imágenes de Google Earth un día después de lanzarlo, pese a las salvaguardas diseñadas para identificar contenido sintético. La reversión dejó al descubierto un problema más profundo: la herramienta combinaba IA generativa con un producto asociado a la evidencia geográfica.

La función permitía a los usuarios seleccionar una ubicación e indicarle a Nano Banana 2 que creara una nueva escena utilizando imágenes satelitales, aéreas y en 3D. Las pruebas pronto produjeron conflictos, desastres, escenas fronterizas y acontecimientos políticos fabricados en ubicaciones reales reconocibles.

Google afirmó que las imágenes resultantes no sustituían las imágenes públicas ni aparecían en la experiencia principal de Google Earth de otros usuarios. También incluían SynthID, la marca de agua oculta de Google para identificar contenido generado por IA. Sin embargo, esas medidas no abordaban el problema central.

La herramienta podía situar acontecimientos ficticios dentro del conocido marco visual de Google Earth. Ese contexto daba a una imagen sintética corriente la apariencia de evidencia geográfica.

Google respondió el 31 de julio retirando la función mientras desarrollaba lo que la empresa llamó “salvaguardas más sólidas”. La decisión siguió a informes críticos y demostraciones publicados pocas horas después del lanzamiento del 30 de julio.

No se trató simplemente de otra función de IA que no superó una prueba de seguridad. Google introdujo brevemente imágenes sintéticas en un producto cuyo valor depende de la confianza en la realidad observada.

La herramienta de imágenes con IA de Google Earth duró un día

La respuesta más rápida de Google no fue un pequeño cambio de configuración. Fue la retirada de la función que generó la controversia.

Google presentó la opción de generación de imágenes el 30 de julio de 2026. El gerente de producto Bryan Horowitz indicó a los usuarios que eligieran un lugar, seleccionaran “create image” y describieran lo que querían ver.

Los ejemplos previstos hacían hincapié en la imaginación. Los usuarios podían visualizar escenarios históricos, rediseñar monumentos o mostrar posibles mejoras en barrios conocidos.

La función operaba dentro de Google Earth en la web. Utilizaba la ubicación seleccionada y el material geográfico visible como base para una escena generada.

Esa interacción era lo bastante sencilla para un uso casual. Una persona no necesitaba software de edición de imágenes, conocimientos especializados sobre datos satelitales ni dominio de técnicas de composición.

Las pruebas críticas revelaron otra faceta de esa simplicidad. Periodistas e investigadores de fuentes abiertas solicitaron a la herramienta que mostrara incendios, actividad militar, concentraciones de migrantes, infraestructuras dañadas y otros hechos inventados.

Algunos resultados contenían errores evidentes. Otros parecían lo bastante creíbles como para generar confusión al separarse de la interfaz original o compartirse como capturas de pantalla.

El relato de la retirada de Geoff Brumfiel describió cómo Google pausó la función tras las preocupaciones por las imágenes satelitales deepfake. La empresa reconoció la posición inusual de Google Earth como una vista fiable del mundo físico.

Google afirmó que la gente había compartido imágenes generadas que aparentemente infringían sus políticas. Después anunció que la función permanecería no disponible mientras se implementaban protecciones más sólidas.

La empresa también recalcó dos limitaciones. Las escenas generadas no alteraban el mapa compartido y cada resultado estaba marcado como generado por IA.

Esas distinciones importan. Google no incorporó silenciosamente escenas sintéticas a su base de datos geográfica. Un usuario tenía que solicitar una imagen, y otros usuarios no la encontrarían al explorar Earth.

Sin embargo, la distinción podía desaparecer tras la exportación. Una captura de pantalla podía conservar la interfaz del mapa, la ubicación reconocible o la perspectiva cenital, al tiempo que perdía las advertencias mostradas en otros lugares.

Esa portabilidad creó el conflicto central de confianza. Google controlaba la experiencia de generación, pero no todos los contextos por los que podía circular el resultado.

La rapidez de la reversión también transmitía un mensaje. Google aparentemente concluyó que sus controles iniciales eran insuficientes antes de que la función lograra una adopción más amplia.

Una respuesta más lenta podría haber generado una colección mayor de imágenes sintéticas específicas de ubicaciones. Esos archivos podrían seguir circulando incluso después de que salvaguardas posteriores bloquearan indicaciones idénticas.

Por tanto, la retirada limitó una mayor exposición. No eliminó las imágenes ya generadas ni resolvió el problema más amplio de los medios geográficos sintéticos.

Por qué Google Earth enfrenta una prueba de confianza diferente

Un generador de imágenes dentro de Google Earth hereda credibilidad del producto que lo rodea, incluso cuando su resultado nunca modifica el mapa subyacente.

La gente utiliza Google Earth para educación, planificación, investigación ambiental, comparación histórica y exploración casual. Periodistas e investigadores también usan imágenes cenitales para evaluar cambios físicos.

La evidencia satelital ha documentado edificios dañados, despliegues militares, patrones de inundación, deforestación, condiciones de cultivos y actividad de construcción. Los analistas normalmente comparan fechas, proveedores, coordenadas, sombras y elementos cercanos antes de llegar a conclusiones.

Google Earth no es en sí mismo un veredicto de inteligencia. Aun así, su interfaz ofrece a los usuarios una puerta de entrada reconocible a imágenes de lugares reales.

Ese papel vuelve especialmente sensible al contenido sintético. Un paisaje urbano ficticio procedente de un generador de imágenes general llega sin una afirmación implícita sobre una ubicación precisa.

Un paisaje urbano ficticio generado a partir de una posición seleccionada en el mapa transmite señales adicionales. Puede conservar formas geográficas, ángulos de cámara, monumentos o elementos de interfaz asociados a la observación.

El problema es la procedencia, es decir, la información sobre el origen de un contenido y cómo fue modificado. La procedencia debe seguir siendo comprensible después de que el contenido salga de su aplicación original.

Google señaló inicialmente la detección de SynthID como defensa. SynthID incorpora una señal en los contenidos generados por IA para que las herramientas compatibles de Google puedan ayudar a identificar su origen.

Esa protección resulta útil durante una verificación deliberada. No garantiza que todos los espectadores examinen una imagen sospechosa antes de reaccionar o compartirla.

Una marca de agua también plantea un problema de comunicación. Las señales invisibles están diseñadas para la detección automática, mientras que la desinformación suele triunfar mediante la interpretación humana inmediata.

Las etiquetas visibles pueden ayudar, pero pueden recortarse. Las capturas de pantalla, las grabaciones de pantalla, la recompresión y las republicaciones también pueden separar el contenido de las advertencias que lo rodean.

El estándar abierto de procedencia desarrollado por la Coalition for Content Provenance and Authenticity ofrece otro enfoque. Puede adjuntar información firmada sobre el origen y las ediciones de un activo.

Sin embargo, los metadatos dependen de herramientas compatibles y de su conservación entre plataformas. No constituyen un escudo universal contra la presentación engañosa.

La asimetría subyacente favorece a la publicación engañosa. Un creador puede generar y distribuir rápidamente una imagen emocional. La verificación exige atención, herramientas compatibles y acceso a material de comparación fiable.

Esa carga se vuelve mayor durante conflictos o desastres. El público espera información incompleta, las imágenes se propagan con rapidez y los registros visuales auténticos pueden llegar sin confirmación oficial inmediata.

Las imágenes satelitales deepfake ya existían antes del experimento de Google. Un análisis de 2025 sobre deepfakes satelitales documentó su uso en narrativas relacionadas con conflictos militares.

Google Earth no inventó esa amenaza. Su integración redujo el esfuerzo necesario para producir imágenes vinculadas a ubicaciones dentro de un entorno geográfico conocido.

Esta distinción explica por qué las comparaciones con editores de fotos convencionales pasan por alto parte de la preocupación. La capacidad técnica de la herramienta no era única, pero su integración y diseño de interacción eran inusuales.

El producto proporcionaba la ubicación, la perspectiva, las imágenes de base y el contexto reconocible. Nano Banana 2 proporcionaba el acontecimiento ficticio.

En conjunto, esos elementos comprimían un proceso de fabricación de varios pasos en una breve indicación. Esa facilidad convirtió el abuso previsible en una cuestión inmediata de diseño de producto.

La disyuntiva central es el control creativo frente a la integridad geográfica

Google debe decidir si la imaginación visual sin restricciones tiene cabida dentro de un servicio que los usuarios consideran un registro de lugares reales.

Los usos legítimos de la función eran fáciles de entender. Un docente podría reconstruir un asentamiento antiguo. Un planificador podría visualizar árboles, senderos o espacios públicos antes de la construcción.

Los arquitectos podrían explorar ideas de diseño en contexto. Los residentes podrían comparar posibles cambios en el barrio sin aprender software especializado de modelado.

Esos casos se benefician de la misma conciencia de ubicación que crea riesgos. El resultado se vuelve más útil porque el modelo puede trabajar a partir de terreno y estructuras reconocibles.

Por tanto, Google enfrenta una disyuntiva, no una simple elección entre tecnología útil y perjudicial. Las restricciones suficientemente fuertes como para bloquear escenas peligrosas también pueden rechazar solicitudes históricas o de planificación inocuas.

Un filtro básico de palabras clave tendrá dificultades con el contexto. El humo sobre una ciudad podría ilustrar un diseño industrial, un escenario de incendio forestal, un acontecimiento histórico o un ataque fabricado.

Una solicitud relacionada con soldados podría servir para material didáctico o propaganda. Una multitud cerca de una frontera podría representar necesidades de planificación, ficción o una afirmación falsa sobre la migración actual.

Las salvaguardas más sólidas probablemente requerirán varias capas. El filtrado de indicaciones puede bloquear solicitudes directas de violencia, desastres, manipulación política y otros escenarios sensibles.

El análisis de imágenes puede inspeccionar el resultado antes de su entrega. Las reglas de ubicación pueden aplicar controles más estrictos alrededor de sedes gubernamentales, instalaciones militares, fronteras, zonas de conflicto e infraestructuras críticas.

La interfaz puede añadir etiquetas visibles permanentes. Los controles de exportación pueden conservar esas etiquetas, mientras que los registros de procedencia pueden respaldar verificaciones posteriores.

Google también podría limitar el realismo. Los resultados estilizados seguirían siendo útiles para el desarrollo de conceptos y reducirían su similitud con la fotografía aérea auténtica.

Otra opción sería separar la generación de la vista en directo de Earth. Un “modo conceptual” distinto podría utilizar colores, encuadres y tratamientos de archivo diferentes.

El diseño más sólido haría evidente el carácter sintético en cada resultado, no solo dentro del flujo de creación. También impediría que la interfaz del mapa se convirtiera en una señal accidental de autenticidad.

Ninguno de estos controles ofrece certeza. Los usuarios pueden recortar etiquetas, fotografiar pantallas o recrear escenas restringidas con otro software.

Esa objeción no elimina la responsabilidad de Google por su propia integración. Una plataforma puede reducir el uso indebido previsible incluso cuando no puede eliminar todas las vías hacia el mismo resultado.

La pregunta más difícil se refiere al riesgo residual aceptable. Google no ha definido públicamente la prueba que sus salvaguardas mejoradas deben superar antes de que la función vuelva.

Sigue sin estar claro si la empresa bloqueará categorías enteras de indicaciones, restringirá ciertas ubicaciones, reducirá el realismo o rediseñará el proceso de exportación.

Google también debe decidir si la detección después de la creación es suficiente. Su primera respuesta hizo hincapié en las herramientas de identificación y la aplicación de políticas.

La retirada sugiere un estándar distinto. Ahora la prevención parece más importante que pedir a los destinatarios que verifiquen contenido sospechoso después de que se propague.

Ese cambio es la inversión central de la historia. Google lanzó la función con confianza en las marcas de agua y los filtros de políticas, y luego la retiró después de que las pruebas en el mundo real pusieran en entredicho esos controles.

El próximo diseño de la empresa revelará lo que aprendió. Una lista limitada de palabras prohibidas indicaría una respuesta incremental.

Un entorno de simulación claramente separado demostraría una reevaluación más profunda. Trataría el propio contexto del producto como parte del sistema de seguridad.

Las marcas de agua no pueden asumir toda la carga de la seguridad

Las salvaguardas iniciales de Google abordaban el origen de los archivos generados, pero los críticos demostraron riesgos relacionados con el contexto, la distribución y el comportamiento humano.

Google afirmó que los resultados de Nano Banana 2 incluían SynthID e indicaciones visibles de que habían sido generados por IA. También señaló que sus políticas prohibían la creación de imágenes perjudiciales.

Las pruebas reportadas tras el lanzamiento mostraron que esos controles no evitaban de forma consistente escenarios preocupantes. Henk van Ess, periodista de investigación de Digital Digging, produjo escenas fabricadas vinculadas a temas políticos y militares sensibles.

Otros evaluadores crearon destrucción en grandes ciudades y alteraron lugares emblemáticos destacados. Una cuenta describió la generación de vehículos militares cerca de la vivienda del autor mediante un breve prompt.

Las demostraciones reportadas variaban en realismo. Algunas contenían escalas inverosímiles o artefactos visuales, mientras que otras parecían convincentes a primera vista.

Esa variación genera su propio peligro. Los ejemplos deficientes pueden fomentar la confianza en que toda imagen sintética se delatará mediante errores evidentes.

Los modelos mejoran, los prompts se vuelven más refinados y las publicaciones sociales suelen aparecer en pantallas pequeñas. Además, los espectadores pueden ver una imagen solo durante unos segundos.

La incertidumbre crítica no es si un analista forense puede detectar una manipulación. Es si los receptores comunes encuentran suficiente fricción antes de creer o compartir una afirmación.

Los detectores de Google pueden ayudar a alguien que ya tiene dudas. No pueden obligar a una pausa escéptica antes de que una imagen emocional influya en la percepción.

Las marcas de agua también dependen del acceso a la señal original. Las transformaciones pueden complicar la detección, aunque Google diseña SynthID para resistir modificaciones habituales.

Ningún método de divulgación actual elimina la necesidad de verificar las fuentes. La respuesta más segura ante una imagen aérea dramática sigue siendo localizar su primera aparición y compararla con imágenes independientes.

Los investigadores pueden examinar el terreno, el clima, las sombras, las marcas de tiempo y los pasos conocidos de satélites. También pueden buscar evidencia coincidente de proveedores comerciales o programas públicos.

La mayoría de los usuarios de redes sociales no realizará ese trabajo. Por ello, las redacciones y los equipos de verificación enfrentan presión cuando la fabricación se vuelve más rápida que el análisis.

El problema también va más allá del engaño exitoso. Una avalancha de imágenes satelitales sintéticas puede hacer que la evidencia auténtica sea más fácil de descartar.

Este efecto a veces se denomina el dividendo del mentiroso. Cuando las falsificaciones convincentes se vuelven habituales, una persona puede calificar material genuino como sintético sin demostrarlo.

La reputación de Google Earth eleva ambos lados de ese riesgo. Su interfaz puede dar credibilidad a una captura de pantalla fabricada, mientras que la controversia puede debilitar la confianza en imágenes legítimas.

Debe mantenerse clara una corrección importante. La función retirada no modificó la base de datos pública de Google Earth.

Llamar a cada resultado un mapa falso de Google Earth exageraría lo ocurrido. La herramienta creó imágenes solicitadas por los usuarios a partir de un lugar elegido.

Ese límite técnico reduce el riesgo de contaminación silenciosa de la base de datos. No impide las republicaciones engañosas, los pies de foto falsos ni la eliminación de señales de divulgación.

Por tanto, la retirada debe evaluarse como una reducción de riesgos, no como prueba de que Google Earth se volvió poco fiable. Sus imágenes consolidadas permanecieron separadas de los resultados generados.

El desafío de Google es preservar esa separación en la mente de los usuarios. Un límite en la base de datos es insuficiente si los medios exportados lo borran visualmente.

La retirada de Google presiona a la industria más amplia de productos de IA

El episodio eleva el estándar de seguridad para cualquier empresa que integre medios generativos en herramientas asociadas con evidencia, medición o criterio profesional.

Los generadores de imágenes generales ya afrontan restricciones relacionadas con figuras públicas, elecciones, violencia, contenido sexual y personajes con derechos de autor. Sus resultados normalmente comienzan dentro de interfaces claramente creativas.

Los productos específicos de un contexto introducen expectativas adicionales. Un generador de imágenes dentro de software médico, software cartográfico o una plataforma de seguridad adquiere significado de su entorno.

Los usuarios no juzgan solo los píxeles generados. También juzgan la aplicación de origen, las etiquetas, las coordenadas, los datos circundantes y el propósito esperado.

Este principio presiona a los equipos de producto para evaluar el uso indebido contextual antes del lanzamiento. Las pruebas genéricas de modelos no pueden cubrir todas las relaciones de confianza heredadas de un producto anfitrión.

El despliegue de Google demostró que un modelo puede cumplir sus políticas generales de imágenes y aun así generar resultados inaceptables para una interfaz concreta.

Una explosión ficticia puede estar permitida en una herramienta artística. La misma escena vinculada a coordenadas exactas puede funcionar como una afirmación falsa sobre un hecho real.

Los competidores deberían estudiar esa distinción. Microsoft, Apple, proveedores de mapas, empresas satelitales y fabricantes de sistemas de información geográfica están incorporando flujos de trabajo asistidos por IA.

Sus implementaciones difieren, y muchas se centran en el análisis en lugar de la generación fotorrealista. Aun así, cada una debe separar observación, predicción, simulación e invención.

Estas etiquetas describen resultados sustancialmente distintos. La observación representa datos recopilados. La predicción estima una condición futura. La simulación modela un escenario posible. La invención representa algo sin estatus probatorio.

Difuminar estas categorías puede provocar errores incluso sin intención maliciosa. Un empleado apresurado podría incluir una imagen simulada en una presentación sin conservar su etiqueta.

Un espectador posterior podría tratar esa diapositiva como documentación. El error podría propagarse mediante informes, canales de mensajería o sistemas automatizados de conocimiento.

Las organizaciones necesitan prácticas de procedencia junto con salvaguardas de los modelos. Los equipos deberían conservar los archivos originales, las URL de origen, las fechas, los historiales de transformación y las notas de verificación.

Una base de conocimiento de IA con capacidad de búsqueda puede ayudar a los trabajadores a mantener separada la evidencia de las interpretaciones y los borradores generados. El sistema sigue requiriendo un etiquetado claro y una revisión cuidadosa.

Los desarrolladores también necesitan modelos de amenazas específicos para la distribución. Las pruebas deberían incluir recorte, capturas de pantalla, recompresión, republicación, pies de foto falsos y eliminación de la interfaz original.

Las revisiones de seguridad deberían preguntar qué permanece visible después de cada transformación. También deberían examinar si los elementos de marca o de interfaz generan una autoridad engañosa.

La respuesta de Google ofrece una lección de gobernanza de producto. Los mecanismos de retirada rápida importan cuando las pruebas públicas revelan una discrepancia entre el uso previsto y el comportamiento real.

La empresa actuó en aproximadamente un día. Eso limitó la creación adicional, aunque la breve exposición siguió generando críticas generalizadas y ejemplos reutilizables.

Una retirada no puede sustituir las pruebas previas al lanzamiento. Puede impedir que un error de diseño se convierta en una función permanente mientras los equipos reevalúan sus supuestos.

La presión más amplia de la industria afecta al software que transmite evidencia. Los proveedores deben demostrar que las funciones sintéticas no toman prestada silenciosamente la confianza de herramientas factuales.

Esa obligación se vuelve más estricta a medida que mejoran los modelos de imagen. Un mayor realismo incrementa el valor creativo, pero también reduce las señales visuales que antes revelaban la fabricación.

Google ahora debe demostrar que «protecciones más robustas» significa más que mejores formulaciones de rechazo. El rediseño debe abordar la relación entre los medios generados y la autoridad geográfica.

Lo que la retirada de Google deja sin resolver

Tres señales determinarán si Google ha rediseñado el modelo de confianza de la función o simplemente ha endurecido sus filtros.

La primera señal es la forma de cualquier relanzamiento. Google no ha anunciado una fecha de regreso ni ha publicado una lista completa de cambios previstos.

Un relanzamiento con etiquetado visual persistente, un modo conceptual separado y procedencia protegida reforzaría el argumento de un rediseño significativo. Una interfaz casi idéntica con más prompts bloqueados lo debilitaría.

La política de ubicación importará tanto como la política de prompts. Los sitios sensibles y las zonas de conflicto activo crean riesgos que las escenas creativas ordinarias no presentan.

Google podría restringir la generación alrededor de ubicaciones militares, fronteras, instalaciones gubernamentales, infraestructura crítica y zonas afectadas por desastres actuales. Tales controles plantearían preguntas difíciles sobre cobertura, plazos y neutralidad política.

La segunda señal es la prueba adversarial independiente. Los investigadores deberían repetir los escenarios que eludieron las salvaguardas iniciales y publicar hallazgos reproducibles sin distribuir activos perjudiciales.

Un sistema exitoso debería resistir formulaciones indirectas, edición iterativa, encuadres ficticios y combinaciones de prompts individualmente inofensivos. También debería preservar las divulgaciones tras exportaciones normales.

Las pruebas independientes podrían revelar un bloqueo excesivo. La educación histórica y la planificación urbana se verían perjudicadas si las salvaguardas rechazaran cualquier prompt que involucrara multitudes, humo, infraestructura o lugares emblemáticos políticos.

Ese resultado no demostraría que la función es segura o insegura. Mostraría si Google encontró un equilibrio viable entre la utilidad creativa y la integridad geográfica.

La tercera señal es cómo se comportan los archivos generados fuera de Google Earth. Las etiquetas persistentes y las credenciales verificables importan más después de que las capturas de pantalla llegan a los feeds sociales y los mensajes privados.

Google debería explicar qué modificaciones puede tolerar SynthID. También debería aclarar cómo los usuarios pueden verificar el contenido cuando no tienen el archivo original.

La orientación pública de la empresa debería evitar colocar toda la carga sobre los receptores. Las herramientas de verificación son valiosas, pero el diseño del producto debe reducir los resultados ambiguos antes de la distribución.

El debate sobre la credibilidad de Earth mostró con qué rapidez una función puede poner en duda años de confianza acumulada. Esa confianza es difícil de cuantificar y fácil de subestimar.

Google Earth sigue siendo útil porque los usuarios esperan un límite significativo entre las imágenes registradas y las escenas imaginadas. Mantener ese límite es más importante que conservar una función experimental.

El ciclo de noticias finalmente pasará a otro lanzamiento. La pregunta subyacente sobre el producto persistirá para toda plataforma orientada a la evidencia que incorpore IA generativa.

¿Dónde debería residir la simulación y qué señales deben sobrevivir cuando el material sintético abandona su herramienta original?

Para desarrolladores, compradores empresariales, periodistas y trabajadores del conocimiento, la acción inmediata es sencilla. Traten las imágenes geográficas como afirmaciones que requieren procedencia, especialmente durante acontecimientos que evolucionan con rapidez.

Conserven la fuente, registren la fecha de publicación, distingan la observación de la simulación y verifiquen las escenas dramáticas mediante imágenes independientes. Estos hábitos siguen siendo necesarios incluso cuando mejoran las marcas de agua.

El próximo lanzamiento de Google ofrecerá la respuesta más clara. Si la empresa separa visiblemente la imaginación de la evidencia, la retirada parecerá una corrección significativa.

Si depende principalmente de una detección oculta y de bloqueos de palabras clave más amplios, el conflicto original regresará. El próximo titular trataría entonces del mismo problema de confianza, no de uno nuevo.