La Ley de IA de la UE ya es aplicable y la transparencia en IA dejó de ser opcional
La Unión Europea activó importantes normas de la Ley de IA el 2 de agosto de 2026, convirtiendo la transparencia en IA de una decisión de producto en una obligación legal. El cambio afecta a chatbots, sistemas de medios generativos, herramientas de reconocimiento de emociones y organizaciones que publiquen determinados materiales generados por IA.
Los usuarios deben recibir ahora un aviso claro cuando interactúan directamente con un sistema de IA, salvo que ese hecho ya resulte evidente. Los proveedores de sistemas generativos también deben facilitar la detección fiable de resultados sintéticos o manipulados mediante marcas legibles por máquina.
El conflicto central ya no es regulación frente a innovación. Es divulgación visible frente a automatización invisible.
Las empresas han pasado años haciendo que las interacciones con IA parezcan naturales y que el contenido generado resulte indistinguible del trabajo humano. El artículo 50 de la Ley de IA de la UE ahora les exige conservar evidencia de la intervención de una máquina.
Esa obligación genera presión en toda la cadena de suministro de IA. Los proveedores de modelos deben añadir señales técnicas, los desarrolladores de aplicaciones deben mostrar divulgaciones y los usuarios profesionales deben etiquetar resultados publicados específicos.
Un flash informativo de 36Kr distribuido a través de RSSHub destacó la fecha de aplicación del 2 de agosto para los lectores chinos. Las normas subyacentes proceden directamente de la Unión Europea y se aplican en todos sus Estados miembros.
Qué cambió el 2 de agosto
La UE ha pasado de preparar normas de transparencia a exigir cumplimiento operativo.
La Ley de IA entró en vigor el 1 de agosto de 2024, pero sus obligaciones no comenzaron a aplicarse de forma simultánea. La legislación utiliza un calendario de aplicación escalonado, que concede a instituciones y empresas tiempo para establecer sistemas de cumplimiento y ejecución.
Las normas sobre prácticas de IA prohibidas comenzaron a aplicarse en febrero de 2025. Las disposiciones de gobernanza y las obligaciones para los modelos de IA de propósito general siguieron en agosto de 2025.
La mayoría de las disposiciones restantes pasaron a ser aplicables el 2 de agosto de 2026. Ese grupo incluye el artículo 50, que establece obligaciones adicionales de transparencia para sistemas de IA específicos y contenido generado.
El calendario exacto procede del calendario de aplicación del reglamento. Algunos requisitos para sistemas de alto riesgo siguen un calendario posterior, por lo que el 2 de agosto no representa un plazo universal.
El artículo 50 divide la responsabilidad entre proveedores y responsables del despliegue. Un proveedor desarrolla un sistema de IA o lo comercializa en el mercado europeo bajo su nombre. Un responsable del despliegue utiliza ese sistema bajo su autoridad, normalmente con fines profesionales.
Los proveedores de sistemas que interactúan directamente con personas deben diseñarlos para revelar su identidad como IA. La divulgación no se aplica cuando una persona razonablemente informada consideraría evidente la naturaleza artificial.
Esa excepción es relevante porque evita que las etiquetas se vuelvan obligatorias en todos los entornos visiblemente automatizados. Sin embargo, las empresas no pueden asumir con seguridad que los usuarios siempre reconocerán una interfaz conversacional como artificial.
El artículo también aborda los medios sintéticos a nivel de sistema. Los proveedores cuyos sistemas generen audio, imágenes, vídeo o texto deben hacer que esos resultados sean detectables en un formato legible por máquina.
El marcado legible por máquina se refiere a metadatos u otra señal técnica que el software pueda inspeccionar. Es distinto de una insignia visible destinada únicamente a un espectador humano.
Las marcas deben ser eficaces, interoperables, fiables y técnicamente viables. Los proveedores deben tener en cuenta el tipo de contenido, los costes de implementación y las normas técnicas generalmente reconocidas.
Los responsables del despliegue tienen obligaciones de divulgación independientes. Deben avisar a las personas expuestas a sistemas de reconocimiento de emociones o categorización biométrica, con arreglo a las condiciones y excepciones específicas de la ley.
También deben divulgar los deepfakes, es decir, medios manipulados o sintéticos que pueden parecer falsamente auténticos. La divulgación debe indicar que el material fue generado o alterado artificialmente.
Otra norma cubre el texto generado por IA que se publica para informar al público sobre asuntos de interés público. Por lo general, se exige divulgación cuando ese texto carece de revisión humana o control editorial.
La excepción editorial evita que la ley trate a todas las publicaciones asistidas por IA en medios o empresas como medios sintéticos sin etiqueta. Una persona u organización debe seguir asumiendo la responsabilidad editorial del material publicado.
Estos requisitos crean la tensión definitoria del artículo. Los sistemas deben conservar una identidad de IA visible o detectable incluso cuando su atractivo comercial depende de minimizar esa distinción.
Las normas presionan a más actores que los desarrolladores de modelos
El cumplimiento depende ahora de la coordinación entre creadores de modelos, equipos de producto, editores, plataformas y usuarios empresariales.
El objetivo inmediato de la presión es cualquier empresa que ofrezca un producto de IA interactivo en el mercado europeo. Esto incluye proveedores de chatbots, plataformas de atención al cliente, compañeros de IA y aplicaciones que integren asistentes conversacionales.
Un proveedor de modelos puede suministrar señales legibles por máquina, pero una aplicación posterior controla lo que los usuarios realmente ven. Si esa aplicación elimina avisos o borra metadatos, la transparencia puede fallar antes de que el resultado llegue al público.
Por ello, los equipos de producto deben asignar cada obligación a una interfaz y un flujo de datos específicos. Una declaración legal oculta en los términos de servicio no satisfará necesariamente un requisito de aviso a nivel de interacción.
Una divulgación de chatbot debe aparecer antes o durante la interacción, cuando puede influir en la comprensión del usuario. El sistema no debe esperar a que una persona busque una página de políticas poco visible.
La misma cuestión se aplica a los agentes de voz. Un agente con sonido natural que gestione reservas o llamadas de soporte puede necesitar una divulgación audible cerca del inicio del intercambio.
Ese requisito afecta a un objetivo común de producto. Los desarrolladores suelen optimizar los sistemas de voz para reducir fricción y sonar más humanos, mientras que la ley exige claridad sobre su identidad artificial.
Los proveedores de medios generativos afrontan un problema de ingeniería diferente. Sus sistemas deben incorporar información legible por máquina que sobreviva a la distribución normal y siga siendo útil para las herramientas de detección.
Un identificador que desaparece tras la compresión, el recorte o el procesamiento de una plataforma ofrece poco valor práctico. Sin embargo, una señal diseñada para sobrevivir a cada transformación puede afectar al coste, la calidad o la compatibilidad.
Las directrices de transparencia de la Comisión Europea aclaran qué proveedores y responsables del despliegue entran en el ámbito del artículo 50. También abordan la forma, el momento y la accesibilidad de las divulgaciones.
Los responsables del despliegue profesionales afrontan sus propias decisiones de clasificación. Una agencia de marketing que publica un portavoz sintético tiene obligaciones distintas de las de una persona que crea arte privado.
Una empresa que utiliza reconocimiento de emociones durante entrevistas o investigaciones de clientes también debe evaluar si las personas reciben el aviso requerido. Otras normas europeas de protección de datos pueden seguir aplicándose junto con la Ley de IA.
Las organizaciones de medios deben distinguir entre la asistencia de IA y la publicación de IA sin revisión. Editar un borrador generado por máquina bajo supervisión humana responsable no es lo mismo que publicar automáticamente su resultado.
Esa distinción debería animar a las organizaciones a documentar su proceso de revisión. Un botón de aprobación nominal tendrá menos peso si nadie comprueba de forma significativa la exactitud, el contexto o la presentación.
Las empresas fuera de Europa no pueden descartar estos requisitos como un asunto regional. Un proveedor extranjero que comercialice un sistema de IA en el mercado de la UE aún puede entrar en el ámbito del reglamento.
Por tanto, la respuesta práctica no es un único aviso de cumplimiento. Las empresas necesitan un inventario que abarque sistemas, modelos, resultados generados, divulgaciones, equipos responsables y métodos de marcado técnico.
También necesitan registros que muestren por qué se aplica una excepción. Tratar una interacción como “obviamente IA” sin un análisis que lo respalde deja una posición difícil ante el escrutinio regulatorio.
La presión es tanto inmediata como de largo plazo. El trabajo inmediato se refiere a avisos, etiquetas, metadatos y documentación. El trabajo a largo plazo se refiere a una arquitectura de producto capaz de preservar esos controles entre modelos y canales de distribución.
La Ley de IA de la UE convierte la identidad de la IA en parte del producto
La transparencia se está convirtiendo en un requisito funcional del producto, no en una declaración añadida tras el desarrollo.
El antiguo patrón de producto trataba la divulgación como algo periférico. Un equipo jurídico redactaba una política, mientras que diseñadores e ingenieros optimizaban la experiencia visible de forma independiente.
El artículo 50 debilita esa separación. El momento, el formato, la accesibilidad y la persistencia de la divulgación dependen del diseño de la interfaz y de la arquitectura técnica.
Pensemos en un chatbot de comercio minorista que puede responder preguntas, recomendar productos y transferir una conversación a un empleado. La interfaz debe hacer comprensible la transición entre la participación de la IA y la humana.
Un nombre de asistente ambiguo es insuficiente cuando induce a un usuario a inferir que responde una persona. El producto necesita una señal clara en la etapa pertinente de la interacción.
El mismo reto se vuelve más difícil en sistemas multimodales. Un asistente puede comenzar como texto, continuar por voz y generar una imagen dentro de una misma sesión.
Cada modalidad cambia cómo debe aparecer la divulgación. Una etiqueta visual no ayuda a alguien que recibe solo audio, mientras que un aviso de voz inicial puede no llegar a un participante posterior.
El contenido sintético introduce otra división entre la transparencia orientada a humanos y la orientada a máquinas. Una etiqueta visible informa a la audiencia actual, mientras que una marca legible por máquina facilita la detección y el rastreo posteriores.
Ningún mecanismo sustituye plenamente al otro. Los metadatos pueden desaparecer y las etiquetas visibles pueden recortarse u ocultarse deliberadamente.
La Comisión publicó un código de transparencia voluntario el 10 de junio de 2026. Ofrece medidas prácticas para marcar y etiquetar material generado.
El código no sustituye al artículo 50. Firmarlo proporciona una vía estructurada para demostrar el cumplimiento, mientras que los no firmantes siguen siendo responsables de cumplir la ley mediante otras medidas adecuadas.
La Comisión y el Comité Europeo de IA consideraron que el código era adecuado para respaldar la implementación. Sin embargo, la adhesión no demuestra de forma concluyente que cada sistema o resultado cumpla.
Este acuerdo crea una disyuntiva de cumplimiento. Los firmantes obtienen un marco más predecible, pero también se comprometen con medidas operativas que los reguladores pueden supervisar.
Los no firmantes conservan flexibilidad. Deben estar preparados para explicar cómo sus métodos alternativos logran resultados jurídicos comparables.
El resultado se asemeja a una base técnica compartida sin hacer obligatoria universalmente una sola implementación. Esa flexibilidad importa porque el texto, el audio, las imágenes y el vídeo presentan problemas de marcado distintos.
También deja espacio para que maduren las normas reconocidas. La Ley de IA hace referencia a técnicas y normas generalmente reconocidas en lugar de vincular a los proveedores a una marca de agua permanente.
Para los desarrolladores, el requisito esencial es la trazabilidad durante el ciclo de vida del producto. Los equipos deben saber dónde se origina una divulgación, cómo un resultado recibe una marca y qué transformaciones pueden eliminarla.
También deberían probar qué ocurre después de la exportación. Un marcador que funciona dentro de una herramienta de generación puede fallar cuando el archivo entra en un software de edición o una plataforma social.
Para los compradores empresariales, la transparencia se convierte en una cuestión de contratación. Necesitan pruebas de que un proveedor muestra los avisos exigidos y admite el marcado de resultados sin depender por completo del comportamiento manual de los empleados.
Los contratos deben asignar responsabilidades a lo largo de la cadena de suministro. De lo contrario, un proveedor puede asumir que quien implementa el sistema etiquetará el contenido, mientras que este último supone que el sistema gestiona la divulgación automáticamente.
Esa brecha es donde aumentan las probabilidades de fallos de cumplimiento. La ley identifica actores distintos precisamente porque generar, distribuir y publicar contenido no son la misma actividad.
Las etiquetas ayudan, pero no resuelven la procedencia
El régimen de transparencia reduce la ambigüedad, pero ninguna etiqueta ni marca de agua puede garantizar que el contenido sintético siga siendo identificable en todas partes.
El marcado legible por máquina parece sencillo hasta que el contenido sale del sistema original. Los archivos se copian, recomprimen, capturan en pantalla, traducen, editan y vuelven a publicar en servicios incompatibles.
Algunas transformaciones eliminan metadatos de forma involuntaria. Otras pueden dañar una señal integrada incluso cuando nadie pretende neutralizarla.
Los actores maliciosos también pueden eliminar etiquetas visibles o regenerar el material mediante otra herramienta. Una obligación legal eleva el coste del ocultamiento, pero no lo vuelve técnicamente imposible.
Esta limitación no hace inútil el marcado. Las señales persistentes pueden ayudar a plataformas, investigadores y software convencional a identificar contenido conforme a escala.
También pueden respaldar la procedencia, es decir, información sobre dónde se originó el contenido y cómo cambió. La procedencia es más amplia que la simple afirmación de que algo contiene elementos generados por IA.
Un sistema fiable necesita estándares que distintas empresas puedan interpretar. Los marcadores propietarios tienen un valor limitado cuando solo el detector de un proveedor puede leerlos.
Los errores de detección introducen otro riesgo. Un falso positivo puede clasificar erróneamente material auténtico como sintético, mientras que un falso negativo puede otorgar una credibilidad inmerecida a contenido manipulado.
Por ello, los reguladores deberán evaluar procesos completos de cumplimiento, no la puntuación de un único detector. El texto de la ley reconoce este problema al vincular las obligaciones con la viabilidad técnica y los estándares disponibles.
Las etiquetas visibles de deepfakes plantean un reto humano independiente. Las personas pueden ignorar una etiqueta, malinterpretarla o considerar que todo recurso editado es igualmente engañoso.
Un efecto cinematográfico, un clip satírico y una grabación política fraudulenta pueden implicar medios sintéticos. El contexto determina el riesgo, incluso cuando se solapan las técnicas de producción.
La ley tiene en cuenta las obras creativas al permitir una divulgación que no obstaculice su disfrute o exhibición. También incluye excepciones relacionadas con usos autorizados por las fuerzas del orden.
El texto de interés público presenta un límite especialmente importante. La redacción asistida por IA puede respaldar la investigación y la edición sin transferir la responsabilidad editorial a una máquina.
La obligación de divulgación se centra en texto generado o manipulado por IA y publicado como información de interés público sin revisión humana ni control editorial. Esa redacción hace que la gobernanza sea tan importante como la autoría.
Una publicación no puede demostrar una revisión significativa asignando un nombre humano después de una publicación automática. La organización necesita un proceso responsable que pueda detectar errores antes de publicar.
Esta distinción también es relevante para los trabajadores del conocimiento. Los resúmenes, las notas internas y los borradores privados no se convierten automáticamente en publicaciones de interés público solo porque la IA haya ayudado a crearlos.
El riesgo cambia cuando una organización distribuye resultados sin revisar como información autorizada. Los organismos públicos, medios de comunicación, comunicadores financieros y organizaciones sanitarias deberían examinar cuidadosamente ese límite.
Otra incertidumbre se refiere a la coherencia de la aplicación. Las autoridades nacionales de vigilancia del mercado gestionarán gran parte de la supervisión de los sistemas de IA, mientras que la AI Office tiene un papel directo más limitado.
El marco de aplicación de la Comisión describe la cooperación entre la AI Office y las autoridades nacionales. El Supervisor Europeo de Protección de Datos cubre los sistemas pertinentes utilizados por las instituciones de la UE.
Un sistema fragmentado puede generar prioridades iniciales diferentes entre los Estados miembros. Las autoridades necesitarán coordinación para evitar que un formato de divulgación reciba un trato contradictorio a ambos lados de las fronteras.
Las empresas no deberían exagerar lo que significa el cumplimiento. Un resultado etiquetado puede seguir siendo falso, difamatorio, sesgado o producido ilegalmente.
Del mismo modo, un resultado sin etiqueta no es automáticamente malicioso. Puede reflejar un fallo técnico, una clasificación controvertida o una excepción que requiere un análisis más detallado.
La transparencia aporta información sobre la participación de una máquina. No certifica precisión, seguridad, legalidad ni calidad editorial.
La aplicación ya tiene consecuencias financieras reales
El cambio importante no es la existencia de orientación, sino la llegada de autoridades capaces de exigir pruebas e imponer sanciones.
Las autoridades nacionales de vigilancia del mercado aplican la mayoría de las obligaciones del Artículo 50 para los sistemas de IA. La AI Office supervisa los modelos de IA de propósito general y determinados sistemas dentro de su jurisdicción definida.
El Supervisor Europeo de Protección de Datos aplica las normas pertinentes cuando las instituciones, organismos o agencias de la UE actúan como proveedores o implementadores.
Esta distribución corrige una simplificación habitual del anuncio del 2 de agosto. La AI Office es central, pero no vigila de forma independiente cada chatbot o vídeo sintético en toda Europa.
Los datos rápidos de la Comisión identifican posibles multas de hasta 15 millones de euros para determinadas infracciones. Una empresa podría enfrentarse, en su lugar, a hasta el 3 por ciento de su facturación anual mundial.
El cálculo de las sanciones sigue sujeto a las condiciones y requisitos de proporcionalidad del reglamento. Las empresas más pequeñas no reciben automáticamente el mismo trato que los mayores proveedores globales.
Las autoridades también disponen de herramientas distintas de una multa definitiva. Pueden solicitar información, inspeccionar documentación, investigar sistemas y exigir medidas correctivas.
Eso convierte las pruebas en un elemento central del cumplimiento. Una empresa necesita más que una captura de pantalla que demuestre que una divulgación apareció una vez en una prueba controlada.
Los reguladores pueden preguntar qué versión del sistema produjo un resultado, qué usuarios recibieron un aviso y si la distribución eliminó una señal legible por máquina.
Los registros del producto pueden ayudar a responder esas preguntas, pero el registro introduce consideraciones de privacidad y seguridad. Las empresas deberían evitar recopilar datos personales innecesarios únicamente para demostrar transparencia.
Un sistema defendible conecta registros limitados con control de versiones, clasificación de riesgos y pruebas documentadas. Debe mostrar quién aprobó la divulgación y cómo la empresa supervisa los fallos.
Los firmantes del código voluntario reciben una vía de cumplimiento más clara. La aplicación puede centrarse en si cumplen los compromisos que adoptaron.
No se presume que quienes no firman incumplan la ley. Sin embargo, la Comisión advierte de que podrían recibir solicitudes de información más detalladas sobre las medidas que han elegido.
La orientación para la firma de la Comisión indica que esas organizaciones deben estar preparadas para documentar cómo sus métodos satisfacen el Artículo 50. Un análisis de brechas frente al código puede respaldar esa explicación.
Las normas de transición también requieren una lectura cuidadosa. No todos los sistemas reciben una amplia prórroga solo porque existieran antes del 2 de agosto.
Se aplica un período de gracia limitado a la obligación de marcado y detección para los sistemas de IA generativa que cumplan los requisitos y ya estuvieran en el mercado. Esos sistemas tienen hasta el 2 de diciembre de 2026, según el marco modificado descrito por la Comisión.
Ese período de gracia no suspende todas las obligaciones del Artículo 50. Se dirige a la obligación técnica de marcado para sistemas existentes específicos.
El contenido generado y ya publicado antes del 2 de agosto no requiere etiquetado retroactivo. No obstante, la Comisión fomenta la divulgación voluntaria cuando sea práctica.
Por tanto, las empresas deberían separar tres preguntas. Deben identificar cuándo entró el sistema en el mercado, cuándo se produjo el contenido y qué apartado específico crea la obligación.
Tratar toda la AI Act como aplazada hasta diciembre generaría un riesgo innecesario. También lo haría asumir que todos los modelos antiguos cumplen automáticamente los requisitos para la transición.
La aplicación temprana probablemente revelará qué pruebas consideran convincentes las autoridades. Las decisiones publicadas, solicitudes de información y órdenes correctivas importarán tanto como el límite formal de las sanciones.
Los programas de cumplimiento más sólidos supervisarán esas decisiones en varios Estados miembros. Una única interpretación nacional puede no predecir la postura final de toda la UE.
Tres señales mostrarán si la transparencia funciona
La siguiente fase pondrá a prueba si la divulgación legal resiste productos reales, canales de distribución reales y una aplicación desigual.
La primera señal es el estado del contenido de IA exportado. Los proveedores deberían demostrar que las marcas legibles por máquina siguen siendo detectables después de la edición ordinaria, la compresión y el procesamiento de plataformas.
Esta prueba revelará si el marcado es un control técnico duradero o simplemente metadatos adjuntos en el momento de la creación. Una señal que desaparece habitualmente debilitará el efecto práctico del reglamento.
Las pruebas de interoperabilidad independientes serán importantes en este ámbito. La marca de un proveedor no debería exigir una confianza completa en las afirmaciones privadas de detección de ese proveedor.
La segunda señal es cómo las autoridades nacionales coordinan sus primeros casos del Artículo 50. Sus investigaciones definirán qué se considera una divulgación destacada, oportuna, accesible y técnicamente adecuada.
Las decisiones coherentes reforzarían el enfoque de mercado único de la UE. Los requisitos contradictorios aumentarían los costes de cumplimiento y animarían a las empresas a adoptar en todas partes la interpretación nacional más estricta.
El AI Board y la AI Office pueden reducir esa fragmentación mediante orientación y cooperación. Los tribunales pueden acabar resolviendo las interpretaciones controvertidas, pero la práctica administrativa dará forma primero a los productos.
La tercera señal es si las plataformas preservan los datos de procedencia. Las redes sociales, servicios de mensajería, sistemas de gestión de contenidos y aplicaciones de edición se sitúan entre los generadores y las audiencias.
Un proveedor de modelos puede adjuntar un marcador conforme, pero la audiencia obtiene poco beneficio si todos los principales servicios de distribución lo eliminan. El comportamiento de las plataformas determinará si el sistema funciona más allá de las pruebas de laboratorio.
Estas señales también importan fuera de Europa. Los equipos globales de producto rara vez mantienen arquitecturas completamente separadas para cada jurisdicción.
Una divulgación diseñada para usuarios de la UE puede convertirse en un estándar mundial de interfaz. El marcado legible por máquina también puede extenderse cuando mantener un único proceso de exportación cuesta menos que la fragmentación regional.
Ese efecto más amplio no está garantizado. Algunas empresas utilizarán geolocalización, ajustes de cuenta o versiones regionales del producto para limitar los cambios.
Los desarrolladores deberían observar lanzamientos reales en lugar de promesas políticas. Las pruebas significativas aparecerán en interfaces, archivos exportados, documentación técnica y conclusiones de los reguladores.
Los compradores empresariales deberían solicitar demostraciones con flujos de trabajo realistas. Deberían probar si las etiquetas sobreviven a su pila de publicación y si los avisos de los chatbots siguen siendo visibles tras la personalización.
Los editores deberían documentar la revisión humana cuando se basen en la excepción de control editorial. El registro debe identificar la responsabilidad sin convertir la edición ordinaria en una burocracia excesiva.
Los usuarios de productos de IA también deberían ajustar sus expectativas. Una etiqueta les indica que la IA participó, pero no les dice si el resultado es preciso.
La Ley de IA de la UE obliga ahora a integrar la identidad de la IA en la experiencia del producto. Su éxito dependerá de que esa identidad siga siendo visible después de que el contenido salga del sistema que lo creó.
Sigue de cerca la próxima generación de interfaces de chatbots, las pruebas de procedencia y las decisiones de aplicación. Estos avances mostrarán si la transparencia se convierte en una infraestructura duradera o en otro aviso que la gente aprende a ignorar.
