En la Parte 1 de esta serie expliqué lo que realmente pasó con la foto del presidente y la etiqueta de IA que nadie puso. Expliqué que la plataforma no tiene un detector mágico — tiene un formulario. Que un checkbox vacío no es sello de autenticidad. Que la categorización en redes sociales no es verificación forense.
Ahora voy a ir más profundo. Porque lo que hizo el gobierno con ese argumento tiene un nombre en lógica formal. Y ese nombre es importante. Es importante porque una vez que lo conoces, lo empiezas a ver en todas partes. En conferencias de prensa. En dictámenes periciales mal hechos. En acusaciones fiscales. En notas periodísticas. En sentencias judiciales.
El nombre es petición de principio.
Y voy a enseñarte a identificarla, a desmontarla y a destruirla cada vez que alguien la use para sostener un argumento sobre evidencia digital.
Llevo 17 años en informática forense. He formado a más de 1,300 peritos. He emitido dictámenes en juicios penales, civiles, mercantiles y laborales donde la autenticidad de un medio digital era la prueba central. Y he perdido la cuenta de las veces que he visto a una autoridad construir un argumento circular sobre evidencia digital y presentarlo como si fuera una conclusión técnica. No lo es. Es una falacia. Y las falacias no resisten el escrutinio. Solo resisten la ignorancia.
Qué es una petición de principio
Voy a empezar por la definición formal. Sin decoración. Sin simplificación excesiva. Porque si vas a usar esto como herramienta, necesitas entender la herramienta con precisión.
Una petición de principio — en latín, petitio principii — es una falacia lógica que ocurre cuando la conclusión de un argumento se incluye, explícita o implícitamente, en una de sus premisas. Dicho de otra forma: se asume como punto de partida lo que debería ser el punto de llegada.
El argumento parece válido superficialmente porque la conclusión «se sigue» de las premisas. Pero si examinas las premisas con cuidado, descubres que la conclusión ya está contenida en ellas. El argumento no demuestra nada. Gira en círculo.
Un ejemplo clásico: «La Biblia es la palabra de Dios porque lo dice la Biblia.» La conclusión (la Biblia es la palabra de Dios) se asume en la premisa (lo dice la Biblia, y la Biblia es confiable porque es la palabra de Dios). El argumento no prueba nada. Asume lo que pretende probar.
Ahora, traslademos esto al caso que nos ocupa.
La petición de principio del gobierno, diseccionada
El argumento oficial, reconstruido con precisión lógica, es este:
Premisa 1: La plataforma etiqueta como «generado por IA» el contenido que es generado por IA.
Premisa 2: La plataforma no etiquetó esta imagen como «generado por IA.»
Conclusión: Esta imagen no es generada por IA.
Superficialmente, el silogismo parece válido. Si la plataforma detecta todo lo que es IA y no detectó esta imagen, entonces la imagen no es IA. Lógica impecable. Excepto que la Premisa 1 es falsa.
La Premisa 1 asume que el sistema de etiquetado de la plataforma es un detector infalible — que identifica correctamente todo el contenido generado por IA. Como expliqué en la Parte 1, eso no es lo que el sistema hace. El sistema busca metadatos C2PA que el generador puede o no incrustar, acepta la autodeclaración del usuario mediante un checkbox, y en el mejor de los casos aplica un detector automático con tasas de error significativas.
Pero hay algo más sutil y más peligroso en este argumento. Y es aquí donde la petición de principio se revela.
El argumento en realidad dice: «La imagen es real porque no fue identificada como falsa por un sistema que asumimos funciona correctamente.» Pero la conclusión de que la imagen es real es precisamente lo que debería investigarse — no asumirse. Se está usando como premisa (el sistema funciona, por lo tanto todo lo que no marca es real) lo que debería ser la conclusión (la imagen es real, demostrado por un análisis independiente).
Es un círculo perfecto. La imagen es real porque el sistema no la marcó. El sistema no la marcó porque la imagen es real. Y la única forma de salir del círculo es hacer lo que el gobierno no hizo: un análisis independiente que no dependa del sistema cuya confiabilidad está en cuestión.
La analogía del documento sin firma notarial
Voy a dar una analogía que cualquier abogado entiende inmediatamente y que cualquier ciudadano puede seguir sin esfuerzo.
Imagina que alguien te presenta un contrato y te dice que es auténtico. Tú preguntas: «¿Tiene firma notarial?» Te responden: «No, no tiene firma notarial.» Y tu siguiente observación lógica sería: «Entonces necesitamos verificar su autenticidad por otros medios.»
Pero el gobierno hizo algo diferente. El gobierno dijo: «No tiene firma notarial. Eso prueba que es auténtico.»
Lee eso otra vez. «El documento no tiene la marca que certificaría su falsedad. Por lo tanto, es auténtico.»
Es absurdo cuando lo formulamos con un documento físico. Pero es exactamente lo que pasó con la imagen digital. La imagen no tiene la etiqueta de «generada por IA.» Por lo tanto, es auténtica.
La ausencia de una marca de falsedad no es presencia de una marca de autenticidad. Son cosas distintas. Radicalmente distintas. Y confundirlas — o presentarlas como equivalentes — es la esencia de la petición de principio.
Abogado que me lee: guarda esta analogía. Memorízala. Porque la vas a necesitar. La próxima vez que alguien en audiencia diga «la plataforma no la marcó como IA, entonces es real,» tu respuesta es: «Eso es como decir que un documento es auténtico porque no tiene un sello que diga FALSO. La ausencia de marca de falsedad no es evidencia de autenticidad.»
El juez lo va a entender. El ministerio público lo va a entender. Y el argumento de la contraparte se va a derrumbar.
La estructura formal del argumento circular
Para el abogado Jr. que necesita esto desmenuzado con precisión formal — porque algún día va a tener que presentar una objeción lógica en audiencia y necesita el vocabulario exacto –, voy a formalizar la estructura.
Un argumento válido tiene esta forma:
Premisa 1: Si A, entonces B.
Premisa 2: A.
Conclusión: B.
El argumento del gobierno tiene esta forma:
Premisa 1: Si la imagen es generada por IA, la plataforma la etiqueta.
Premisa 2: La plataforma no la etiquetó.
Conclusión: La imagen no es generada por IA.
Esto es un modus tollens. Si P entonces Q. No Q. Por lo tanto, no P. Formalmente válido. El problema no está en la forma lógica. El problema está en la verdad de la Premisa 1. Porque la Premisa 1 es empíricamente falsa.
La plataforma no etiqueta todo lo que es generado por IA. La plataforma etiqueta lo que tiene metadatos C2PA, lo que el usuario declaró voluntariamente, y lo que su detector automático — cuando existe — logra identificar. Todo lo demás pasa sin etiqueta.
Cuando la Premisa 1 es falsa, la conclusión no se sigue. No importa que la forma lógica sea correcta. Un silogismo con premisas falsas puede producir conclusiones falsas. Y en este caso, la produce.
Pero hay una capa adicional de circularidad. Y es la capa que convierte esto en una petición de principio propiamente dicha, no solo en un argumento con premisa falsa.
La capa adicional es esta: la razón por la que se asume que la Premisa 1 es verdadera es porque ya se asume que la imagen es real. El razonamiento implícito es: «Sabemos que el sistema funciona porque las imágenes que no marca son reales. Y sabemos que las imágenes que no marca son reales porque el sistema funciona.»
Eso es el círculo. Eso es la petición de principio. La conclusión (la imagen es real) se usa para validar la premisa (el sistema funciona correctamente) que a su vez se usa para justificar la conclusión (la imagen es real).
Estudiante de lógica, de derecho, de ciencias de la comunicación que me lee: este es un caso de estudio perfecto de cómo una falacia formal se manifiesta en la práctica institucional. No en un libro de texto. No en un ejercicio hipotético. En una declaración oficial de un gobierno sobre una imagen pública. Con consecuencias reales para cómo se evalúa la evidencia digital en el sistema de justicia.
Por qué esta falacia es particularmente peligrosa en evidencia digital
Las falacias lógicas son problemáticas en cualquier contexto. Pero en el contexto de evidencia digital, la petición de principio tiene un potencial destructivo específico. Y voy a explicar por qué.
Razón uno: la asimetría de conocimiento técnico.
En un juicio, cuando se presenta evidencia digital — una imagen, un audio, un video, un correo electrónico, un registro de WhatsApp –, existe una asimetría de conocimiento entre quien presenta el argumento técnico y quien lo evalúa. El fiscal o el abogado que dice «la plataforma no la marcó como IA» puede no entender la limitación técnica de ese argumento. El juez que lo escucha probablemente tampoco. Y la contraparte puede no tener el conocimiento técnico para refutarlo.
En ese escenario, la falacia prospera. Nadie la identifica. Nadie la cuestiona. Se acepta como argumento válido por inercia.
La asimetría de conocimiento técnico es el caldo de cultivo perfecto para las falacias lógicas sobre evidencia digital. Y la única forma de contrarrestarla es que la parte que enfrenta el argumento tenga el conocimiento necesario para desmontarlo. Ese conocimiento es lo que estoy compartiendo en esta serie.
Razón dos: la inversión de la carga de la prueba.
Cuando el gobierno dice «no es IA porque la plataforma no la marcó,» está invirtiendo la carga de la prueba. En vez de demostrar que la imagen es auténtica — lo cual es su obligación si quiere presentarla como prueba –, exige que los demás demuestren que es falsa.
Eso es una inversión de onus probandi. Quien afirma que algo es auténtico debe probarlo. No puede decir «es auténtico hasta que alguien demuestre lo contrario» y presentar como «prueba» la ausencia de una etiqueta que nadie tenía obligación de poner.
En un juicio penal, la carga de la prueba recae sobre la acusación. En un debate público sobre la autenticidad de una imagen oficial, la carga debería recaer sobre quien la presenta como auténtica. En ambos casos, esa carga no se satisface con un checkbox vacío.
Razón tres: el efecto de normalización.
He visto esto suceder en tiempo real a lo largo de mi carrera. Un argumento falaz se usa una vez en un contexto de alta visibilidad. No se refuta públicamente. Se repite en contextos de menor visibilidad. Se cita como precedente informal. Y en menos tiempo del que crees, se convierte en «lo que todo mundo sabe.»
El argumento de «la plataforma no lo detectó, entonces es real» ya se está normalizando. Ya lo he escuchado en contextos legales, fuera del caso del presidente. Ya lo he visto en dictámenes. Ya lo he leído en notas periodísticas como si fuera un hecho establecido.
Y cada vez que se repite sin ser confrontado, se vuelve más difícil de desmontar. No porque sea más válido. Sino porque la repetición crea familiaridad, y la familiaridad se confunde con verdad.
Periodista que me lee: tienes una responsabilidad específica aquí. Cada vez que escribes «la imagen fue verificada por la plataforma» o «la plataforma no la detectó como IA» sin explicar las limitaciones de ese proceso, estás contribuyendo a la normalización de la falacia. No digo que lo hagas intencionalmente. Digo que el lenguaje importa. Y la precisión técnica en el lenguaje periodístico sobre IA no es un lujo editorial. Es una obligación informativa.
Herramienta para abogados: cómo despedazar un argumento mal estructurado sobre evidencia digital
Voy a darte un protocolo. Paso por paso. Para que la próxima vez que enfrentes un argumento sobre autenticidad de evidencia digital que huela a petición de principio, sepas exactamente cómo desmontarlo.
Paso 1: Identifica la conclusión
Pregúntate: ¿qué está tratando de probar el argumento? En nuestro caso: «La imagen es auténtica (no generada por IA).»
Paso 2: Identifica las premisas
Pregúntate: ¿en qué se basa el argumento para llegar a esa conclusión? En nuestro caso: «La plataforma no la etiquetó como IA.»
Paso 3: Examina si la conclusión está contenida en las premisas
Pregúntate: ¿la premisa asume lo que debería demostrar? En nuestro caso: sí. La premisa asume que todo lo que no es etiquetado por la plataforma es auténtico. Pero eso es exactamente lo que debería demostrarse.
Paso 4: Examina la verdad independiente de cada premisa
Pregúntate: ¿las premisas son verdaderas por sí mismas, sin necesidad de asumir la conclusión? En nuestro caso: no. La premisa de que «la plataforma etiqueta todo lo que es IA» es empíricamente falsa. La plataforma tiene múltiples puntos de falla en su sistema de etiquetado.
Paso 5: Formula la objeción
Combina los hallazgos de los pasos anteriores en una objeción clara. En nuestro caso:
«El argumento de la contraparte constituye una petición de principio. Asume como premisa que el sistema de etiquetado de la plataforma identifica correctamente todo el contenido generado por IA, lo cual es empíricamente falso según la propia documentación técnica de las plataformas. La ausencia de etiqueta no constituye evidencia de autenticidad. Es evidencia de ausencia de etiqueta. Para establecer la autenticidad de la imagen se requiere un análisis forense independiente que no dependa del sistema cuya confiabilidad está en cuestión.»
Paso 6: Ofrece la alternativa
Un argumento no se desmonta solo diciendo que está mal. Se desmonta ofreciendo lo que debería haberse hecho. En nuestro caso:
«Solicito que la autenticidad de la imagen sea determinada mediante un peritaje forense de medios digitales que analice metadatos EXIF, ruido residual de sensor, patrones de compresión, consistencia visual y firma de modelo generativo. Solo ese análisis tiene el rigor técnico necesario para establecer si la imagen fue capturada por un dispositivo físico o generada por un modelo de inteligencia artificial.»
Abogado Jr. que me lee: este protocolo de seis pasos no es solo para el caso de la foto del presidente. Es para cada caso donde alguien pretenda establecer la autenticidad de un medio digital con un argumento que no resiste escrutinio lógico. Imprímelo. Guárdalo. Practícalo con los argumentos que encuentres en tus próximos casos. Porque la falacia de la plataforma-como-detector es solo una de las muchas variantes que vas a encontrar. La estructura del argumento circular siempre es la misma. Cambia el disfraz, pero la estructura no cambia.
Más allá de la foto: dónde aparece esta falacia en el sistema de justicia
La petición de principio en evidencia digital no es exclusiva de fotos presidenciales. Aparece en contextos mucho más cercanos, con consecuencias mucho más directas.
En juicios por difamación con imágenes manipuladas. «La imagen es auténtica porque se descargó de la cuenta del demandado y no tiene marca de edición.» La conclusión (es auténtica) se asume en la premisa (no tiene marca de edición, lo cual se interpreta como que no fue editada). Pero la ausencia de marca de edición no prueba que no fue editada. Prueba que la edición no dejó marca detectable por el método utilizado.
En casos penales con evidencia de WhatsApp. «Las capturas de pantalla son auténticas porque fueron tomadas directamente del teléfono.» La conclusión (son auténticas) se asume en la premisa (fueron tomadas del teléfono, lo cual se interpreta como que son fidedignas). Pero una captura de pantalla no prueba que el contenido capturado sea auténtico. Prueba que eso es lo que se veía en la pantalla en el momento de la captura. Y lo que se veía en la pantalla puede ser un mensaje editado, una conversación fabricada, una interfaz simulada.
En investigaciones con audio digital. «El audio no fue manipulado porque el software de análisis no detectó ediciones.» La conclusión (no fue manipulado) se asume en la premisa (el software no detectó ediciones). Pero la ausencia de detección no es evidencia de ausencia de manipulación. Es evidencia de que el software utilizado no encontró lo que buscaba con las herramientas que tenía.
En todos estos casos, el patrón es el mismo. Se confunde la ausencia de detección de falsedad con la presencia de autenticidad. Y esa confusión es una petición de principio.
Ciudadano que me lee: esto no es abstracto. Esto puede pasarte. Si alguien presenta una imagen falsa como prueba en un juicio contra ti, y la contraparte dice «es auténtica porque el software no detectó manipulación,» tu libertad, tu patrimonio o tu reputación pueden depender de que tu abogado sepa identificar y desmontar esa falacia. Si no la identifica, el argumento circular se acepta como prueba. Y una prueba aceptada es una prueba que pesa en la balanza.
El antídoto: evidencia positiva vs. evidencia negativa
Voy a cerrar con el principio que debería regir toda evaluación de autenticidad de medios digitales en cualquier contexto — legal, periodístico, institucional, personal.
La autenticidad de un medio digital no se establece por evidencia negativa. No se establece diciendo «no encontramos nada que indique que es falso.» Se establece por evidencia positiva. Se establece diciendo «encontramos evidencia específica de que es auténtico.»
Evidencia negativa: «El detector no la marcó como IA.» «El software no encontró ediciones.» «La plataforma no la etiquetó.» «No tiene marcas de manipulación.»
Evidencia positiva: «Los metadatos EXIF son consistentes con el dispositivo de captura alegado.» «El patrón de ruido residual (PRNU) de la imagen coincide con el sensor del dispositivo que supuestamente la capturó.» «Los artefactos de compresión son consistentes con una cadena de procesamiento normal.» «La distribución de frecuencias espaciales no presenta la firma estadística de ningún modelo generativo conocido.»
La diferencia es abismal. La evidencia negativa te dice lo que no encontraste. La evidencia positiva te dice lo que encontraste. Y en un proceso legal, en una investigación periodística, en un debate público, lo que necesitas es lo segundo. Necesitas saber qué es, no qué no parece ser.
Legislador que está pensando en cómo regular la autenticidad de medios digitales: la regulación efectiva debería establecer que en cualquier contexto probatorio, la autenticidad de un medio digital se determina por evidencia positiva, no por ausencia de evidencia negativa. Eso solo lo puede proporcionar un peritaje forense que examine la evidencia en múltiples capas técnicas. No un detector. No una etiqueta. No un checkbox. Un análisis.
Lo que viene en la Parte 3
He desmontado la falacia. He mostrado su estructura. He dado herramientas para identificarla y destruirla. Pero queda una pregunta técnica que necesita su propio espacio: los detectores de IA para imágenes, esas herramientas que supuestamente pueden distinguir una foto real de una imagen generada, ¿realmente funcionan? ¿Cuánto fallan? ¿Con qué frecuencia te dicen que algo es real cuando no lo es? ¿Con qué frecuencia te dicen que algo es falso cuando sí lo es?
En la Parte 3 voy a entrar al terreno técnico de los detectores. Voy a explicar por qué OpenAI retiró su propio clasificador. Voy a mostrar la diferencia entre pasar una imagen por una app gratuita de internet y someterla a un análisis forense de ruido residual, compresión y metadatos de modelo generativo. Y voy a dejar muy claro por qué confiar en un detector como si fuera un laboratorio forense es como confiar en un termómetro como si fuera un tomógrafo.
Suscríbete para recibir la Parte 3 cuando se publique.
Las falacias no resisten el análisis
El gobierno asumió como premisa lo que debería haber demostrado como conclusión. Eso no es un argumento. Es un círculo. Y los círculos no llegan a ninguna parte.
La petición de principio prospera cuando nadie la identifica. Prospera en la asimetría de conocimiento técnico, en la inercia institucional, en la repetición sin escrutinio. Pero una vez que la identificas, una vez que la nombras, una vez que la formalizas y la confrontas con la estructura lógica correcta, se derrumba. Porque las falacias no resisten el análisis. Solo resisten la ausencia de análisis.
Tu trabajo — seas abogado, periodista, legislador, ciudadano, estudiante — es no permitir esa ausencia. Es exigir que los argumentos sobre evidencia digital se sostengan con lógica, con datos, con análisis forense. No con checkboxes vacíos. No con detectores que no detectan. No con conclusiones que ya estaban en las premisas.
En Duriva, cuando un cliente nos pregunta «¿esta imagen es real o generada?», no respondemos «la plataforma no la marcó.» Respondemos con un dictamen. Con cinco capas de análisis. Con metodología documentada. Con conclusiones fundamentadas en evidencia positiva. Porque la pregunta merece una respuesta real. No un argumento circular.