Las plataformas aplican etiquetas a contenido generado por IA, pero el sistema no impide que veas ese contenido: según un estudio de Kapwing (2025) más del 20% de los videos mostrados a nuevos usuarios en YouTube son bajo la categoría de “low-quality generated slop” (base: videos mostrados a usuarios nuevos).
¿Por qué las etiquetas no bastan?
Vemos etiquetas superpuestas o notas en la descripción, pero eso no equivale a un interruptor que saque la IA de tu feed. Las soluciones basadas en procedencia como C2PA o SynthID intentan incrustar metadata o marcas invisibles en el momento de creación, pero la metadata puede ser eliminada y hay modelos abiertos que ni siquiera la generan (según Jess Weatherbed, The Verge, 4/6/2026). Los métodos de detección que analizan patrones dan falsos positivos y no escalan bien. Además, los stakeholders dicen que temen marcar contenido humano por error: Meta y YouTube ya tuvieron reclamos por etiquetados incorrectos (según el artículo de The Verge, 4/6/2026). Si llegaste hasta acá, ya tenés lo más difícil hecho: entender que la etiqueta sola no resuelve el problema.
¿Cómo impacta esto en vos y en el mercado argentino?
Si consumís redes desde el celular —como la mayoría en la región—, necesitás un control simple y rápido: un checkbox “no IA” que funcione en feeds móviles. Hoy no existe un estándar visible: DeviantArt ofrece dos opciones en su menú (mostrar IA o suprimir IA), pero la experiencia es pobre y difícil de encontrar (según The Verge, 4/6/2026). Pinterest permite desactivar IA por categorías —arte, belleza, moda y hogar— (4 categorías en la interfaz, según The Verge), pero aun así el filtrado no es perfecto. En el último año versus el año anterior las plataformas rampearon las etiquetas, pero no implementaron filtros efectivos ni métricas públicas sobre cuántas piezas fueron realmente bloqueadas o reducidas (no disponible públicamente). Para el consumidor argentino eso significa más tiempo perdiendo atención y menos control sobre lo que aparece en la pantalla donde escribís y navegás.
¿Se puede filtrar la IA sin censurar creadores legítimos?
La tensión es real: un filtro muy agresivo puede tirar contenido humano legítimo; uno laxo deja pasar slop. Las técnicas de detección actuales tienen tasa de error y las soluciones de procedencia (marcas o metadata) dependen del cumplimiento del creador y del software usado para generarlo. DeviantArt y Pinterest prometen “menos instancias” con sus toggles, pero los usuarios reportan que siguen viendo imágenes con señales típicas de IA (según The Verge, 4/6/2026). También está el costo humano: validar reportes a escala requiere moderadores, y la nota plantea la ironía de que empresas que desplazan trabajadores con IA tendrían que volver a contratarlos para revisar esa misma IA. La alternativa honesta es priorizar medidas combinadas: marcado confiable en origen, audits independientes y una vía sencilla para que los usuarios reporten contenido no etiquetado.
Qué podemos pedirles a las plataformas y qué podés hacer hoy
Pedir un simple interruptor “no IA” es una demanda razonable y medible. Las plataformas pueden implementar: 1) un filtro por etiqueta visible en feeds móviles, 2) verificación de creadores humanos (como Spotify ya hace con artistas verificados) y 3) una opción de reporte dedicada a contenido no etiquetado. También necesitamos auditorías públicas que muestren métricas (por ejemplo, cuántos items etiquetados, cuántos removidos) para comparar año contra año; hoy esos datos no están disponibles públicamente (según The Verge, 4/6/2026). Si esto te parece mucho, la alternativa honesta es usar cuentas y herramientas que prioricen creadores verificados y extensiones que bloqueen fuentes identificadas como slop. En suma: soluciones prácticas, mobile-first y gratuitas deben ser la prioridad. Si las plataformas no actúan, perdemos autenticidad versus el año anterior; si actúan mal, el etiquetado seguirá siendo cosmético.
Si llegaste hasta acá, ya tenés lo más difícil hecho: pedir un filtro que funcione y exigir transparencia sobre su eficacia (fuente principal: Jess Weatherbed, The Verge, 4/6/2026; estudio citado: Kapwing, 2025).
