La transparencia de la IA entra en una nueva fase en Europa: de informar a demostrar
Durante años, la transparencia en inteligencia artificial se ha abordado principalmente como una cuestión de principios. Se animaba a las empresas a explicar cómo funcionaban sus sistemas, se esperaba que los usuarios supieran cuándo estaban interactuando con una IA y los reguladores insistían en la importancia de la trazabilidad, la responsabilidad y la supervisión humana.
Ahora, esa conversación empieza a adquirir una dimensión mucho más concreta.
Desde el 2 de agosto de 2026 ya son aplicables determinadas obligaciones de transparencia contempladas en el artículo 50 del Reglamento Europeo de IA (Reglamento (UE) 2024/1689) a determinados sistemas y casos de uso de inteligencia artificial. Estas obligaciones no se aplazaron: el Digital Omnibus sobre IA (Reglamento (UE) 2026/1744), en vigor desde el 27 de julio de 2026, retrasó los plazos de los sistemas de alto riesgo, pero mantuvo el artículo 50 aplicable desde el 2 de agosto de 2026. La idea de fondo es sencilla: cuando las personas interactúan con determinados sistemas de IA o se encuentran con contenidos generados o manipulados mediante IA, deben poder entender que hay inteligencia artificial involucrada.
A primera vista, podría parecer simplemente una cuestión de informar. En la práctica, plantea un reto mucho más interesante para las organizaciones: ¿cómo convertir la transparencia en una parte real del funcionamiento de un sistema de IA?
La respuesta no consiste necesariamente en añadir otro documento, política o aviso. En muchos casos, implica cambios en el propio producto: cómo se comunica el sistema con los usuarios, cómo se identifica el contenido generado por IA, cómo se muestran las notificaciones y cómo se incorporan estos mecanismos al flujo de trabajo.
La transparencia deja así de ser únicamente algo que una organización declara sobre su IA y pasa a ser algo que el propio sistema debe hacer.
Cuando el usuario necesita saber que está interactuando con una IA
La frontera entre la interacción humana y la interacción con una máquina resulta cada vez más difícil de percibir.
Los asistentes de IA, sistemas conversacionales, agentes virtuales y otras aplicaciones interactivas pueden comunicarse mediante texto, voz o interfaces visuales que se parecen cada vez más a una interacción humana. A medida que estos sistemas forman parte de nuestras experiencias digitales cotidianas, saber si estamos hablando con una persona o con una IA adquiere una relevancia creciente.
El artículo 50(1) obliga a los proveedores de sistemas de IA destinados a interactuar directamente con personas a diseñarlos y desarrollarlos de forma que esas personas estén informadas de que están interactuando con un sistema de inteligencia artificial, salvo que resulte evidente para una persona razonablemente informada, atenta y perspicaz, teniendo en cuenta las circunstancias y el contexto de uso.
La cuestión importante no es simplemente que esa información exista en algún lugar. Debe presentarse de forma clara y accesible y estar disponible desde el inicio de la interacción. Esto cambia la manera en la que la transparencia debe plantearse durante el desarrollo de un producto. Una notificación añadida al final de un proyecto puede comunicar técnicamente la información, pero una experiencia de IA correctamente diseñada debería tener en cuenta la transparencia desde el momento en que se diseña la propia interacción.
Existe además una obligación distinta para los sistemas de reconocimiento de emociones y de categorización biométrica: en ese caso es la organización que despliega el sistema, y no el proveedor, quien debe informar a las personas expuestas de que el sistema está en funcionamiento.
La pregunta ya no es únicamente: ¿Informamos al usuario de que hay una IA involucrada? sino también: ¿Dónde, cuándo y cómo comunica el sistema esa información? Es ahí donde la transparencia pasa de ser una cuestión de política a convertirse en una cuestión de diseño de producto.
El contenido generado por IA requiere otra capa de transparencia
El reto cambia cuando la IA se utiliza para generar o manipular contenidos.
La IA generativa puede producir actualmente textos, imágenes, audios y vídeos que resultan cada vez más difíciles de distinguir de aquellos creados por personas. Por ello, la transparencia no siempre puede depender de una simple indicación situada junto al contenido.
El artículo 50(2) obliga a los proveedores de sistemas de IA que generan audio, imagen, vídeo o texto sintéticos a garantizar que los resultados se marquen en un formato legible por máquina y puedan detectarse como generados o manipulados artificialmente, mediante soluciones técnicas eficaces, interoperables, robustas y fiables en la medida en que sea técnicamente viable. Para los sistemas generativos ya comercializados antes del 2 de agosto de 2026, el Digital Omnibus concede a los proveedores hasta el 2 de diciembre de 2026 para cumplir esta obligación de marcado.
Esto introduce una concepción diferente de la transparencia. En lugar de depender exclusivamente de un aviso visible, el sistema puede incorporar información en el propio contenido o en su estructura técnica subyacente para que pueda ser reconocida por máquinas y por otros sistemas que interactúen posteriormente con él.
Es aquí donde adquieren relevancia mecanismos como las marcas legibles por máquina, los metadatos y otros sistemas de identificación técnica.
La diferencia es importante: un aviso visible comunica con una persona, mientras que una señal legible por máquina puede comunicarse con todo el ecosistema digital. Dependiendo del tipo de sistema y contenido, ambos mecanismos pueden formar parte de un flujo de IA transparente.
Los deepfakes hacen especialmente visible este reto
Pocos ejemplos ilustran mejor la importancia de esta cuestión que los deepfakes.
La IA permite manipular la apariencia, la voz o las acciones de una persona de formas cada vez más convincentes. En estos casos, saber que existe una marca técnica en algún lugar del contenido puede no ser suficiente.
El artículo 50(4) obliga a quien despliega un sistema de IA para generar o manipular contenido de imagen, audio o vídeo que constituya un deepfake a revelar que ese contenido ha sido generado o manipulado artificialmente. Esta obligación recae en el responsable del despliegue, no en el proveedor, y significa que la identificación técnica y la información dirigida al usuario funcionan conjuntamente.
La capa técnica ayuda a los sistemas a identificar contenidos generados o manipulados mediante IA. La capa orientada al usuario ayuda a las personas a comprender lo que están viendo, escuchando o leyendo. Y la capa de producto determina cómo se incorporan estos mecanismos a la experiencia.
También importa el contexto en el que se presenta el contenido. Cuando el contenido forma parte de una obra manifiestamente artística, creativa, satírica o de ficción, la obligación no desaparece: se limita a revelar la generación o manipulación artificial de un modo que no dificulte la exhibición o el disfrute de la obra.
Por eso, implementar transparencia en IA no consiste simplemente en añadir la misma etiqueta a cualquier contenido generado mediante inteligencia artificial. El mecanismo adecuado dependerá de lo que haga el sistema, del tipo de contenido que genere y de cómo llegue ese contenido a las personas.
Que haya revisión humana tiene que significar algo
Otro de los aspectos especialmente interesantes tiene que ver con los textos generados o manipulados mediante IA destinados a informar al público sobre asuntos de interés público.
El artículo 50(4) obliga a los responsables del despliegue a revelar los textos generados o manipulados mediante IA que se publiquen con el fin de informar al público sobre asuntos de interés público. Esa obligación no se aplica cuando el contenido ha pasado por una revisión o control editorial humano y una persona física o jurídica asume la responsabilidad editorial de su publicación.
Esto plantea una distinción importante: no es lo mismo que haya una persona en algún punto del flujo de trabajo que exista una intervención humana significativa. Una persona que simplemente revisa la ortografía o el formato no está ejerciendo control editorial en este sentido. La Comisión Europea describe el control editorial como el control ejercido en la práctica por una entidad editorial responsable, con autoridad para aprobar, modificar o rechazar el fondo del contenido. Lo que importa es la sustancia de esa intervención humana y la responsabilidad que se asume sobre el resultado final.
Esto adquiere cada vez más relevancia a medida que las organizaciones incorporan IA a la creación de contenidos, las comunicaciones, las interacciones con clientes y otros procesos empresariales. Por tanto, la cuestión práctica no es simplemente si hay una persona involucrada: es si la organización ha diseñado el flujo de trabajo de manera que la revisión y la responsabilidad humanas sean realmente significativas cuando corresponda.
En este sentido, la transparencia no es solo una etiqueta. Forma parte de la relación entre el sistema, la organización y la persona que recibe su resultado.
La transparencia tiene que formar parte del flujo de trabajo de la IA
Esta es probablemente una de las consecuencias prácticas más importantes de las nuevas obligaciones de transparencia. La transparencia en IA no puede abordarse exclusivamente como una cuestión legal o de compliance.
Los equipos legales pueden determinar qué requisitos resultan aplicables. Los equipos de producto deciden cómo se presenta la información al usuario. Los equipos de ingeniería implementan los mecanismos técnicos que permiten identificar o notificar la participación de la IA. Los equipos de datos y de IA trabajan con los sistemas y sus resultados. Y los responsables de negocio determinan cómo se despliegan estas capacidades.
El resultado es una responsabilidad compartida: la transparencia debe estar presente allí donde se produce la interacción, donde se genera el contenido y donde se implementan los mecanismos técnicos correspondientes. Esto significa pensar en transparencia durante el diseño y despliegue de los sistemas de IA, en lugar de intentar incorporarla posteriormente.
Para las organizaciones que ya utilizan IA a escala, esto puede ser especialmente relevante. Una empresa puede tener decenas de flujos de trabajo basados en IA, asistentes, procesos automatizados o sistemas de generación de contenido funcionando en diferentes productos y equipos. Si los mecanismos de transparencia se implementan de forma independiente en cada uno de ellos, mantener una experiencia coherente resulta cada vez más difícil.
Un enfoque más estructurado puede ayudar a definir cómo los sistemas de IA comunican su participación y cómo estos mecanismos se incorporan a los flujos de trabajo que los soportan.
Nada de esto es opcional. Desde el 2 de agosto de 2026 las autoridades nacionales de vigilancia del mercado pueden exigir el cumplimiento del artículo 50, y su incumplimiento puede acarrear multas de hasta 15 millones de euros o el 3 % del volumen de negocios anual mundial total, la cuantía que sea superior — o, para pymes y startups, la que sea inferior.
De informar a demostrar la transparencia
Aquí es donde se hace visible el cambio más amplio. Durante años, las organizaciones podían pensar en la transparencia de la IA principalmente como una cuestión de comunicación: informar a los usuarios, publicar políticas o explicar que se utilizaba inteligencia artificial.
La siguiente etapa es mucho más operativa. Las organizaciones necesitan cada vez más convertir la transparencia en una parte del propio sistema. Esto puede significar garantizar que una interacción con IA active la notificación correspondiente, que un contenido generado incorpore el mecanismo de identificación necesario o que determinados flujos de trabajo contemplen una revisión y una responsabilidad humanas cuando corresponda.
La diferencia fundamental está entre decir que existe transparencia y construir la transparencia dentro del sistema. Esto resulta mucho más fácil de mantener cuando cuenta con el respaldo de la propia tecnología.
En Dedomena.AI, este principio se refleja en la forma en que pueden estructurarse y controlarse los procesos y flujos de trabajo de IA dentro de la plataforma. El objetivo no es tratar la transparencia como un documento independiente que acompaña a un sistema de IA, sino incorporar los procesos y mecanismos relevantes a la forma en que las soluciones de IA se diseñan y operan.
Esto adquiere especial relevancia a medida que las organizaciones pasan de experimentar con sistemas aislados a desplegar múltiples soluciones de IA en diferentes áreas del negocio.
Por qué esto importa más allá del cumplimiento
Existe además una razón empresarial para tomarse la transparencia en serio. Cuando las personas saben que están interactuando con una IA, pueden interpretar adecuadamente esa interacción. Cuando los contenidos generados mediante IA pueden identificarse, las organizaciones y los sistemas que los reciben posteriormente pueden gestionarlos con mayor claridad.
Cuando la revisión humana es significativa y no meramente formal, resulta más fácil comprender dónde reside la responsabilidad. La transparencia contribuye así a algo que cualquier organización que despliegue IA necesitará a largo plazo: confianza. Y la confianza adquiere cada vez más importancia a medida que la IA deja de ser una tecnología experimental para convertirse en parte de las operaciones cotidianas de las empresas.
Las organizaciones que consigan desplegar IA de forma sostenible no serán únicamente aquellas capaces de construir sistemas potentes. También serán aquellas capaces de crear experiencias de IA que las personas puedan comprender.
La próxima fase de la transparencia en IA
El panorama europeo de la inteligencia artificial está entrando en una etapa en la que la transparencia se vuelve cada vez más tangible.
El reto ya no consiste únicamente en reconocer que se está utilizando IA. Consiste en construir los mecanismos que permitan a las personas, a los sistemas y a las propias organizaciones identificar y comprender esa participación cuando sea relevante.
Esto implica diseñar notificaciones adecuadas para las interacciones con IA, incorporar mecanismos técnicos de identificación en los contenidos generados cuando corresponda, considerar cómo funciona realmente la revisión humana e integrar estas capacidades en los flujos de trabajo de IA desde el principio.
Para los responsables de tecnología y negocio, el mensaje es sencillo: la transparencia no debería tratarse como algo que se añade después de construir un sistema de IA. Debería formar parte del propio sistema porque a medida que la IA resulta cada vez más difícil de distinguir de la interacción y el contenido creados por personas, la confianza dependerá no solo de lo que la IA sea capaz de hacer, sino también de hasta qué punto las organizaciones pueden mostrar con claridad cuándo, dónde y cómo interviene la inteligencia artificial.
Y es precisamente ahí donde comienza la próxima fase de la transparencia en IA.