El choque entre Meta y OpenAI se diluye mientras entran en vigor las normas de transparencia de IA de la UE

Meta y OpenAI afrontan normas vinculantes de transparencia de la UE a partir del 2 de agosto, pese a las afirmaciones de que Meta rechazó el marco mientras OpenAI se sumó a más de 180 firmantes.

Esa versión mezcla dos códigos de la UE diferentes y presenta mal las cifras. Meta rechazó un código sobre IA de propósito general en 2025, pero aceptó el nuevo código de transparencia de contenidos el 28 de julio de 2026. La Comisión Europea afirma que más de 180 partes interesadas contribuyeron a redactar ese código. Fueron participantes, no necesariamente firmantes.

La corrección cambia el relato. No se trata de una simple división entre Meta y OpenAI sobre si el contenido sintético necesita etiquetas. Ambas empresas respaldan ahora el marco voluntario para aplicar esas etiquetas, aunque siguen siendo legalmente responsables en virtud de la Ley de IA de la UE.

El artículo 50 comienza a aplicarse el 2 de agosto. Exige que determinados sistemas de IA se identifiquen, que los resultados generados lleven marcas legibles por máquinas y que cierto contenido sintético reciba divulgaciones visibles.

La parte difícil empieza después de la fecha límite. Las empresas deben conservar una procedencia útil a través de la edición y la distribución, mientras los reguladores determinan cómo es un cumplimiento adecuado en la práctica.

Qué cambia la Ley de IA de la UE el 2 de agosto

Las nuevas normas crean varias obligaciones distintas, en lugar de una etiqueta universal para todo lo creado con IA.

Los proveedores de sistemas de IA interactivos deben informar a las personas cuando están tratando con IA, salvo que ese hecho ya sea evidente. Este requisito abarca interfaces conocidas como chatbots, asistentes y sistemas conversacionales de atención al cliente.

La divulgación debe aparecer, como muy tarde, en la primera interacción. Una empresa no puede ocultar la información en condiciones que los usuarios rara vez abren.

El mismo principio se aplica a los sistemas que generan o manipulan imágenes, audio, vídeo o texto. El artículo 50 exige a los proveedores que hagan detectables los resultados pertinentes como artificiales o manipulados.

El texto de la Ley de IA indica que esas medidas técnicas deben ser eficaces, interoperables, fiables y razonablemente resilientes. También pide a los proveedores que tengan en cuenta las normas disponibles y los costes de implementación.

Una marca legible por máquinas es información que el software puede detectar y procesar. Puede utilizar metadatos, marcas de agua, huellas digitales, registros o una combinación de técnicas.

Esta obligación técnica es más amplia que una etiqueta visible. Se aplica al nivel del resultado del sistema, incluso cuando un espectador humano no ve ninguna insignia ni advertencia.

La divulgación visible sigue un conjunto de normas más limitado. Las organizaciones que utilizan profesionalmente un sistema de IA deben revelar los deepfakes que impliquen imágenes, audio o vídeo sintéticos o manipulados.

La ley define un deepfake como contenido que se parece a personas, objetos, lugares, entidades o acontecimientos reales y que parecería falsamente auténtico. Esa definición va más allá de la suplantación política.

El texto generado por IA recibe un tratamiento diferente. Se exige una divulgación cuando el texto informa al público sobre asuntos de interés público.

Sin embargo, se aplica una excepción cuando las personas revisan el contenido o ejercen control editorial. Una persona u organización también debe asumir la responsabilidad editorial de la publicación.

Las obras creativas y satíricas reciben otra consideración. Las divulgaciones no deben impedir la visualización o el disfrute normal de contenido artístico, ficticio o similar.

Estas distinciones son importantes para editoriales, estudios de videojuegos, equipos de publicidad y plataformas sociales. Una demostración sintética de producto puede generar obligaciones distintas de las de un resumen informativo editado.

Las directrices de transparencia de la Comisión Europea explican cómo deben interpretar las autoridades el artículo 50 de forma coherente. La orientación no sustituye al reglamento en sí.

Las normas se aplican a los sistemas comercializados o utilizados en la UE. Un proveedor no queda exento simplemente porque su sede se encuentre fuera de Europa.

El contenido generado y publicado antes del 2 de agosto no requiere etiquetado retroactivo. Los nuevos resultados creados después de la fecha límite entran en el periodo activo de cumplimiento.

Una transición propuesta otorgaría a determinados sistemas existentes hasta el 2 de diciembre de 2026 para aplicar el marcado legible por máquinas. Esa consideración afecta a una obligación técnica limitada, no a todos los requisitos del artículo 50.

La propuesta tampoco debe confundirse con un aplazamiento general de la aplicación. Las empresas aún deben identificar qué sistemas, resultados y usos profesionales entran dentro de cada obligación.

Esto genera presión inmediata sobre las interfaces de producto y los flujos de trabajo de publicación. Un chatbot necesita una divulgación de identidad, mientras que una cadena de producción de contenido necesita procedencia duradera y etiquetas adaptadas al contexto.

Por tanto, la ley cambia más que una línea del texto de una interfaz. Crea una cadena de responsabilidad que se extiende desde el resultado del modelo hasta la distribución pública.

Por qué se informó erróneamente sobre la división entre Meta y OpenAI

Meta y OpenAI adoptaron posiciones distintas respecto a un código de IA anterior, pero ambas respaldan el nuevo código de transparencia que regula el contenido generado.

En julio de 2025, Meta dijo que no firmaría el Código de buenas prácticas de IA de propósito general de la UE. Ese marco abordaba obligaciones para los modelos de propósito general en virtud de disposiciones separadas de la Ley de IA.

Meta citó incertidumbre jurídica y sostuvo que partes del código anterior excedían el alcance de la ley. OpenAI, Google, Microsoft y otros proveedores de modelos firmaron ese marco.

El desacuerdo creó una narrativa fácil. OpenAI parecía dispuesta a aceptar una plantilla de cumplimiento de la UE, mientras Meta se posicionaba contra compromisos voluntarios adicionales.

Esa historia no describe con precisión el marco de transparencia de 2026. El código más reciente se centra en marcar y etiquetar contenido generado o manipulado por IA en virtud del artículo 50.

OpenAI anunció su respaldo al código de transparencia de contenidos después de que la Comisión lo publicara en junio. La empresa vinculó su decisión al trabajo ya existente sobre la procedencia de contenidos.

Meta anunció después, el 28 de julio, que firmaría el mismo código. Su declaración de firma contradice directamente los informes que afirmaban que la empresa rechazó este marco.

Esa distinción separa dos instrumentos de política con nombres similares:

• El Código de IA de propósito general ayuda a los proveedores de modelos a abordar obligaciones de documentación, derechos de autor y riesgos sistémicos.

• El Código de Transparencia ayuda a proveedores y desplegadores profesionales a cumplir las obligaciones de marcado y etiquetado del contenido generado.

Ambos códigos son herramientas voluntarias de implementación. Ninguno convierte en opcionales las obligaciones legales subyacentes.

La cifra repetida con frecuencia de más de 180 organizaciones también necesita corrección. La Comisión afirma que seis expertos independientes redactaron el código de transparencia con aportaciones de más de 180 partes interesadas.

Esa cifra describe la participación en el proceso de redacción. No demuestra que más de 180 organizaciones firmaran el documento final.

La Comisión invitó a proveedores y desplegadores a presentar formularios de firma antes de elaborar la lista inicial. Las organizaciones también pueden adherirse después de la fecha límite inicial.

Estas correcciones no eliminan todas las diferencias entre las empresas. Meta y OpenAI siguen operando carteras de productos, canales de distribución y estrategias de modelos diferentes.

Meta controla Facebook, Instagram, WhatsApp y funciones de IA para consumidores integradas en esos servicios. Debe tener en cuenta tanto los resultados de los modelos como el movimiento de medios sintéticos a través de grandes plataformas.

OpenAI llega principalmente a los usuarios a través de ChatGPT, su plataforma para desarrolladores y las integraciones con socios empresariales. Su superficie de cumplimiento incluye los resultados generados y las aplicaciones posteriores desarrolladas por clientes.

Microsoft y Google enfrentan responsabilidades igualmente complejas. Cada empresa proporciona modelos, asistentes para consumidores, servicios en la nube, herramientas de productividad y plataformas donde puede circular contenido sintético.

Por tanto, el conflicto central no es Meta frente a OpenAI sobre si la transparencia importa. Es la alineación voluntaria frente a la demostración independiente de cumplimiento legal.

Firmar proporciona a una empresa una plantilla operativa reconocida. Negarse seguiría dejando a esa empresa responsable de cumplir el artículo 50 mediante otro método defendible.

La Comisión afirma que los no firmantes deben esperar un escrutinio más estrecho de las medidas que elijan. Las autoridades podrían solicitar análisis de brechas, documentación técnica o pruebas de que los controles alternativos logran resultados equivalentes.

La comparación entre Meta y OpenAI sigue siendo útil, pero por otra razón. Ambas empresas ilustran cómo una misma organización puede ocupar varios roles dentro de la misma cadena de contenido.

Un proveedor puede generar un resultado, desplegar IA profesionalmente, alojar los medios resultantes y presentarlos a los usuarios. Cada función puede activar una decisión de transparencia distinta.

La historia corregida es menos dramática que un boicot corporativo. También es más trascendental porque el cumplimiento depende ahora de la implementación en productos conectados.

Las etiquetas son fáciles; la procedencia duradera es difícil

El desafío práctico consiste en mantener detectable la procedencia de la IA después de que un resultado abandone el generador que lo creó.

Una insignia visible puede indicar a un espectador que un chatbot utiliza IA. También puede identificar una imagen sintética o un vídeo manipulado dentro de una interfaz controlada.

Ese enfoque se debilita cuando los usuarios descargan, recortan, comprimen, capturan, remezclan o vuelven a publicar el contenido. Las herramientas de distribución habituales eliminan metadatos o alteran el archivo subyacente de forma rutinaria.

El marcado legible por máquinas intenta resolver este problema. El software puede inspeccionar un archivo o resultado en busca de evidencia incorporada sobre su origen y su historial de edición.

Ninguna técnica funciona perfectamente en todos los medios. Los metadatos pueden desaparecer, las marcas de agua pueden degradarse y los modelos de detección pueden producir clasificaciones inciertas.

El código de transparencia de la Comisión trata el marcado como un proceso por capas. Los proveedores pueden combinar señales técnicas, documentación, pruebas y apoyo a la detección.

La interoperabilidad importa porque el contenido rara vez permanece dentro del sistema de una sola empresa. Una imagen puede empezar en un generador, pasar por un editor y terminar en una red social.

Cada etapa puede conservar, modificar o descartar la información de procedencia. Un sistema fiable necesita herramientas diferentes para reconocer y transportar señales compatibles.

Este requisito presiona simultáneamente a Meta, OpenAI, Google, Microsoft, Adobe y desarrolladores más pequeños. Sus productos deben intercambiar procedencia sin depender del formato privado de un solo proveedor.

Proyectos del sector como Content Credentials ofrecen una posible base. Adjuntan información firmada sobre el origen y el historial de modificación de un archivo.

Content Credentials utiliza el estándar técnico C2PA, que admite procedencia verificable criptográficamente. La verificación criptográfica comprueba si la información registrada cambió después de que una parte de confianza la firmara.

Ese método puede describir cómo se creó un archivo sin afirmar que su contenido sea factualmente verdadero. La procedencia auténtica y la exactitud factual siguen siendo cuestiones distintas.

Una fotografía real puede llevar credenciales válidas y aun así engañar mediante su pie de foto. Una imagen sintética puede revelar honestamente su origen mientras representa algo que nunca ocurrió.

Este límite importa para los reguladores y los usuarios. El artículo 50 se dirige al engaño sobre la interacción con IA y el origen sintético, no a toda forma de desinformación.

El texto presenta otra complicación. Las marcas de agua estables se vuelven difíciles de mantener cuando alguien copia, parafrasea, traduce o edita sustancialmente una prosa generada.

La ley centra las divulgaciones visibles en texto en material de interés público. También reconoce la revisión humana y la responsabilidad editorial, lo que reduce el riesgo de etiquetar cada frase asistida.

Sin embargo, los editores siguen necesitando un flujo de trabajo coherente. Los equipos deben registrar qué herramientas contribuyeron, si una persona revisó el resultado y quién asumió la responsabilidad editorial.

Esa información puede estar repartida entre historiales del navegador, registros de chat, archivos locales, hilos de correo electrónico y sistemas de contenido. Una base de conocimiento de IA con búsqueda puede ayudar a los equipos a reconstruir decisiones, aunque por sí sola no acredita el cumplimiento legal.

Para los desarrolladores, las preguntas de implementación son concretas. ¿Cuándo debería una API devolver información de procedencia y qué transformaciones posteriores deben conservarla?

Para los compradores empresariales, también cambian las cuestiones de adquisición. Deben saber si los proveedores ofrecen controles de marcado, conservan registros pertinentes y respaldan auditorías.

Para los creadores, el resultado visible es lo más importante. Una etiqueta debe seguir siendo comprensible sin abrumar la obra ni insinuar que toda asistencia de IA tiene la misma relevancia.

Para las plataformas, el desafío incluye formatos extranjeros y no compatibles. Recibirán contenido generado por herramientas con distintos sistemas de marcado y una calidad de divulgación variable.

Por tanto, el asunto Meta OpenAI va más allá de las declaraciones corporativas. Sus decisiones de cumplimiento pueden influir en las convenciones que deberán seguir proveedores más pequeños y desarrolladores posteriores.

Las grandes plataformas también pueden decidir cuánta visibilidad dan a las señales de procedencia. Una marca legible por máquina ofrece poco valor público cuando las interfaces nunca la muestran.

Una etiqueta mal diseñada puede crear otro problema. Los usuarios podrían considerar auténtico el contenido sin etiqueta incluso cuando sus datos de procedencia se eliminaron o nunca se proporcionaron.

La ausencia de una marca detectable no demuestra que un archivo proceda de una cámara o de un autor humano. Los reguladores y las plataformas deben comunicar ese límite con cuidado.

Este es el equilibrio central del artículo 50. Europa busca contenido sintético reconocible sin convertir señales técnicas imperfectas en garantías falsas.

La aplicación de la ley genera más presión que el código voluntario

Firmar el código puede simplificar el cumplimiento, pero la Ley de IA determina la exposición legal.

La Comisión describe el código como una vía práctica para cumplir el artículo 50. Los firmantes reciben un marco común y mayor previsibilidad sobre las medidas esperadas.

Eso no crea inmunidad automática. Las autoridades aún pueden examinar si un firmante cumplió sus compromisos y la normativa vinculante.

Quienes no firmen siguen siendo libres de elegir otra vía. Deben estar preparados para explicar por qué sus controles proporcionan una transparencia adecuada y fiable.

Las autoridades nacionales de vigilancia del mercado gestionarán la mayor parte de la aplicación del artículo 50. La Oficina de IA de la UE tiene un papel más limitado relacionado con determinados sistemas conectados a modelos de propósito general y grandes plataformas en línea.

Esta estructura distribuida genera incertidumbre durante los primeros meses. Las distintas autoridades deben desarrollar expectativas comunes mientras examinan productos con diseños técnicos muy diferentes.

Las directrices de la Comisión buscan reducir esa fragmentación. Sin embargo, las decisiones reales de aplicación mostrarán cómo equilibran las autoridades la fiabilidad, la proporcionalidad, la viabilidad técnica y el coste.

Las afirmaciones sobre la multa máxima también requieren precisión. Algunos informes han vinculado las infracciones de transparencia con un máximo de 7,5 millones de euros o el uno por ciento de la facturación anual mundial.

Esas cifras se aplican al suministro de información incorrecta, incompleta o engañosa en respuesta a una solicitud de una autoridad. No constituyen el límite general por incumplir el artículo 50.

En virtud del artículo 99, los incumplimientos del artículo 50 pueden dar lugar a multas administrativas de hasta 15 millones de euros. Para una empresa, el límite alternativo es el tres por ciento de la facturación anual mundial total del ejercicio financiero anterior.

La normativa utiliza por lo general el importe más alto para las empresas. Las pequeñas y medianas empresas reciben un tratamiento distinto, aplicándose el límite aplicable más bajo.

Una autoridad no impone automáticamente el máximo. Debe considerar la naturaleza, duración y consecuencias de la infracción, la cooperación, la conducta previa y otras circunstancias.

Aun así, el límite corregido eleva la importancia del asunto. La transparencia no es simplemente un estándar de comunicación respaldado por una modesta sanción por divulgación.

El riesgo se extiende más allá de la multa. Una investigación puede exigir pruebas técnicas, revelar procesos internos incoherentes y forzar cambios de producto en varios mercados.

Meta afronta esta complejidad en medios generados y distribución social. OpenAI la afronta a través de productos directos, API y resultados reutilizados en servicios de terceros.

Google y Microsoft combinan ambos patrones. Operan plataformas de modelos al tiempo que distribuyen IA en búsquedas, publicidad, software de oficina, sistemas en la nube y servicios de consumo.

Las empresas más pequeñas asumen una carga distinta. Pueden depender de proveedores de modelos previos mientras siguen siendo responsables de la interfaz o del contenido público que despliegan.

Una startup que utiliza un modelo externo aún debe determinar si la divulgación de su chatbot es clara. Un editor que utiliza un asistente de redacción aún necesita responsabilidad editorial por textos de interés público.

Esta responsabilidad compartida puede producir lagunas. Un proveedor previo podría proporcionar información legible por máquina que una aplicación posterior no logra conservar.

También puede ocurrir lo contrario. Un desplegador puede querer una procedencia precisa, pero el proveedor podría ofrecer señales técnicas o documentación insuficientes.

Los contratos abordarán cada vez más estas transferencias. Los compradores empresariales deben esperar preguntas sobre el marcado de resultados, registros, pruebas, respuesta a incidentes y asignación de responsabilidades regulatorias.

El código puede convertirse en una referencia informal para las adquisiciones aunque la firma siga siendo voluntaria. Los compradores pueden preferir proveedores que sigan un marco reconocido frente a quienes ofrezcan alternativas sin documentar.

Sin embargo, ese efecto de mercado no debe exagerarse. Firmar revela un enfoque de cumplimiento previsto, no prueba que cada producto y resultado cumpla la ley.

La cuestión escéptica central se refiere a la durabilidad técnica. Los sistemas de marcado siguen enfrentando eliminación, transformación, adopción incoherente y evasión deliberada.

Las etiquetas legibles por humanos conllevan su propia incertidumbre. Los usuarios necesitan divulgaciones oportunas y claras, mientras que las obras creativas necesitan etiquetas que no socaven su presentación normal.

La aplicación de la ley pondrá a prueba estas exigencias contrapuestas. El estándar significativo surgirá de las pruebas de producto y las decisiones regulatorias, no solo de los anuncios de firma.

Qué deberían vigilar Meta, OpenAI y sus clientes a continuación

Tres señales mostrarán si el marco europeo de transparencia se convierte en un estándar operativo o en una colección de etiquetas frágiles.

La primera señal es la lista inicial de firmantes de la Comisión y sus posteriores actualizaciones. Esa lista aclarará qué empresas aceptaron cada sección del código.

Las organizaciones pueden firmar la sección de proveedores, la sección de desplegadores o ambas, según sus actividades. Los compromisos exactos importan más que la aparición de una empresa en una lista destacada.

Si Meta y OpenAI aceptan secciones comparables, se debilita aún más la narrativa anterior sobre su división en materia de transparencia. Compromisos distintos revelarían dónde siguen divergiendo sus funciones de producto.

La segunda señal es la implementación a nivel de producto durante agosto y septiembre. Los usuarios deberían observar las presentaciones de chatbots, las etiquetas de medios generados, los metadatos de descarga, la documentación para desarrolladores y las interfaces de detección de las plataformas.

Una breve divulgación dentro de una aplicación no responderá a la cuestión más amplia del cumplimiento. La prueba importante es si la procedencia sobrevive al movimiento entre herramientas y plataformas.

Los desarrolladores deberían examinar las respuestas de API y las exportaciones multimedia. Los clientes empresariales deberían solicitar documentación que describa qué resultados reciben marcas y cómo estas resisten transformaciones habituales.

Los editores deberían inspeccionar los flujos de trabajo editoriales para textos de interés público. Necesitan registros claros de revisión humana, responsabilidad y cualquier decisión de divulgación.

Estos cambios mostrarán si el código influye en sistemas reales. Actualizaciones escasas de las interfaces debilitarían las afirmaciones de que los firmantes han adoptado un enfoque integral.

La tercera señal es la orientación regulatoria y la aplicación tempranas. Las autoridades nacionales deben decidir qué pruebas demuestran un marcado fiable, una divulgación clara y una implementación proporcionada.

Las decisiones formales pueden tardar. Pueden aparecer indicios antes a través de avisos de supervisión, solicitudes de cumplimiento, talleres técnicos y directrices actualizadas de la Comisión.

Una interpretación coordinada reforzaría el marco. Expectativas nacionales divergentes aumentarían los costes y socavarían la promesa del código de un cumplimiento coherente.

La transición propuesta para diciembre para ciertos sistemas existentes también merece atención. Su estatus jurídico definitivo determinará con qué rapidez los proveedores deben adaptar el marcado legible por máquina.

Esa transición no debe distraer de las obligaciones que ya se aplican el 2 de agosto. La identidad de los chatbots, las divulgaciones visibles sobre deepfakes y otras obligaciones pertinentes aún requieren un análisis independiente.

Para los usuarios comunes, el cambio más visible podría ser un simple aviso. Un chatbot debería identificarse, mientras que el contenido sintético que cumpla los requisitos debería llevar una etiqueta clara.

El cambio más profundo está detrás de ese aviso. Los proveedores y desplegadores deben construir registros, señales técnicas y transferencias que permitan el escrutinio después de que el contenido se desplace.

Para los trabajadores del conocimiento, mantener un rastro auditable del trabajo asistido por IA será más útil. Un flujo de trabajo con búsqueda puede conservar fuentes y decisiones entre herramientas fragmentadas.

Esa práctica respalda la rendición de cuentas, pero no sustituye la revisión jurídica. Las organizaciones deberían mapear sus funciones exactas y consultar a asesores cualificados cuando se aplique el artículo 50.

La narrativa de Meta OpenAI ofrece una advertencia útil sobre la información regulatoria. Nombres de códigos similares, firmas voluntarias y obligaciones vinculantes pueden fusionarse fácilmente en una afirmación engañosa.

Meta sí rechazó el anterior código general sobre IA de propósito general. Después firmó el código más reciente que aborda la transparencia del contenido generado.

OpenAI respaldó ambos marcos, pero sus firmas no resuelven si cada implementación funciona. Google, Microsoft y otros participantes afrontan la misma brecha entre compromiso y ejecución.

Por tanto, la próxima prueba es el comportamiento observable. ¿Los sistemas se identifican con claridad, conservan una procedencia útil y etiquetan el contenido cubierto sin confundir a los usuarios?

Los lectores deberían revisar los productos que utilizan después del 2 de agosto. Los desarrolladores deberían probar los archivos exportados, los compradores deberían cuestionar a los proveedores y los editores deberían documentar el control editorial.

Si esas comprobaciones revelan señales duraderas e interoperables, Europa habrá llevado la transparencia del lenguaje normativo a la infraestructura. Si revelan marcas que desaparecen, el trabajo más difícil seguirá sin terminar.