Ver ya no es creer.
Necesito que esa frase te entre hasta el hueso, porque todo lo que vas a leer depende de que la entiendas en su dimensión real. No como metáfora. No como advertencia genérica sobre la era digital. Como hecho técnico, jurídico y forense que cambia las reglas de la evidencia en todo el sistema de justicia mexicano.
Un video puede fabricarse desde cero. Un audio puede fabricarse desde cero. La imagen de una persona haciendo algo que nunca hizo, diciendo algo que nunca dijo, en un lugar donde nunca estuvo — eso puede generarse en minutos con herramientas de inteligencia artificial que están disponibles para cualquier persona con una computadora y conexión a internet.
No estoy hablando del futuro. Estoy hablando de lo que ya he analizado en mi laboratorio. He tenido en mis manos videos que parecían completamente reales — iluminación correcta, movimiento natural, audio sincronizado con el movimiento labial — y que eran sintéticos. Fabricados por un modelo de IA generativa. Falsos en su totalidad. Y presentados como evidencia en procesos legales.
Llevo 17 años en informática forense. He formado a más de 1,300 peritos en 10 países. Y en los últimos tres años, la proporción de casos donde la autenticidad de evidencia multimedia es cuestionada ha crecido de una manera que no puedo ignorar. Ya no es un problema del futuro. Es un problema del martes.
Y el sistema jurídico mexicano no está preparado.
Abogado que tiene en su expediente un video que podría cambiar el caso pero no está seguro de que sea auténtico: este artículo es para usted. Le voy a explicar cómo se verifica la autenticidad de un video en la era de la IA generativa y qué hacer si la contraparte presenta un video que usted sospecha que es falso.
Periodista que cubre un caso donde la evidencia multimedia es central: lo que va a leer aquí le va a dar las preguntas correctas que hacerle a las partes y a los peritos. Porque «el video muestra que…» ya no es suficiente como afirmación periodística. La pregunta ahora es: «¿se verificó que el video es auténtico?»
Víctima de un deepfake que está buscando qué hacer: hay un camino. No es perfecto. No es rápido. Pero existe. Y se lo voy a explicar paso a paso.
Juez que va a evaluar evidencia multimedia en su próximo caso: con todo respeto y con toda la claridad que puedo: lo que sigue debería estar en la mesa de su sala antes de que le presenten el siguiente video como prueba. Porque si nadie lo objeta, usted lo va a aceptar como auténtico. Y esa aceptación, en la era del deepfake, es un riesgo que el sistema no puede seguir tomando.
El problema: el sistema asume autenticidad por default
Voy a empezar por el problema estructural porque sin entenderlo, las soluciones no tienen contexto.
El sistema jurídico mexicano opera bajo un supuesto implícito: la evidencia multimedia es auténtica mientras no se demuestre lo contrario. Un video se presenta ante el juez. El juez lo ve. Si nadie lo objeta, el video se acepta como representación de la realidad. El juez lo valora como prueba. La sentencia se basa, en parte o en totalidad, en lo que ese video muestra.
Ese supuesto tenía sentido hace diez años. Cuando fabricar un video convincente requería equipo profesional, software especializado, horas de trabajo de un editor experto y conocimientos técnicos que la persona promedio no tenía. Cuando la probabilidad de que un video presentado en juicio fuera fabricado era lo suficientemente baja como para que el supuesto de autenticidad funcionara como regla práctica.
Ya no tiene sentido.
Hoy, la probabilidad de que un video sea fabricado o manipulado ya no es despreciable. Es real. Es creciente. Y el supuesto de autenticidad por default se ha convertido en una vulnerabilidad del sistema de justicia, no en una eficiencia.
Escuchen bien esto: cada video que se acepta sin verificación forense de autenticidad es un acto de fe. El juez cree que el video es real porque parece real. Pero «parecer real» ya no es sinónimo de «ser real.» Nunca lo fue completamente — la edición de video existe desde hace décadas –, pero ahora la brecha entre lo que parece real y lo que es real se ha ampliado de manera exponencial gracias a la IA generativa.
Y el sistema no ha cerrado esa brecha. No hay un protocolo obligatorio de verificación de autenticidad multimedia en el proceso judicial mexicano. No hay un artículo que diga: «Toda evidencia en formato de video, audio o imagen que se presente en juicio deberá ser sometida a verificación forense de autenticidad antes de ser valorada por el juzgador.» Eso no existe.
Lo que existe es el derecho de la contraparte a impugnar la prueba. Pero ese derecho depende de que la contraparte sepa que debe impugnarla, sepa cómo impugnarla, y tenga acceso a un perito forense que pueda hacerlo. Si la contraparte no impugna — porque no sabe, porque no tiene perito, porque no tiene recursos –, el video entra sin verificación.
Y eso, en la era del deepfake, es peligroso.
Qué es un deepfake y por qué debería importarle a todo el sistema judicial
Voy a dar la explicación técnica sin tecnicismos innecesarios, porque necesito que la entienda tanto el abogado como el juez, tanto el periodista como la víctima.
Un deepfake es un contenido multimedia — video, audio o imagen — generado o manipulado mediante inteligencia artificial para representar algo que no ocurrió o a alguien haciendo o diciendo algo que no hizo o dijo.
La tecnología se basa en redes neuronales generativas — modelos de IA que aprenden patrones de rostros reales, voces reales, movimientos reales, y los replican sintéticamente. El modelo analiza cientos o miles de imágenes de una persona y «aprende» cómo se ve esa persona desde diferentes ángulos, con diferentes expresiones, bajo diferentes condiciones de iluminación. Una vez que el modelo ha aprendido, puede generar imágenes nuevas de esa persona en cualquier situación imaginable.
Lo mismo con la voz. Un modelo de IA puede aprender la voz de una persona con tan solo unos segundos de audio real. Y una vez que la tiene, puede generar un audio donde esa persona dice cualquier cosa. Con la entonación correcta. Con las pausas correctas. Con el acento correcto. Indistinguible para el oído humano.
La calidad ha mejorado a una velocidad que incluso a los que trabajamos en esto nos sorprende. Hace cinco años, los deepfakes eran detectables a simple vista: artefactos visibles en los bordes del rostro, parpadeo irregular, movimiento labial desincronizado. Hoy, los modelos más avanzados producen contenido que un observador humano no puede distinguir de contenido real.
Y esto no es especulación. Es lo que he analizado en el laboratorio.
Cómo se detecta un deepfake: la autenticación forense
Si el ojo humano ya no puede distinguir un deepfake de un video real, la pregunta obvia es: ¿cómo se detecta?
Se detecta con ciencia. Con análisis forense. Con herramientas y metodologías que miran lo que el ojo no puede ver.
Análisis de ruido residual (PRNU). Cada sensor de cámara — el sensor físico del celular o la cámara que grabó el video — deja una huella única en cada imagen que captura. Se llama Photo Response Non-Uniformity, patrón de ruido de respuesta no uniforme. Es como la huella digital de la cámara. Cada sensor es ligeramente diferente debido a imperfecciones microscópicas en su fabricación, y esas imperfecciones se reflejan en un patrón de ruido que está presente en cada foto o video tomado por esa cámara.
Un video real, tomado por una cámara física, tiene patrón de ruido de sensor. Un video generado por IA no fue tomado por ninguna cámara. No tiene sensor físico. No tiene PRNU. La ausencia de patrón de ruido de sensor es una señal forense de que el contenido fue generado sintéticamente.
Es como una receta de cocina: si el platillo no tiene los ingredientes básicos que debería tener, algo está mal. Un video sin PRNU es un platillo sin sal — falta algo fundamental que debería estar ahí.
Análisis de artefactos de compresión. Cada formato de video — MP4, AVI, MOV — aplica algoritmos de compresión que dejan patrones específicos en la imagen. Un video que ha sido editado o generado por IA tiene patrones de compresión inconsistentes: zonas del frame con un nivel de compresión diferente al de otras zonas. Eso indica que partes de la imagen fueron procesadas de manera diferente — lo cual es consistente con manipulación o generación sintética.
Análisis de frecuencias espaciales. Las imágenes tienen información en diferentes frecuencias — como las ondas sonoras tienen graves y agudos, las imágenes tienen detalles gruesos y finos. Los modelos de IA generativa tienden a producir patrones específicos en las frecuencias altas que son diferentes de los que produce una cámara real. Esos patrones son invisibles al ojo humano pero detectables con análisis de Fourier — una herramienta matemática que descompone la imagen en sus frecuencias constitutivas.
Análisis de consistencia visual. Iluminación, sombras, reflejos, perspectiva, proporciones anatómicas, movimiento ocular, frecuencia de parpadeo, sincronización labial-audio. Cada uno de estos elementos tiene comportamientos físicos que los modelos de IA todavía no replican con perfección absoluta. La dirección de las sombras puede ser inconsistente con la fuente de luz. Los reflejos en los ojos pueden no coincidir con el entorno. La frecuencia de parpadeo puede ser irregular de maneras que un humano real no parpadea.
Análisis de metadatos. Un video tomado por una cámara real tiene metadatos: fecha, hora, modelo de cámara, configuración de exposición, GPS si estaba habilitado. Un video generado por IA puede no tener metadatos, puede tener metadatos genéricos, o puede tener metadatos falsificados. El análisis de metadatos no prueba autenticidad por sí solo — los metadatos se pueden editar — pero su ausencia o inconsistencia es una señal de alerta que justifica un análisis más profundo.
Firmas de modelo generativo. Los modelos de IA dejan firmas. Cada modelo tiene patrones estadísticos que se repiten en su salida. Un perito forense con experiencia puede identificar estas firmas y, en algunos casos, determinar qué modelo específico fue utilizado para generar el contenido. Esto es evidencia forense de primer nivel: no solo demuestra que el video es falso, sino que demuestra cómo fue generado.
El peritaje de autenticación de Duriva aplica todas estas capas de análisis. El resultado es un dictamen documentado que dice, con base en evidencia técnica verificable: «Este video presenta/no presenta las características consistentes con contenido generado o manipulado por inteligencia artificial.» No es una opinión. Es ciencia.
Art. 210-A y la evidencia digital: el fundamento que ya existe
La buena noticia — si se le puede llamar así — es que México ya tiene un fundamento legal para cuestionar la autenticidad de la evidencia digital. No es perfecto. No fue pensado para deepfakes. Pero existe y es aplicable.
El artículo 210-A del Código Federal de Procedimientos Civiles establece tres requisitos para que la información generada por medios electrónicos tenga valor probatorio:
- Fiabilidad del método. El método con el que se generó o almacenó la información debe ser fiable. Un deepfake no fue generado por un método fiable de captura de realidad. Fue generado por un modelo de IA. La «fiabilidad» del método es cuestionable por definición porque el método no captura realidad — fabrica apariencia de realidad.
- Atribuibilidad del contenido. Debe poder atribuirse a las personas involucradas. Si el video muestra a la persona X haciendo algo, debe poder verificarse que la persona X realmente fue captada en ese video. Con un deepfake, la atribuibilidad es falsa: el video muestra a la persona X, pero la persona X nunca fue captada. Su rostro fue generado sintéticamente.
- Accesibilidad para consulta posterior. La información debe ser accesible para verificación. Este requisito es relevante para la preservación forense de la evidencia.
El 210-A no menciona deepfakes. No menciona inteligencia artificial. No menciona autenticación forense. Pero su estructura lógica — fiabilidad, atribuibilidad, accesibilidad — proporciona las bases para impugnar un deepfake. Si el método no es fiable porque el contenido fue generado por IA, no cumple el primer requisito. Si el contenido no es atribuible porque el rostro es sintético, no cumple el segundo requisito.
El abogado que entienda esta conexión tiene una herramienta poderosa. Y el peritaje forense es lo que sustenta esa herramienta con evidencia técnica.
Qué hacer si eres víctima de un deepfake
Voy a dar la hoja de ruta completa porque la víctima que llega a este artículo necesita saber qué hacer mañana, no dentro de un año cuando la ley se actualice.
Paso uno: preserva la evidencia antes de que desaparezca. No reportes el contenido en la plataforma todavía. Si reportas y la plataforma lo baja, perdiste la evidencia. Antes de cualquier reporte: captura la URL completa, guarda el código fuente de la página, toma screenshots con fecha y hora, guarda el video completo si es posible, documenta la cuenta o perfil que lo publicó. Todo esto con timestamp verificable.
Si puedes, contacta a un perito forense para que haga la preservación con cadena de custodia y hash SHA-256 antes de que el contenido sea eliminado. La evidencia tiene ventana de vida. Los atacantes borran. Las plataformas bajan contenido. Lo que no se preserva a tiempo, desaparece.
Paso dos: peritaje forense de autenticidad. El peritaje es la pieza central. Demuestra científicamente que el contenido es sintético. No es tu opinión de que el video es falso. Es un dictamen técnico documentado que analiza el video en las capas que describí arriba — PRNU, compresión, frecuencias, consistencia visual, metadatos, firmas de modelo — y concluye con base en evidencia verificable que el contenido fue generado o manipulado por inteligencia artificial.
Sin el peritaje, tu caso es tu palabra: «Ese no soy yo.» Con el peritaje, tu caso es ciencia: «El análisis forense demuestra que el video presenta las siguientes características de contenido generado sintéticamente: ausencia de patrón de ruido de sensor, inconsistencias en frecuencias espaciales, artefactos de modelo generativo identificados en la capa X.»
La diferencia entre ambos es la diferencia entre perder y ganar.
Paso tres: estrategia legal con tu abogado. Dependiendo del tipo de deepfake, hay diferentes vías:
- Si el deepfake es de contenido íntimo — un video o imagen sexual fabricada con tu rostro –, la Ley Olimpia aplica en los estados que han ampliado la redacción para incluir contenido «alterado o manipulado.» La denuncia penal se fundamenta en violencia digital.
- Si el deepfake es difamatorio o daña tu reputación, la vía civil por daño moral es aplicable. La cuantificación del daño es donde el peritaje forense aporta evidencia documentada del alcance de la difusión.
- Si el deepfake se usó para extorsión — «paga o publico este video» –, es extorsión con agravantes y la denuncia penal procede directamente.
- Si el deepfake fue presentado como evidencia en un proceso judicial, la impugnación se hace mediante prueba pericial que demuestre que el contenido es sintético. El artículo 210-A es el fundamento para cuestionar la fiabilidad del método.
Paso cuatro: amparo como herramienta de última instancia. Si la fiscalía no investiga. Si la plataforma no retira el contenido. Si la autoridad no protege. El amparo es la herramienta constitucional para obligar a la autoridad a actuar. Un amparo fundamentado en la violación al derecho de imagen, a la honra, a la vida privada, sustentado con peritaje forense que demuestre que el contenido es sintético, puede ordenar tanto la investigación como el retiro del contenido.
No es el camino ideal. El camino ideal sería una ley que tipifique la creación y difusión de deepfakes como delito autónomo. Pero esa ley no existe hoy. Y las víctimas no pueden esperar.
Para el abogado: cómo impugnar evidencia multimedia en la era del deepfake
Esto es crítico para todo litigante que enfrenta evidencia multimedia en cualquier tipo de proceso.
La regla ya no es aceptar el video y tratar de explicarlo. La regla ahora es cuestionar el video antes de aceptarlo.
Primer movimiento: solicitar verificación de autenticidad. Cuando la contraparte presente un video, un audio o una imagen como prueba, la primera pregunta del litigante debería ser: «¿Ha sido sometida esta pieza de evidencia a verificación forense de autenticidad?» Si la respuesta es no — y casi siempre es no –, el litigante tiene el fundamento para solicitar que la prueba no sea admitida sin verificación, o para ofrecer una prueba pericial que la cuestione.
Segundo movimiento: ofrecer peritaje forense como contraprueba. Un peritaje de autenticación que analice la evidencia multimedia de la contraparte y determine si es auténtica o si presenta indicios de manipulación o generación sintética. Este peritaje se ofrece en la etapa procesal correspondiente y se desahoga en audiencia, donde el perito explica los hallazgos técnicos al juez.
Tercer movimiento: usar el 210-A como fundamento. La fiabilidad del método y la atribuibilidad del contenido son los dos requisitos del 210-A que un deepfake no cumple. El alegato jurídico se construye desde estos requisitos, sustentado con el peritaje forense.
No espere a que un deepfake aparezca en su caso para prepararse. Prepárese ahora. Porque la pregunta ya no es si va a enfrentar evidencia multimedia cuestionable en un juicio. Es cuándo.
Lo que el sistema necesita y todavía no tiene
Les soy franco: todo lo que he explicado en este artículo son parches. Estrategias para operar en un sistema que no está diseñado para la era del deepfake. Funcionan. He visto que funcionan. Pero son parches sobre un sistema que necesita actualizarse.
Lo que el sistema necesita:
Un protocolo obligatorio de autenticación de evidencia multimedia. No opcional. No «si la parte lo solicita.» Obligatorio. Toda evidencia en formato de video, audio o imagen que se presente en un proceso judicial debería ser sometida a verificación forense de autenticidad como requisito de admisión. El costo de la verificación es una fracción del costo de una sentencia basada en evidencia falsa.
Un tipo penal específico para deepfakes. La creación y difusión de deepfakes con intención de dañar, extorsionar, difamar, fabricar evidencia o suplantar identidad debería ser un delito autónomo con elementos claros. No un tipo penal adyacente que requiere interpretación extensiva. Un tipo penal propio.
Formación tecnológica para jueces y magistrados. Los juzgadores necesitan entender qué es un deepfake, cómo funciona y por qué la autenticidad de la evidencia multimedia ya no puede presumirse. No necesitan volverse informáticos. Necesitan la formación mínima para evaluar peritajes forenses de autenticidad y para entender cuándo la evidencia requiere verificación.
Estándares de autenticación publicados y actualizados. Los estándares de lo que constituye una verificación forense de autenticidad adecuada deben ser públicos, revisables y actualizados conforme la tecnología avanza. Lo que hoy detecta un deepfake puede no detectar el modelo del próximo año. Los estándares deben ser vivos.
Nada de esto existe hoy. Pero todo es construible. Y cada caso donde un deepfake se impugna exitosamente con peritaje forense contribuye a construir la jurisprudencia y la práctica que el sistema necesita.
Ver ya no es creer. Esa frase no es un eslogan. Es un hecho técnico que cambia las reglas de la evidencia.
El sistema jurídico mexicano asume que el video es real si nadie lo cuestiona. En la era del deepfake, esa asunción es un riesgo que ningún juez, ningún abogado, ningún ciudadano debería aceptar pasivamente.
La herramienta existe. Se llama autenticación forense. Es ciencia aplicada a la evidencia. Es análisis de ruido residual, compresión, frecuencias, consistencia visual, metadatos, firmas de modelo generativo. Es un peritaje que dice con precisión técnica si lo que estás viendo es real o fabricado.
Esa herramienta es lo que separa la justicia de la ficción en un mundo donde la ficción se volvió indistinguible de la realidad para el ojo humano.
En Duriva, esa distinción es nuestro trabajo diario. Cada video que analizamos, cada audio que verificamos, cada imagen que autenticamos es una pieza de evidencia donde alguien necesita saber la verdad. No la verdad que parece. La verdad que es.
Porque en un tribunal, la diferencia entre lo que parece y lo que es, es la diferencia entre justicia e injusticia.
Y esa diferencia ya no se puede dejar al ojo. Se demuestra con ciencia. O no se demuestra.