La erosión de la verdad
A lo largo de este capítulo hemos explorado cómo los deepfakes no solo erosionan nuestra confianza en lo que vemos, sino que plantean una crisis epistemológica fundamental: ¿cómo construimos verdades compartidas cuando la evidencia audiovisual —el pilar del conocimiento empírico— puede ser sintética e indistinguible de la realidad? La respuesta, concluimos, no puede ser puramente técnica. La verdad es un logro colectivo que requiere instituciones resilientes, alfabetización crítica y, sobre todo, una epistemología reticular donde la verificación emerge de redes distribuidas, no de autoridades centralizadas.

Dilema 3. La erosión de la verdad
¿Cómo construimos verdades compartidas cuando la evidencia audiovisual —el pilar del conocimiento empírico— puede ser sintética e indistinguible de la realidad?
¿Pero qué sucede cuando la rapidez y la magnitud de la desinformación nos obligan a automatizar dicha verificación? La situación de “VeriFast” nos ubica exactamente en ese momento crucial: un sistema de inteligencia artificial creado con el propósito de salvaguardar la verdad, que, irónicamente, tiene el potencial de ser un medio para ejercer censura y control. Las manifestaciones de las tensiones estructurales que el capítulo anticipó son los falsos positivos, la captura por regímenes autoritarios y el sesgo algorítmico en contra de voces marginadas; no son errores técnicos que se puedan remediar.
Este dilema no cuestiona si tenemos que luchar contra los deepfakes —eso está claro—, sino quién tiene la autoridad para decidir qué es verdadero y bajo qué circunstancias. La alternativa de la optimización técnica ofrece más eficiencia, pero mantiene la falta de transparencia del oráculo algorítmico. La descentralización verificativa proporciona autonomía y transparencia, pero sacrifica la velocidad y la consistencia. Ninguna soluciona el asunto de manera total, ya que, tal como nos demostró el capítulo, no hay una única solución que sea suficiente.
Tu respuesta a este dilema no solo mostrará qué sistema de verificación prefieres, sino también el tipo de sociedad que estás dispuesto a crear ante la incertidumbre epistémica constante: una que favorezca la seguridad rápida con el peligro del autoritarismo algorítmico, o una que asuma lo complicado y lo lento de la deliberación colectiva, aunque eso le permita ser más susceptible a la manipulación. Como hemos señalado: en la época de los deepfakes, la verdad no se vuelve imposible, sólo más compleja. Y por esa razón, más importante.
«VeriFast» es un sistema de inteligencia artificial implementado por una gran plataforma de redes sociales llamada «ConectaRed» para identificar y etiquetar automáticamente deepfakes y contenido manipulado. Utiliza redes neuronales convolucionales y análisis de metadata para detectar inconsistencias en vídeos y audios en tiempo real. Su objetivo declarado es “proteger la integridad del discurso público y prevenir la desinformación a escala masiva”.
Tras dos años de implementación, los resultados presentan un balance ambiguo:
A favor:
- Reducción del 40 % en la viralización de deepfakes conocidos y de alto perfil.
- Detección y etiquetado del 92 % de contenido manipulado reportado por usuarios verificados.
En contra:
- Falsos positivos: 15 % de los contenidos etiquetados como «potencialmente manipulados» resultaron ser auténticos tras revisión humana, afectando especialmente a periodistas ciudadanos y activistas de derechos humanos.
- Sesgo algorítmico: El sistema mostró una tasa de error significativamente mayor en contenido producido en lenguas minoritarias y en contextos de baja resolución técnica, lo que llevó a la censura inadvertida de voces marginadas.
El detonante del caso es la filtración de un informe interno que revela que VeriFast ha sido utilizado por gobiernos autoritarios para vigilar y suprimir contenido disidente bajo el pretexto de combatir deepfakes, aprovechando la opacidad del algoritmo. Un grupo de organizaciones de la sociedad civil exige la auditoría inmediata y la posible suspensión del sistema.
El Consejo de Gobernanza Digital de ConectaRed, compuesto por expertos en ética, tecnólogos y representantes de la sociedad civil, debe tomar una decisión.
Opción A: Optimización Técnica con Supervisión Híbrida
Mejorar la precisión del algoritmo mediante aprendizaje por refuerzo humano (human-in-the-loop), manteniendo la escalabilidad pero introduciendo paneles de revisión rápida para casos fronterizos.
- Pros: reduce falsos positivos; mantiene la capacidad de respuesta rápida; permite aprendizaje continuo del sistema.
- Contras: No aborda el problema del sesgo estructural en los datos de entrenamiento; la supervisión humana puede ser inconsistente y vulnerable a la fatiga o la manipulación.
Opción B: Descentralización Verificativa con Transparencia Radical
Reemplazar el sistema centralizado por una red de verificadores independientes y herramientas de código abierto que permitan a los usuarios y organizaciones civiles auditar el contenido de forma colaborativa, incluso a costa de la velocidad.
- Pros: mayor transparencia y rendición de cuentas; reduce el riesgo de abuso por parte de actores estatales o corporativos; empodera a la comunidad.
- Contras: más lento y menos escalable; puede generar inconsistencia en los criterios de verificación; requiere un alto nivel de alfabetización digital en los usuarios.
Ninguna de las dos alternativas es suficiente por sí misma, ya que ambas comparten el error de base: la idea de que se puede resolver la validación de la verdad eligiendo entre quién la valida —una comunidad o una máquina— en vez de preguntarnos cómo podemos construir legitimidad en ese proceso.
La Opción A promete eficacia; sin embargo, mantiene un sistema paternalista en el que una entidad centralizada determina lo que es verdadero, reproduciendo de manera exacta las estructuras de poder que los regímenes autoritarios han utilizado. El problema principal no se soluciona con la supervisión de los humanos: continúa siendo un oráculo oscuro que requiere una confianza ciega.
La Opción B acepta la transparencia y la independencia; sin embargo, su lentitud no es únicamente un obstáculo técnico: en los deepfakes, cada hora de verificación representa una hora en la que el daño ya ha ocurrido. Y la descentralización, sin las debidas salvaguardas, tiene el potencial de replicar las mismas polarizaciones y sesgos que intenta prevenir.
Sugiero una tercera opción: un modelo híbrido que admita que la lucha contra los deepfakes no es una guerra técnica, sino por la definición de la verdad en el ámbito público. Esto necesita:
- Auditoría algorítmica independiente y constante, que se enfoca prioritariamente en idiomas minoritarios y situaciones con baja resolución técnica, ya que el sesgo es más mortal allí.
- Sistema de apelación ágil y accesible para los usuarios que han sido perjudicados por falsos positivos, con revisión preferente para activistas y periodistas ciudadanos, precisamente debido a que son los más propensos a la censura inadvertida.
- Transparencia radical estratificada: para información ambigua, clasifíquela como “en verificación” y haga públicas las métricas de incertidumbre del algoritmo, lo que permite a la comunidad contextualizar y deliberar mientras el sistema procesa.
- Alianzas con verificadores locales e independientes, estableciendo una red confiable que no dependa de un único nodo institucional o tecnológico, sino que comparta la responsabilidad epistémica.
Esta perspectiva sostiene que la verdad en la época de los deepfakes no se protege con más algoritmos, sino con una mayor democracia. La solución tiene que ser tan variada y compleja como la sociedad a la que sirve, dándole siempre prioridad a proteger las voces más vulnerables por encima de la simple eficiencia. El capítulo nos mostró que la verdad no es un hecho que se descubre, sino un logro colectivo que tenemos que construir en conjunto, incluso —y sobre todo— cuando resulta más complicado.