Google Earth retiró su herramienta de imágenes con IA tras un solo día

Google Earth retiró su nuevo generador de imágenes con IA tras un solo día, pese a presentarlo como una forma creativa de reinterpretar lugares reales.

El giro se produjo después de que varias demostraciones mostraran cómo los usuarios podían añadir aparentes daños de bombas, grupos de refugiados, incendios, protestas y actividad militar a escenas geoespaciales auténticas. Estas creaciones no sustituían las imágenes compartidas de Google Earth. Sin embargo, las capturas de pantalla exportadas aún podían aprovechar la autoridad visual de la plataforma.

Google destacó inicialmente las salvaguardas, incluidos filtros de políticas y SynthID, su marca de agua invisible para identificar contenido generado por IA. Cambió de rumbo después de que imágenes manipuladas circularan fuera de la interfaz del producto. La empresa afirmó que restauraría la función solo después de implementar medidas de protección más sólidas.

Esa distinción enmarca esta noticia sobre Google. El problema no era simplemente que un modelo de imágenes pudiera fabricar acontecimientos. Muchos modelos disponibles ya pueden hacerlo. Google incorporó herramientas de fabricación dentro de un producto que periodistas, investigadores, analistas y usuarios comunes asocian con evidencia sobre el mundo físico.

Google Earth eliminó la función en menos de un día

La retirada de Google convirtió el lanzamiento de un producto en una prueba de si la creación y la observación pueden coexistir de forma segura en la misma interfaz.

Google presentó la función experimental el 30 de julio de 2026. Permitía a los usuarios seleccionar una ubicación en la versión web de Google Earth, capturar la escena visible y describir una transformación mediante texto.

Nano Banana 2 generaba entonces una imagen modificada a partir de esa vista. Un usuario podía visualizar un parque propuesto, reconstruir un lugar histórico, probar un concepto inmobiliario o crear una ilustración educativa.

El flujo de trabajo reducía una compleja tarea de edición a unos pocos clics. Los usuarios ya no necesitaban capturar una imagen, abrir otra aplicación, preparar un prompt adecuado y alinear por sí mismos el resultado editado.

Esa comodidad era el principal atractivo del producto. También era la fuente de su riesgo.

En cuestión de horas, los probadores empezaron a pedir al modelo que representara acontecimientos que nunca habían ocurrido. Entre los ejemplos reportados figuraban destrucción cerca de monumentos, un cráter de bomba junto a un hospital, multitudes cerca de fronteras nacionales y equipos militares en calles residenciales.

Una prueba de imágenes de Earth produjo, según informes, escenas de incendios en edificios, destrucción en San Francisco y daños cerca de la Torre Eiffel. La misma prueba también creó falsificaciones menos espectaculares, pero políticamente sensibles.

Estos resultados importaban porque la desinformación plausible no siempre requiere una imagen perfecta. Una captura de pantalla solo necesita reforzar una afirmación el tiempo suficiente para que la gente la comparta. La compresión, el recorte, los pies de foto y los feeds sociales de ritmo rápido pueden ocultar defectos evidentes.

Otra prueba de prompts detectó fallos visibles, incluidos vehículos militares con dimensiones inverosímiles. Sin embargo, el revisor también encontró resultados que parecían convincentes sin una inspección detallada.

Google defendió inicialmente el lanzamiento señalando sus salvaguardas. Afirmó que las imágenes generadas llevaban SynthID y podían comprobarse mediante Gemini o Google Lens. La empresa también dijo que impedía la creación de imágenes relacionadas con temas dañinos.

Su postura cambió el 31 de julio. Google reconoció que la gente confía de forma singular en Google Earth como una representación fiable del mundo. También señaló que los usuarios estaban compartiendo capturas generadas que parecían infringir las políticas de la empresa.

Google anunció entonces que retiraba la función mientras desarrollaba protecciones más sólidas. La empresa recalcó que las imágenes generadas nunca entraron en la experiencia principal compartida de Google Earth. Permanecían como creaciones independientes y estaban marcadas como generadas por IA.

Esa aclaración limita el alcance del incidente. Nadie podía insertar de forma permanente un cráter, edificio o multitud fabricados en el mapa base visto por otros usuarios.

Aun así, persistía el problema de las imágenes exportadas. Una vez que una escena generada salía de la interfaz, muchos espectadores solo encontrarían la captura de pantalla. Quizá nunca vieran la etiqueta original, los controles de edición ni el contexto circundante.

Por tanto, el lanzamiento duró lo suficiente para revelar un problema de distribución que las salvaguardas a nivel de interfaz no podían controlar por completo. Google protegió el mapa subyacente, pero no podía garantizar que cada copia conservara el mismo contexto.

Por qué importa este giro en las noticias sobre Google

Google Earth tiene peso probatorio, por lo que una imagen creada dentro de la plataforma puede parecer más creíble que la misma imagen creada en otro lugar.

Google Earth ha ocupado durante mucho tiempo una posición inusual entre el software de consumo y la infraestructura profesional. La gente lo usa para volver a visitar barrios, inspeccionar paisajes, planificar viajes, estudiar cambios ambientales y crear presentaciones geográficas.

Investigadores y periodistas también utilizan imágenes satelitales y aéreas para examinar lugares que no pueden visitar con seguridad. Ese material puede respaldar investigaciones sobre conflictos armados, daños ambientales, construcción, rutas migratorias, desastres y uso del suelo.

Google ha reforzado esa identidad durante muchos años. En 2021, la empresa describió Earth como una réplica digital detallada del planeta e introdujo una dimensión temporal construida a partir de 24 millones de fotos satelitales. Sus imágenes históricas cubrían entonces 37 años.

Una herramienta creativa de imágenes cambia lo que los usuarios deben asumir al ver la interfaz familiar. Las imágenes subyacentes pueden seguir siendo precisas, mientras que un derivado generado parece formar parte del mismo sistema de observación.

Esto genera un conflicto de categorías. Google Earth tradicionalmente responde: «¿Cómo se ve este lugar?». La IA generativa responde: «¿Cómo podría verse este lugar si el prompt fuera cierto?».

Estas preguntas pueden coexistir en flujos de trabajo separados. Se vuelven más difíciles de distinguir cuando ambas emplean la misma ventana de visualización, perspectiva, coordenadas geográficas e identidad visual reconocible.

La diferencia se vuelve crítica durante las noticias de última hora. Supongamos que una cuenta desconocida publica una imagen aérea que muestra humo cerca de un puerto. Un espectador podría reconocer el terreno de Google Earth y asumir que el humo procede de datos satelitales actuales.

La cuenta no necesita afirmar que Google publicó la imagen. Puede simplemente omitir el historial de edición. Otros usuarios podrían entonces volver a publicar la captura con pies de foto cada vez más seguros.

Una marca de agua solo ayuda cuando la gente sabe que existe, la conserva y da el paso adicional de comprobarla. Las capturas de pantalla pueden recortarse. Las plataformas pueden recomprimir las imágenes. Es posible que los espectadores no se detengan a inspeccionar la procedencia durante una crisis.

SynthID mejora la verificación, pero la verificación no es lo mismo que la prevención. Es una señal incrustada en material generado por IA para que las herramientas compatibles de Google puedan reconocer su origen.

Google ha utilizado marcas visibles e invisibles en otros productos de imágenes. Su anterior resumen del modelo indicaba que las imágenes creadas o editadas en Gemini incluían una marca de agua visible y una marca invisible de SynthID.

Ese enfoque funciona mejor cuando un espectador escéptico ya sospecha de una manipulación. Ofrece menos protección cuando una imagen falsa confirma una creencia existente o llega a través de un contacto de confianza.

El incidente también ilustra un problema más amplio relacionado con la ubicación del producto. Un generador de imágenes dentro de Gemini se presenta claramente como una herramienta de creación. El mismo modelo dentro de Earth hereda el contexto de la cartografía, la medición y la observación.

Google no creó la capacidad general de falsificar imágenes satelitales. Los editores y los modelos generativos ya ofrecían esa capacidad. Sin embargo, eliminó fricción y proporcionó un marco visual de confianza.

Por eso la rápida retirada merece atención más allá de un breve ciclo de noticias sobre Google. Muestra que el riesgo de un modelo depende, en parte, del producto que lo rodea.

El mismo prompt, modelo y resultado pueden tener consecuencias distintas en una aplicación de entretenimiento, un programa de diseño, un motor de búsqueda o una herramienta de referencia geoespacial. Las pruebas de seguridad deben tener en cuenta esa autoridad circundante.

El verdadero conflicto es creación frente a evidencia

Google intentó combinar la visualización especulativa con un producto orientado a la evidencia, pero la interfaz no mantuvo esa frontera después de la exportación.

El argumento más sólido a favor de la función parte de usos legítimos de visualización. Los urbanistas podrían mostrar cómo más árboles cambiarían un barrio. Los arquitectos podrían situar edificios conceptuales en un contexto geográfico.

Los docentes podrían reconstruir asentamientos históricos o ilustrar cambios en las costas. Los planificadores de emergencias podrían crear escenas hipotéticas de desastres para formación. Los equipos inmobiliarios podrían comparar conceptos de desarrollo sin dominar software especializado de imágenes.

Estos usos dependen de imágenes contrafactuales, que representan un escenario en lugar de un hecho observado. Los contrafactuales son valiosos cuando su condición sigue siendo evidente.

Google Earth ya admite la narración y la creación de proyectos. Sus herramientas existentes permiten a los usuarios añadir marcadores de posición, formas, texto, fotografías y vídeos a presentaciones geográficas.

La generación por IA extendió ese enfoque de la anotación a la transformación. En lugar de añadir información alrededor de un mapa, un usuario podía alterar la apariencia visual del propio lugar.

Es un cambio conceptual sustancial. Una etiqueta que dice «parque propuesto» preserva la diferencia entre el paisaje presente y un plan futuro. Un parque fotorrealista generado puede borrar visualmente esa diferencia.

Por tanto, la decisión de producto de Google reunió dos supuestos incompatibles:

• La observación supone que la imagen representa evidencia disponible sobre una ubicación.

• La generación supone que la imagen representa cualquier cosa que el usuario haya solicitado.

• La marca de Google Earth puede hacer que el segundo resultado se parezca al primero.

• El intercambio social puede eliminar los controles que explican qué modo lo produjo.

La empresa intentó gestionar este conflicto mediante marcas de agua, moderación y separación del mapa base. Estas protecciones abordaban varios riesgos directos.

No abordaban la señal de confianza más fuerte: el contexto circundante de Google Earth. Una captura de pantalla podía conservar el terreno, el ángulo de cámara, las etiquetas geográficas y la interfaz familiar, mientras perdía una advertencia.

El episodio recuerda debates anteriores sobre medios sintéticos en resultados de búsqueda y feeds de noticias. Las plataformas suelen centrarse en si el contenido lleva datos de procedencia. Los usuarios suelen juzgar el contenido por su presentación, familiaridad con la fuente y contexto social.

Esa brecha importa porque los hábitos humanos de verificación son inconsistentes. Una persona que comprueba cuidadosamente una imagen sospechosa durante una investigación puede comportarse de otra manera mientras se desplaza por un chat grupal.

Incluso los profesionales afrontan presión de tiempo. Los investigadores de inteligencia de fuentes abiertas comparan monumentos, sombras, clima, trazados viales e imágenes históricas al verificar una escena. Un espectador casual rara vez realiza ese proceso.

La disputa no es simplemente entre quienes apoyan la IA y quienes se oponen a ella. Se trata de si un entorno de referencia de confianza también debería generar alternativas realistas a la realidad que documenta.

Los defensores pueden argumentar razonablemente que la herramienta nunca modificó las imágenes públicas del mapa. También pueden señalar que los usuarios siempre han podido editar capturas de pantalla de Google Earth en otros lugares.

Ambos puntos son acertados. No eliminan el problema de diseño del producto.

Trasladar el generador a Google Earth redujo varios pasos y dio al resultado una alineación geográfica inmediata. También redujo la separación visible entre el material de origen y la modificación.

La fricción a veces actúa como un mecanismo de seguridad. Abrir un editor independiente recuerda al creador que la imagen resultante es derivada. También puede hacer que la manipulación sea menos ambigua para los colaboradores.

Un botón integrado facilita el flujo de trabajo para los profesionales legítimos. Esa misma facilidad beneficia a cualquiera que construya material engañoso a gran escala.

Esta tensión explica por qué la reversión de Google fue una respuesta más sensata que otra etiqueta de advertencia. La empresa debe decidir si el producto debería generar escenas realistas en absoluto, y no solo qué indicaciones bloquear.

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

La reversión no demuestra que SynthID fallara, porque el problema más profundo apareció antes de que alguien intentara comprobar una marca de agua.

La respuesta inicial de Google dio un peso considerable a la procedencia. La empresa dijo que las personas podían usar Gemini o Lens para determinar si una imagen contenía SynthID.

Ese mecanismo tiene valor práctico. Una señal invisible puede sobrevivir situaciones en las que una etiqueta visible resulta molesta o se elimina intencionalmente. Puede ayudar a las plataformas, periodistas e investigadores a clasificar contenido producido por sistemas participantes.

Sin embargo, los sistemas de procedencia tienen límites estructurales.

Primero, la detección requiere acceso a un verificador compatible. Las personas deben saber qué herramienta usar y preocuparse lo suficiente como para realizar la comprobación.

Segundo, una imagen puede difundirse mucho más rápido que su verificación. Una imagen impactante puede llegar a miles de espectadores antes de que alguien publique una corrección cuidadosa.

Tercero, las capturas de pantalla, las transformaciones y la recompresión pueden complicar la procedencia. Ninguna marca de agua debe tratarse como una garantía absoluta en todos los procesos de edición y distribución.

Cuarto, la ausencia de una marca de agua reconocida no establece la autenticidad. La imagen podría proceder de otro modelo, haber pasado por un proceso de edición incompatible o haber perdido información detectable.

Esto produce un sistema asimétrico. Una detección positiva puede ayudar a establecer que Google AI alteró una imagen. Un resultado negativo no puede establecer automáticamente que la escena sea real.

Los términos experimentales de Google Earth también establecen que Google puede cambiar, suspender o interrumpir funciones experimentales. Exigen que los usuarios sigan las políticas de IA generativa de la empresa.

Los términos y las políticas crean opciones de aplicación. No impiden que una imagen maliciosa salga del producto después de generarse.

El filtrado de indicaciones enfrenta un desafío similar. Un sistema puede bloquear solicitudes explícitas de atentados terroristas, ataques militares o víctimas masivas. Los usuarios pueden reformular las instrucciones con lenguaje indirecto.

El contexto también cambia el significado. Humo cerca de un castillo ficticio podría ser una obra artística inofensiva. Ese mismo humo situado junto a un hospital real durante un conflicto activo puede convertirse en evidencia engañosa.

Por tanto, la ubicación pasa a formar parte del problema de seguridad. Una indicación que parece aceptable de forma aislada puede volverse peligrosa al combinarse con un lugar sensible y acontecimientos actuales.

El breve lanzamiento de Google sugiere que sus pruebas previas al lanzamiento no captaron por completo el uso adversarial en este contexto particular. Esa inferencia no establece cuán extensas fueron las pruebas. Google no ha revelado públicamente su proceso completo de evaluación.

La reversión tampoco significa que cada imagen denunciada eludiera una salvaguarda específica. Google dijo que las capturas de pantalla parecían infringir sus políticas, pero no publicó un desglose detallado de las indicaciones, decisiones de filtrado o resultados de aplicación.

Siguen sin respuesta varias preguntas importantes:

• ¿Los usuarios eludieron clasificadores explícitos de seguridad o la política permitía algunos escenarios controvertidos?

• ¿Qué advertencia visual se mantuvo cuando los usuarios descargaron o compartieron una imagen?

• ¿Qué tan resistente fue SynthID tras el procesamiento habitual de las plataformas sociales?

• ¿El sistema trataba las ubicaciones sensibles del mundo real de forma distinta a los lugares comunes?

• ¿Las ediciones repetidas podían alcanzar gradualmente un resultado que una sola indicación no produciría?

Estos detalles importan porque unas “barreras de protección más fuertes” pueden describir muchos cambios diferentes. Google podría ampliar los bloqueos de indicaciones, restringir ubicaciones sensibles, conservar el etiquetado visible, limitar las descargas o reforzar la aplicación a nivel de cuenta.

También podría rediseñar la función en torno a resultados claramente estilizados. Un concepto de planificación en acuarela tiene menos probabilidades de confundirse con evidencia satelital actual que un cráter fotorrealista.

Otra opción separaría los proyectos generados de la interfaz de observación. Bordes persistentes, fondos de colores o plantillas de exportación podrían señalar que una imagen representa un escenario.

Sin embargo, cada diseño tiene compensaciones. Una etiqueta suficientemente visible reduce el engaño, pero puede limitar la presentación profesional. Restringir el realismo protege la confianza, pero debilita algunos casos de planificación y diseño.

El criterio fundamental no debería ser si la manipulación se vuelve imposible. Ese objetivo es poco realista porque cualquiera puede mover la imagen de origen a otro editor.

La prueba más práctica es si Google Earth añade por sí mismo credibilidad engañosa o una eficiencia inusual a la fabricación. La primera versión parece haber suspendido esa prueba.

La reversión de Google presiona a todos los productos de información de confianza

La lección va más allá de los mapas: las funciones generativas heredan la credibilidad, los riesgos y las expectativas de los usuarios de los productos que las contienen.

Google ha integrado Nano Banana en la aplicación Gemini, Search, Lens, Photos, NotebookLM, herramientas de compras y productos para el trabajo. Estas ubicaciones reflejan una estrategia de incorporar la creación de imágenes a los flujos de trabajo existentes.

El enfoque tiene beneficios evidentes. Los usuarios no necesitan software especializado para cada tarea visual. Pueden editar una fotografía, preparar una ilustración, probar un atuendo o crear material para presentaciones donde ya trabajan.

Google informó anteriormente que los usuarios habían generado más de cinco mil millones de imágenes tras el lanzamiento original de Nano Banana. Esa cifra, revelada en una expansión de productos de octubre de 2025, muestra la escala disponible cuando la creación entra en servicios generalistas.

La escala cambia el cálculo de seguridad. Un fallo poco frecuente en un experimento pequeño puede convertirse en un problema recurrente cuando una función llega a una gran audiencia de consumidores.

El producto que la rodea también determina el tipo de daño.

Una imagen incorrecta en una herramienta artística informal puede decepcionar a su creador. Un recurso visual sintético en un servicio de compras puede tergiversar el ajuste o la apariencia. Una imagen manipulada de una ubicación puede confundirse con evidencia sobre guerra, desastre, crimen o política pública.

Search plantea un desafío relacionado porque los usuarios acuden a él en busca de respuestas. Los productos para el trabajo plantean otro porque el material generado puede incorporarse a informes, decisiones o comunicaciones con clientes.

Por tanto, las empresas que añaden IA a sistemas de información de confianza deberían evaluar algo más que la precisión del modelo. Deben estudiar qué creen los usuarios que representa cada producto.

Esto crea presión para otras plataformas de cartografía y geoespaciales. Pueden considerar la experiencia de Google como una alerta temprana antes de añadir funciones de creación comparables.

También genera presión para las empresas de IA que promueven las credenciales de contenido como una solución amplia al riesgo de los medios sintéticos. El episodio de Google Earth muestra por qué la procedencia debe integrarse en una estrategia de diseño más amplia.

Una estrategia creíble debería abordar al menos cuatro capas:

• Los controles de generación determinan qué solicitudes acepta el sistema.

• Los controles de interfaz distinguen los datos observados de los escenarios sintéticos.

• Los controles de exportación preservan una procedencia útil fuera de la aplicación.

• Los controles de distribución ayudan a los servicios posteriores a detectar o etiquetar medios alterados.

Ninguna capa por sí sola es suficiente. Los filtros sólidos de generación no pueden anticipar todos los contextos. Las advertencias de interfaz desaparecen después de un recorte. Las marcas de agua requieren detección compatible. Las etiquetas de distribución llegan después de la creación.

La decisión de Google de pausar la función reconoce que la protección por capas aún no era adecuada. No demuestra que la empresa haya abandonado la visualización generativa en Earth.

Su redacción sugiere una reversión temporal. La empresa dijo que trabajaría en barreras de protección más fuertes, lo que deja abierta la posibilidad de un regreso más limitado.

Ese regreso pondría a prueba si Google considera el problema como un defecto de moderación o un conflicto de categoría de producto. Unos pocos bloqueos adicionales de indicaciones señalarían lo primero. Un flujo de trabajo rediseñado reconocería lo segundo.

La decisión también afecta a equipos de producto alejados del software geoespacial. Las imágenes médicas, la investigación jurídica, los datos financieros, los registros científicos y la búsqueda empresarial conllevan expectativas consolidadas sobre la evidencia.

La asistencia generativa puede ayudar a los usuarios a resumir, modelar, anotar y explorar esos materiales. Se vuelve más arriesgada cuando el resultado sintético se parece visualmente al registro autorizado sin una separación persistente.

Esta es la inversión central detrás del acontecimiento noticioso de Google. Google no descubrió que las imágenes de IA pueden ser falsas. Descubrió que integrarlas en una herramienta de observación de confianza cambia lo que los usuarios creen que significan esas imágenes.

Qué observar antes de que Google Earth lo intente de nuevo

Tres señales mostrarán si Google ha rediseñado el producto en torno a la confianza o simplemente ha endurecido su filtro de indicaciones.

La primera señal es la forma de cualquier relanzamiento. Google no ha anunciado una fecha de regreso, y su declaración no definió las salvaguardas prometidas.

Un rediseño significativo haría que las escenas generadas fueran visualmente distintas de las imágenes de observación. El etiquetado persistente, los modos de proyecto independientes, los valores predeterminados estilizados o los formatos de exportación restringidos reducirían la ambigüedad.

Un relanzamiento simple con más palabras bloqueadas sugeriría que Google considera el uso indebido principalmente como un problema de clasificación de indicaciones. Ese enfoque seguiría siendo vulnerable a solicitudes indirectas y a contextos del mundo real que cambian rápidamente.

La segunda señal es si Google publica detalles técnicos sobre la procedencia y la aplicación de políticas. Los usuarios necesitan saber qué puede establecer SynthID después de capturas de pantalla, cambios de tamaño, compresión y edición ordinaria.

Las pruebas independientes importarán más que las garantías generales. Los investigadores deberían evaluar si las transformaciones habituales de las plataformas sociales preservan la detección y si las etiquetas visibles sobreviven al comportamiento de compartición esperado.

Google también debería aclarar qué ocurre cuando la detección no arroja ningún resultado. Una herramienta de procedencia debe evitar fomentar la creencia errónea de que “no detectado” significa “auténtico”.

La tercera señal es cómo responden otras plataformas de confianza. Las empresas de cartografía, los proveedores de datos satelitales y los proveedores geoespaciales profesionales pueden introducir una separación explícita antes de añadir funciones similares.

Un competidor que ofrezca una generación útil de escenarios sin mezclarla con vistas de evidencia debilitaría el argumento a favor del diseño inicial de Google. Una oleada de lanzamientos similares demostraría, en cambio, que la industria acepta esa compensación.

Los reguladores y los grupos de estándares también podrían examinar más de cerca los medios geoespaciales sintéticos. Las políticas existentes sobre imágenes de IA suelen centrarse en la suplantación de identidad, el contenido sexual, los derechos de autor, las elecciones o el engaño general.

La fabricación basada en la ubicación merece atención específica porque puede vincular eventos inventados a hospitales reales, fronteras, instalaciones militares, hogares e infraestructura pública.

Los lectores deberían mantener la cautela respecto al alcance del incidente actual. Google no corrompió el mapa público de Google Earth. Las escenas generadas se mantuvieron separadas y la empresa afirma que estaban marcadas con marcas de agua.

Esa limitación es importante, pero no constituye una defensa completa. El riesgo práctico surgió cuando un usuario exportó una escena verosímil y la presentó sin el contexto de su creación.

Para periodistas e investigadores, la lección inmediata es verificar la cadena de fuentes detrás de cualquier imagen aérea impactante. Un estilo de mapa conocido no es prueba de autenticidad.

Para los equipos de producto, la pregunta es más directa: ¿una función de IA ayuda a los usuarios a comprender un registro autorizado o puede fabricar un sustituto convincente dentro del mismo marco?

Para los usuarios comunes que siguen las noticias de Google, el próximo anuncio de lanzamiento no debería ser lo único a lo que prestar atención. Estén atentos a cambios en las etiquetas, las exportaciones, los controles de ubicaciones sensibles y las pruebas independientes de marcas de agua.

Google Earth puede respaldar visualizaciones hipotéticas valiosas. También puede conservar su papel como ventana a lugares documentados. Ahora Google tiene que demostrar que una función no tomará silenciosamente prestada la credibilidad de la otra.