Hany Farid se fue a vivir a una granja en Vermont.
No abandonó Silicon Valley por cansancio ni por moda. Hany Farid, catedrático de la Universidad de California en Berkeley y uno de los mayores expertos forenses digitales, dio ese paso después de asumir algo que suena casi imposible en alguien dedicado a detectar fraudes visuales desde hace dos décadas. Ya no puede distinguir con seguridad un vídeo real de uno generado con inteligencia artificial.
"Siento que me estoy quedando ciego" - Hany Farid, catedrático de la Universidad de California en Berkeley
La frase no describe una pérdida física de visión, sino el derrumbe de una profesión construida alrededor de una idea sencilla. Si uno mira con suficiente atención, pensábamos, siempre acaba encontrando la costura del engaño.
Durante veinte años detectó fraudes que ahora ya no dejan huella
Farid, de 60 años, lleva veinte años dedicado a identificar vídeos falsos, y sostiene que los avances de la IA generativa han dejado atrás los métodos clásicos de detección. Lo que antes delataba un montaje en un fotograma, en una sombra o en el ritmo de un parpadeo ahora puede desaparecer bajo modelos mucho más finos.
Sus herramientas no eran marginales. La tecnología desarrollada por Farid ha servido para denunciar 30 millones de casos de potencial abuso infantil cada año, además de contribuir a cientos de arrestos y a varios rescates.
Ahí aparece la contradicción más dura.
Un especialista cuya carrera ayudó a perseguir delitos reales admite ahora que los indicios técnicos de siempre ya no bastan. No hablamos de una exageración retórica, sino de un cambio práctico en la balanza entre quien falsifica y quien intenta comprobar.
Verificar un vídeo exige horas cuando el engaño corre en 20 minutos
Generar un vídeo falso con voces clonadas ya resulta rápido y barato, mientras verificar su autenticidad puede exigir horas de análisis forense. Esa asimetría importa porque el contenido manipulado circula a gran velocidad y suele viralizarse en apenas 20 minutos, mucho antes de que llegue una conclusión sólida.
Visto así, la discusión deja de ser técnica y entra en la vida cotidiana. La mentira automatizada gana tiempo, alcance y volumen, mientras la verificación sigue dependiendo de expertos, paciencia y una carrera contrarreloj que casi siempre empieza tarde.
Ni siquiera Farid quedó al margen.
Cibercriminales clonaron su número de teléfono y usaron inteligencia artificial para recrear su voz con el fin de suplantar su identidad. El episodio obligó a Farid y a su esposa a pactar una palabra de seguridad secreta al comienzo de cada llamada familiar, como si la confianza doméstica necesitara de pronto un sistema de autenticación.
Cuando el vídeo real ya parece un deepfake, la prueba visual pierde suelo
Eso ayuda a entender por qué una escena auténtica puede parecer sospechosa solo por su aspecto. Tras analizar fotograma a fotograma un vídeo viral sobre el supuesto impacto de un misil estadounidense en una escuela de Irán, Farid y otros especialistas no encontraron pruebas de falsificación.
El problema no era que el vídeo fuera falso, sino justo lo contrario. El análisis confirmó que un contenido real puede resultar hoy indistinguible de un deepfake de última generación, una tensión que ya ha aparecido en pruebas digitales bajo sospecha y también en casos de vídeos falsos en informativos.
Farid también ha mostrado en sus estudios que la mayoría de la gente ya no distingue una fotografía real de una creada digitalmente. La frontera visual que antes parecía intuitiva se ha vuelto tan frágil que mirar con atención ya no garantiza entender qué estamos viendo.
Google y OpenAI apoyan marcas invisibles que ni siquiera llegan activadas
Frente a ese escenario, algunas respuestas intentan añadir rastro en lugar de buscar defectos. La coalición C2PA, en la que participan Google y OpenAI, y la tecnología SynthID de Google proponen incorporar marcas de agua invisibles en los metadatos para identificar contenido generado con IA.
Pero esa salida nace con una limitación concreta. La opción no viene aplicada por defecto, así que la identificación depende de que alguien decida usarla en un entorno donde fabricar un engaño convincente ya es barato, veloz y, muchas veces, anónimo.
Ese es el punto incómodo de toda esta historia. Un investigador cuya tecnología ayudó a denunciar 30 millones de casos de potencial abuso infantil al año reconoce ahora que un vídeo verdadero puede parecer falso y uno falso puede circular por el mundo antes de que nadie tenga tiempo de demostrar nada.