Las fotos de tus hijos son inocentes. Lo que alguien puede hacer con ellas usando IA puede que no lo sea.

ADVERTENCIA DE CONTENIDO SENSIBLE

Este informe aborda la explotación y abuso sexual infantil, la violencia, los deepfakes y otros usos criminales o abusivos de la inteligencia artificial. El contenido tratado puede ser perturbador o desencadenar desencadenantes emocionales.

TecEdi no reproduce imágenes explícitas, material de abuso sexual infantil ni contenido gráfico. El propósito de este contenido es exclusivamente periodístico, informativo y de sensibilización.

En Brasil, adquirir, poseer, almacenar o solicitar material de violencia sexual contra niños o adolescentes es un delito. Ofrecer, transmitir, distribuir, publicar o compartir este contenido también constituye delito, según los art. 241-A y 241-B del Estatuto del Niño y la Adolescencia. Desde agosto de 2026, el artículo 241-C menciona expresamente la simulación por manipulación tecnológica, incluyendo con inteligencia artificial, y el artículo 241-E abarca representaciones reales o ficticias generadas o manipuladas digitalmente.

Este es un informe sobre un delito y sus impactos. No se exhibirá, pondrá a disposición ni indicará ningún material ilegal.

Una foto de cumpleaños, una imagen del primer día de colegio o un registro de un partido de fútbol no contiene nada malo. El niño no hizo nada malo. Los padres que guardaron o compartieron ese momento tampoco crearon el crimen. El problema comienza cuando otra persona copia la imagen y usa una herramienta digital para fabricar una representación sexual que nunca existió.

Esto ya no es una hipótesis. En agosto de 2026, la Policía Federal abrió la Operación Capa Protectora para investigar la creación y difusión de contenido sexual que involucre a un adolescente. Según el comunicación oficial del PF, el material habría sido producido manipulando imágenes reales de la víctima con inteligencia artificial y difundido en una aplicación de mensajería. Se entregaron órdenes y se incautó un teléfono móvil para la investigación forense. La investigación continuaba cuando concluyó este informe, por lo que no hay base para tratar la sospecha como una condena.

En Estados Unidos, documentos judiciales recopilados por el Departamento de Justicia registran un caso aún más directo. William Haslach, exfuncionario del distrito escolar de Minnesota, fotografió a niños bajo su cuidado vestidos, en imágenes que el propio DOJ describe como no explícitas, y luego las usó para producir representaciones manipuladas por ordenador e IA. Se habían identificado casi 60 víctimas. Haslach se declaró culpable en abril de 2026 de intentar producir y reproducir una representación obscena del abuso infantil. La sentencia aún no estaba registrada en la página oficial consultada.

Estos casos apoyan un hallazgo incómodo: una fotografía inocente puede transformarse sin que el niño o la familia lo sepan. No prueban que todas las fotos infantiles de internet se utilicen de esta manera, ni que la eliminación completa de los niños del entorno digital sea posible o deseable. Lo que sí demuestran es que el riesgo existe y que sus consecuencias no desaparecen porque la escena haya sido fabricada.

Cómo la IA ha cambiado la manipulación de imágenes

Los montajes y las falsificaciones no nacieron con la inteligencia artificial. Lo que ha cambiado es la combinación de velocidad, escala, bajo coste y la capacidad de producir variaciones. Tareas que antes requerían edición manual pueden ser parcialmente automatizadas por sistemas que generan o alteran imágenes a partir de instrucciones, referencias visuales o ambos.

Es importante separar los diferentes procesos que aparecen bajo la misma etiqueta.

1. Imagen completamente sintética: Las personas y escenas se generan sin representar deliberadamente a un niño real identificable.
2. Foto real manipulada: El rostro, el cuerpo u otra característica de un niño específico se inserta o se convierte en una falsificación.
3. Material de abuso preexistente cambiado: Los registros de las víctimas reales se modifican para crear nuevos archivos y prolongar la revictimización.
4. Falsificación íntima para coacción: Una imagen inventada se utiliza en acoso, acoso, chantaje o sextorsión.
5. Datos de entrenamiento contaminados: El material ilegal o sospechoso aparece en un conjunto utilizado para desarrollar modelos.

Estas categorías pueden cruzarse, pero no son equivalentes. Una imagen completamente sintética no necesariamente tiene a un niño fotografiado como víctima directa de esa escena. Una falsificación hecha con el rostro de un niño real golpea a alguien identificable. Alterar material de abuso existente reexplota a una víctima cuya violencia ha sido registrada. Y un archivo presente en los datos de entrenamiento crea un problema de origen y gobernanza, incluso si el usuario nunca envía una foto específica al sistema.

Entrenar a un modelo y enviar una foto son cosas distintas

Durante el entrenamiento, un modelo analiza muchos ejemplos y ajusta parámetros matemáticos para aprender patrones. Esto no debe describirse como un álbum convencional almacenado dentro de la herramienta. Aun así, el origen y la limpieza de estos datos importan.

En 2023, una investigación del Observatorio de Internet de Stanford encontró más de 3.200 imágenes sospechosas de material de abuso sexual infantil en la sala abierta LAION-5B, utilizando coincidencias de huellas dactilares y análisis adicionales. O Informe universitario Recomendó una limpieza más rigurosa y la retirada de copias contaminadas. La conclusión se aplica al conjunto examinado. No autoriza declarar que todos los generadores o todos los modelos comerciales fueron entrenados con material ilegal.

Otra situación ocurre después de que el modelo ya existe. Una persona puede proporcionar la fotografía de un niño específico para editar la imagen, transferir características o guiar una generación. En este caso, la foto funciona como la entrada de esa operación. Esto no demuestra que formara parte de la formación original. Los casos de la Policía Federal y el Departamento de Justicia muestran precisamente el daño vinculado a la manipulación posterior de personas identificables.

En 2025, el Centro Nacional para Niños Desaparecidos y Explotados (NCMEC) recibió más de 30.000 denuncias de usuarios que intentaron generar material abusivo enviando un archivo acompañado de texto. La agencia también registró más de 145.000 informes sobre interacción o alteración de un archivo sin texto adjunto, y más de 12.000 en los que las empresas indicaron material encontrado en datos de formación. Las categorías refuerzan por qué la formación, la subida y el resultado final no pueden tratarse como el mismo paso.

Material de abuso sexual infantil generado por IA

El término preferido en este artículo es Material sobre abuso sexual infantil, traducido del acrónimo inglés CSAM. La expresión evita convertir el abuso infantil en una categoría de entretenimiento para adultos. Con inteligencia artificial, este material puede adoptar formas completamente sintéticas o mezclar elementos reales y fabricados.

Si la imagen es artificial, ¿también lo está daño?

La respuesta depende de lo que se creó, cómo se usó y quién fue golpeado. Cuando la falsificación representa a un niño real, puede haber humillación, miedo, acoso, pérdida de confianza, circulación entre compañeros y la necesidad de explicar repetidamente que nunca ocurrió. Cuando el archivo deriva de material de abuso existente, la víctima vuelve a ser explotada. Cuando es completamente sintético, no necesariamente se fotografía a un niño en la escena, pero las autoridades advierten que el expediente puede alimentar a las comunidades criminales, normalizar la sexualización infantil y aumentar el volumen que los investigadores deben examinar al buscar víctimas reales.

A Operación Cumberland, coordinado con el apoyo de Europol, mostró esta última situación. En febrero de 2025, las autoridades de 19 países identificaron a 273 sospechosos, arrestaron a 25 personas, realizaron 33 registros e incautaron 173 dispositivos en una investigación sobre material completamente generado por IA. Estos son resultados operativos, no 273 condenas. Europol destacó que el aumento de archivos sintéticos dificulta el cribado e identificación de las víctimas.

Los casos documentados muestran diferentes víctimas

La demanda de Minnesota demuestra el uso de fotografías ordinarias obtenidas por alguien que tuvo acceso directo a los niños. No hay indicios en la página del DOJ de que las imágenes manipuladas fueran distribuidas, y la agencia también informa que no hay cargos de abuso físico contra los niños bajo el cuidado del demandado. Estas distinciones son esenciales: el daño documentado no necesita ser magnificado por alegaciones que la demanda no hace.

En Ohio, James Strahler II se declaró culpable en abril de 2026 de delitos que incluían acoso digital, producción de representaciones obscenas y publicación de falsificaciones digitales. Según el Departamento de Justicia, utilizó los rostros de chicos de su comunidad en contenido manipulado y publicó cientos de imágenes con víctimas reales y personajes animados. La sentencia se fijaría más tarde.

En Brasil, la Operación Capa Protectora ofrece un ejemplo bajo investigación, no juzgado. El PF afirmó que las imágenes reales de un adolescente habrían sido manipuladas y compartidas. El uso del verbo en el condicional no es una formalidad: la orden judicial, la incautación y la forense forman parte de la búsqueda de pruebas. Solo el proceso puede establecer la responsabilidad penal.

En conjunto, los tres registros muestran diferentes vías hacia el daño: una relación de confianza, acceso a los rostros de las personas de la comunidad y circulación por mensajería. Ninguno de ellos nos permite estimar cuántas fotografías públicas se han copiado en el mundo. Nos permiten afirmar que los niños reales ya han sido convertidos en objetivos basándonos en imágenes que, al principio, no registraban abusos.

Lo que realmente miden los números

El NCMEC comenzó a rastrear los informes con un nexo de IA en CyberTipline en enero de 2023. Hubo 4.700 en 2023, 67 mil en 2024 y más de 400 mil en 2025. Entre enero de 2023 y diciembre de 2025, sus analistas clasificaron más de 158 mil imágenes y vídeos enviados en informes como generados por IA. La agencia también informó haber identificado más de 275 víctimas directas en 2024 y 2025.

Año	Informes de AI-Nexus recibidos por CyberTipline
2023	4.700
2024	67.000
2025	Más de 400.000

Estas cifras requieren moderación metodológica. Un informe no es sinónimo de un menor, perpetrador, delito único o condena. Puede contener varios archivos y el mismo material puede llegar a través de más de una empresa. La capacidad para identificar IA y formularios de denuncia también ha cambiado a lo largo del periodo. El aumento muestra un crecimiento en lo que se ha detectado y reportado, pero no mide por sí solo la prevalencia total de delitos.

La Internet Watch Foundation, IWF, utiliza otra unidad. La organización grabó 7.063 imágenes y vídeos de IA en 2024 y 8.029 en 2025. Dentro del vídeo recopilado, el Informe Anual 2025 apunta a 3.443 archivos, en comparación con 13 del año anterior. Informes, URLs y archivos son denominadores diferentes. Sumarlos produciría un número grande pero falso.

Deepfakes íntimos, acoso y sextorsión

Las aplicaciones llamadas "nudify" prometen fabricar desnudos a partir de una fotografía vestida. El Comisionado de Seguridad en línea de Australia informa que selfies, fotos escolares y publicaciones sociales se utilizan en falsificaciones íntimas que circulan entre los estudiantes. La víctima puede que nunca haya producido o enviado una imagen íntima real.

El daño no depende de que el público crea en la autenticidad para poder existir. La imagen puede usarse para avergonzar, eliminar, acosar o presionar. En la sextorsión, el agresor amenaza con publicar la falsificación para obtener dinero, nuevas imágenes o algún comportamiento de la víctima. O NCMEC documenta casos en la que un niño se negaba a enviar una foto íntima y el agresor fabricaba una para continuar el chantaje.

La orientación central de las autoridades no es pagar ni producir más contenido. Ceder no garantiza el fin de la amenaza y puede aumentar las demandas. La víctima debe escuchar claramente que no tiene la culpa, incluso si ha enviado una foto o hablado con el agresor. La persona responsable debe conservar mensajes, nombres de perfil, horarios y direcciones de correo electrónico útiles para la denuncia, sin redistribuir el archivo abusivo.

Lo que los padres y tutores deben saber

El riesgo no requiere pánico ni desaparición digital. Requiere decisiones conscientes. A La Agencia Nacional del Crimen de Gran Bretaña y la IWF Avisa que las fotos familiares pueden copiarse de redes sociales, sitios web o aplicaciones de mensajería y manipularse. Ninguna configuración ofrece protección absoluta, porque el destinatario puede guardar, reenviar o capturar la pantalla. Aun así, reducir la exposición disminuye las posibilidades de mal uso.

• Revisa quién puede ver las publicaciones. El perfil privado es una barrera útil, pero también hay que revisar la lista de seguidores.
• Audita las fotos antiguas. Archivar publicaciones públicas reduce la cantidad de material disponible para desconocidos.
• Evita combinar cara, nombre completo y rutina. La escuela, el uniforme, la dirección, la geolocalización, los horarios frecuentes y los lugares ayudan a terceros a identificar y acercarse a un niño.
• Habla con familiares y amigos. La elección de la privacidad pierde efecto cuando otras personas publican abiertamente la misma imagen.
• Lee los términos de escuelas, clubes y eventos. Pregunta dónde se publicarán las fotos, por cuánto tiempo y cómo retirar el consentimiento.
• Incluye al niño en la decisión. Dependiendo de su edad, pregunta si aceptan la publicación y explica que los archivos en línea pueden copiarse.
• Prefiero fotogramas menos identificables cuando sea posible. Fotos detalladas, actividades o momentos sin rostro pueden preservar la memoria con menos exposición.
• Desactiva la búsqueda automática y elimina detalles innecesarios. El problema no es solo el archivo, sino el contexto recopilado a su alrededor.

Estas medidas reducen riesgos, no garantizan. Tampoco trasladan la culpa a los padres o a los hijos cuando alguien comete abusos. La responsabilidad recae en quienes copian, fabrican, amenazan o distribuyen.

Si aparece una falsificación que involucra a un niño

1. Abrázate antes de investigar. Diles que el niño no tiene la culpa y que hizo bien al pedir ayuda.
2. No les pidas que descarguen ni reenvíen el archivo. Esto puede ampliar la circulación y exponer a más personas a material ilegal.
3. Conserva el contexto de forma segura. Almacena URLs, nombres de usuario, fechas, mensajes de amenaza y números de protocolo. La Policía Federal recomienda preservar pruebas digitales, pero almacenar material ilegal en sí requiere orientación de la autoridad.
4. Repórtalo directamente en la plataforma. Utiliza las categorías de abuso infantil, imagen íntima sin consentimiento, falsificación o acoso.
5. Busca a la policía. La denuncia puede presentarse ante la Policía Civil; los casos con repercusiones federales o transnacionales pueden ser remitidos por la Denuncia de delitos por parte de la Policía Federal.
6. Utiliza los canales nacionales. O Guía del Gobierno Federal indica el 100, la Fiscalía y el Centro Nacional de Quejas de SaferNet.
7. Pide que te lo retiren, pero mantén las expectativas realistas. O Quítalo Crea una huella digital de imágenes íntimas producidas cuando la persona tenía menos de 18 años en el dispositivo y la comparte con las plataformas participantes, sin enviar el archivo original. La cobertura no incluye todo internet.
8. Busca apoyo psicológico y legal cuando sea necesario. La circulación puede generar ansiedad, aislamiento y miedo incluso cuando todo el mundo sabe que la imagen es falsa.

Si existe un riesgo inmediato para la integridad del menor, contacte con el servicio de emergencias y la autoridad local. Este informe no sustituye el asesoramiento legal individual.

IA, guerras y pruebas falsas

El mismo poder de fabricar una escena plausible afecta a los registros de ataques, protestas, muertes y desastres. El Comité Internacional de la Cruz Roja (CICR) afirma que los sistemas de IA se utilizan para producir textos, audios, fotografías y vídeos falsos que son cada vez más difíciles de distinguir del contenido genuino. En conflicto, la desinformación puede alterar decisiones, causar desplazamientos, amplificar la hostilidad y poner en riesgo a los civiles.

Hay dos problemas distintos. El primero es presentar una imagen inventada como prueba de algo que no ocurrió. El segundo es publicar material real con un pie de foto, lugar o fecha falsos. En 2023, al comienzo de la guerra entre Israel y Hamás, los expertos observaron que gran parte de las falsedades visuales virales seguían procediendo de grabaciones reales antiguas o fuera de contexto, no de imágenes avanzadas de IA. La nueva tecnología no ha borrado los antiguos métodos de engaño.

En 2026, los investigadores escucharon a la Instituto Reuters de la Universidad de Oxford Se informó de un crecimiento de imágenes sintéticas en la guerra de la información y se necesitó más tiempo para autenticar los registros. El informe también documentó la mezcla de material fabricado con imágenes auténticas, una combinación que hace que todo el entorno sea menos fiable.

El problema inverso: llamar "IA" a una fotografía real

La mera existencia de deepfakes crea una vía conveniente para quienes quieren negar la evidencia real. Los investigadores llaman a esto El Dividendo del Mentiroso. En lugar de demostrar que una foto fue fabricada, alguien explota la duda colectiva y solo dice que "parece IA".

En los conflictos, esta acusación puede desacreditar el historial de víctimas, ataques o violaciones. En la vida cotidiana, puede permitir que el autor de una amenaza diga que el audio verdadero es falso. La consecuencia es una erosión más amplia: las imágenes artificiales pueden engañar, mientras que las auténticas no convencen.

Por lo tanto, comprobar una fotografía no significa buscar manos deformadas, sombras extrañas u otros defectos populares. Los modelos cambian, el postprocesado oculta pistas y las imágenes reales también presentan compresión, desenfoques y errores ópticos. El origen del archivo, la primera publicación, la ubicación, la hora, otras grabaciones y la confirmación por fuentes independientes pesan más que una impresión visual aislada.

Cómo están respondiendo las empresas y plataformas

Las respuestas aparecen en diferentes momentos del ciclo. Los desarrolladores pueden filtrar conjuntos de entrenamiento, probar si el modelo acepta solicitudes abusivas, bloquear subidas y salidas, registrar señales de procedencia y ofrecer canales de informe. Las plataformas pueden combinar la identificación digital de material conocido, clasificadores para contenido nuevo, análisis de comportamiento y equipos humanos especializados.

La iniciativa Seguridad por diseño para la IA generativa, organizado por Thorn y All Tech Is Human, recomienda la protección desde el desarrollo hasta el mantenimiento del servicio. Entre las medidas se encuentran separar las representaciones de niños del contenido sexual adulto en los datos de entrenamiento, evaluar capacidades antes del lanzamiento, detectar entradas y salidas abusivas, eliminar modelos creados para sexualizar imágenes y compartir indicadores con organizaciones de protección.

Ninguna capa lo resuelve todo. Una huella digital funciona muy bien para redescubrir un archivo conocido, pero cada cambio puede crear una nueva versión. Un filtro puede bloquear usos legítimos por error o pasar por alto un intento delictivo. Los modelos que se ejecutan fuera de servicios controlados pueden perder protecciones. La transparencia sobre resultados, fallos y recursos dedicados a la seguridad es tan importante como anunciar un bloqueo.

Lo que están haciendo las autoridades

El trabajo policial debe distinguir contenido sintético de víctimas reales, localizar a personas en riesgo y preservar pruebas digitales sin ampliar la circulación. En la Operación Cumberland, Europol proporcionó coordinación, inteligencia y análisis a los países participantes. En Estados Unidos, el FBI, el Servicio Secreto y la policía local aparecen en los procesos analizados. En Brasil, el PF proporciona patrullas virtuales en entornos digitales públicos y mantiene el programa Guardianes de la Infancia.

El volumen es un obstáculo. En 2025, CyberTipline recibió 21,3 millones de informes en todas las categorías, que contenían 61,8 millones de archivos enviados por proveedores. Más de 400.000 informes tenían cierta relación con la IA, pero más de la mitad no tenía suficiente detalle para clasificar exactamente cómo participaba la tecnología. Una avalancha de nuevos archivos puede consumir tiempo que también es necesario para localizar a niños en peligro inmediato.

Lo que dice la ley brasileña

A Ley 15.487, de 6 de agosto de 2026 se actualizó el Estatuto del Niño y del Adolescente y cerró parte del debate sobre las representaciones generadas por la tecnología.

• O Artículo 241-A prevé penas de prisión de cuatro a diez años y una multa por ofrecer, transmitir, distribuir, publicar o difundir contenido de violencia sexual contra menores o adolescentes.
• O Artículo 241-B prevé penas de prisión de tres a seis años y una multa por adquirir, poseer, almacenar o solicitar este material. La ley también regula el acceso o la visualización con fines sexuales.
• O art. 241-C prevé prisión de tres a cinco años y una multa por simular la participación de un niño o adolescente por manipular, editar o modificar una imagen o voz, incluso con IA.
• O Artículo 241-E define el material de tal manera que incluya a un niño o adolescente real o ficticio en una representación producida, manipulada o generada por tecnologías digitales.

La solicitud depende de los hechos y pruebas de cada caso. La ley brasileña no debe usarse automáticamente para describir procesos extranjeros, que siguen a otros tipos de delitos. De manera similar, una detención o registro no constituye una condena, y una persona que se ha declarado culpable aún puede esperar sentencia.

Los detectores de IA no son jueces

Las herramientas automáticas suelen devolver una probabilidad, no un certificado de autenticidad. O NIST, Instituto de Normas de los Estados Unidos, explica que el rendimiento varía en función del generador, el conjunto utilizado en la prueba y los cambios aplicados posteriormente. La compresión, el redimensionamiento y el ruido pueden reducir la precisión. Un detector entrenado con imágenes de un sistema suele funcionar mejor en ese sistema que frente a un generador desconocido.

Los estándares de procedencia, como C2PA, siguen una lógica diferente. Pueden adjuntar un historial verificable de origen y edición a un archivo. Esto ayuda a comprobar la cadena de producción, pero el propio C2PA Señala que la acreditación no decide si la narrativa grabada es verdadera. Y la ausencia de una credencial no prueba que una fotografía sea falsa, ya que la adopción aún no es universal y los metadatos pueden perderse.

En una investigación seria, la detección, la procedencia, el análisis forense, el contexto y la confirmación independiente se complementan entre sí. Ningún botón cierra la pregunta.

Lo que aún no sabemos

No existe un recuento público fiable de todas las fotografías comunes de niños copiadas para manipulación. Los casos descubiertos solo representan lo que ha llegado a las autoridades o plataformas. Tampoco es posible convertir el número de denuncias en una estimación directa de las víctimas.

Todavía existe poca investigación longitudinal sobre los efectos específicos de una falsificación íntima en la infancia, separada de otras formas de violencia basada en la imagen. Los daños reportados son reales, pero su duración y su relación con la edad, la circulación, la respuesta escolar y el apoyo familiar necesitan estudios más amplios.

Tampoco conocemos la tasa de error de los filtros utilizados por cada servicio, porque las empresas revelan diferentes niveles de detalle. Los sistemas cerrados pueden tener fuertes protecciones sin suficiente transparencia para una evaluación externa. Los sistemas abiertos permiten auditorías, pero también pueden modificarse para eliminar barreras.

Finalmente, ninguno de los datos presentados aquí nos permite concluir que toda la inteligencia artificial generativa produce este riesgo en la misma medida. La arquitectura, los datos, los controles de acceso, la moderación y la distribución cambian mucho entre herramientas.

Una imagen fabricada puede causar una consecuencia real

La evidencia no exige una condena genérica de la inteligencia artificial. Exige precisión. Existen herramientas que ayudan a la ciencia, la accesibilidad, la creación y la educación. También hay personas que utilizan la misma capacidad para sintetizar y editar para explotar a niños, acechar víctimas y fabricar registros de guerra.

Una foto familiar no tiene la culpa de haber sido copiada. Un niño no se vuelve responsable por aparecer con uniforme, porque aceptó a un seguidor o porque confió en alguien. La privacidad y la educación digital reducen las oportunidades, pero no sustituyen a plataformas seguras, investigaciones competentes, leyes aplicables y apoyo a las víctimas.

La imagen puede ser artificial. La vergüenza impuesta, el chantaje, el miedo a ir a la escuela, el trabajo policial desperdiciado y la duda sobre pruebas reales no lo son.

Fuentes consultadas

• Ley 15.487/2026, Cámara de Diputados
• Operación Capa Protectora, Policía Federal
• Cómo denunciar contenido criminal en línea, Gobierno Federal
• Lucha contra el cibercrimen, Policía Federal
• Datos de CyberTipline 2025, NCMEC
• Inteligencia Artificial Generativa y Protección Infantil, NCMEC
• Caso William Haslach, Departamento de Justicia de Minnesota
• Caso James Strahler II, Departamento de Justicia de Ohio
• Alerta de material generado por IA, IC3/FBI
• Operación Cumberland, Europol
• Informe Anual 2025, Internet Watch Foundation
• Guía para padres y tutores, IWF y la Agencia Nacional del Crimen
• Guía de la Agencia Nacional contra el Crimen sobre Fotos Familiares
• Deepfakes y escuelas, Comisionado de eSeguridad de Australia
• Informe del Observatorio de Internet de Stanford sobre LAION-5B
• Seguridad por diseño para IA generativa, Thorn y toda tecnología humana
• Límites de detección de contenido sintético, NIST
• Explicación del patrón de procedencia C2PA
• IA y conflicto armado, Comité Internacional de la Cruz Roja
• IA y la "niebla de la guerra", Reuters Institute de la Universidad de Oxford
• Quítalo, NCMEC