Detectar imatges creades amb IA resulta cada cop més difícil. Els generadors actuals d'Intel·ligència Artificial poden produir fotografies amb pell, il·luminació, expressions facials i escenaris tan prou realistes que poden arribar a confondre fins i tot usuaris acostumats a revisar imatges diàriament. No obstant això, encara hi ha alguns senyals visuals, físics i tècnics que permeten descobrir moltes fotografies generades amb IA quan s'analitzen amb mètode.
A plataformes de cites, webs d'acompanyament, xarxes socials o contactes adults, aprendre com saber si una foto és IA pot ajudar a detectar perfils falsos, suplantacions de personalitat i situacions de catfishing. La clau el 2026 ja no consisteix a buscar únicament errors evidents com que una persona aparegui amb sis dits. A dia d'avui, per detectar imatges creades amb Intel·ligència Artificial cal combinar anatomia, coherència entre fotografies, il·luminació, accessoris, metadades i eines automàtiques.
La intel·ligència artificial ha revolucionat la generació d'imatges i continua millorant dia a dia i de manera molt ràpida. Senyals que funcionaven molt bé el 2023 són molt menys concloents actualment. Per això, aquesta guia que us oferim aquí explica quins indicis segueixen sent útils, quins han perdut fiabilitat i com analitzar una fotografia sense confondre una imatge sintètica amb una fotografia real simplement retocada.
Índex de continguts
Per què és important detectar imatges creades amb IA
Les imatges sintètiques es poden utilitzar legítimament per a disseny, publicitat o creativitat, però adquireixen una altra dimensió quan presenten com a real una persona que no existeix. En perfils de cites, acompanyament o xarxes socials, una fotografia artificial es pot utilitzar per construir una identitat fictícia, atraure converses o aconseguir que una altra persona confiï en un perfil inexistent.
Entre els riscos més habituals hi ha la suplantació d'identitat, el catfishing i els perfils fraudulents . També hi ha una situació intermèdia: fotografies d'una persona real profundament modificades mitjançant IA fins que la seva aparença ja no representa de manera raonable qui apareix originalment.
A plataformes adultes la verificació té especial importància perquè una fotografia pot influir directament en la decisió de contactar amb un perfil. Per això no caldria avaluar una imatge aïllada, sinó relacionar-la amb documentació, fotografies addicionals i altres sistemes de comprovació quan estiguin disponibles.
També és important distingir entre retoc fotogràfic i imatge completament sintètica . Corregir il·luminació, suavitzar lleugerament la pell o ajustar contrast no converteix una fotografia en una imatge generada per IA. El problema apareix quan la identitat, el cos o una bona part de l'escena han estat creats artificialment o modificats fins alterar substancialment la realitat.
Senyals anatòmics: mans, dits i extremitats
Les mans van ser durant anys un dels punts febles més recognoscibles dels generadors d'imatges. El 2022 i 2023 era relativament habitual trobar dits addicionals, articulacions impossibles o mans directament deformades. Aquest mètode continua sent útil per detectar quan una imatge ha estat generada per IA, però el 2026 ja no es pot utilitzar com a prova única.
Dits extra, fusionats o deformats
Amplia la fotografia i explica els dits quan les mans estiguin clarament visibles. Un exemple clàssic seria trobar sis dits en una mà , dos dits fusionats o un polze situat en un angle anatòmicament impossible. També convé observar on comença i acaba cada dit: algunes imatges aparentment correctes contenen articulacions que desapareixen en seguir visualment el recorregut.
Models com Midjourney V6 van millorar significativament la coherència de les mans respecte a generacions anteriors, de manera que trobar cinc dits correctament dibuixats ja no demostra que la imatge sigui autèntica.
Ungles inconsistents o irreals
Les ungles ofereixen una segona capa danàlisi. Busqueu ungles amb diferent longitud sense motiu, esmalts que canvien sobtadament de color, vores que es barregen amb la pell o dits on l'ungla sembla aparèixer parcialment duplicada. En manicures elaborades, comprova a més si el disseny conserva una lògica raonable entre les dues mans.
Peus i anatomia de cames
Els peus solen rebre menys atenció visual que la cara i poden conservar errors que passen desapercebuts. Observa dits, turmells i continuïtat entre panxell i peu. En fotografies de cos sencer també convé comparar la longitud de les cames, la posició dels genolls i si una extremitat sembla unir-se de manera estranya al mobiliari o al fons.
| Element analitzat | Possible senyal d'imatge generat amb IA | Què comprovar |
|---|---|---|
| Mans i dits | Dits extra, fusionats, deformats o articulacions poc naturals | Comptar els dits i revisar la continuïtat anatòmica de cada mà |
| Ungles | Formes irregulars, esmalt inconsistent o ungles que es barregen amb la pell | Comparar longitud, color, vores i simetria entre les dues mans |
| Cabell | Flocs que desapareixen, es fusionen amb el fons o travessen objectes | Ampliar especialment les zones properes a orelles, espatlles i accessoris |
| Arracades i pírcings | Accessoris diferents entre ambdós costats, incomplets o travessant els cabells | Comprovar geometria, simetria i continuïtat de lobjecte |
| Dents | Dents fusionades, repetitives, deformades o amb separacions poc naturals | Revisar somriures ampliats sense assumir que una dentadura perfecta implica IA |
| Ombres | Ombres orientades en una adreça incompatible amb la font de llum | Identificar d'on procedeix la il·luminació principal i comparar totes les ombres |
| Reflexos | Miralls o vidres que no reprodueixen correctament persones i objectes | Comparar posició, postura, il·luminació i objectes reflectits |
| Text de l'entorn | Lletres sense sentit, paraules deformades o caràcters barrejats | Ampliar cartells, samarretes, matrícules, etiquetes i pantalles |
| Tatuatges i lunars | Canvis de forma, posició o desaparició entre diverses fotografies | Comparar les mateixes zones corporals en diferents imatges del perfil |
| Metadades EXIF | Dades absents, contradictòries o poc coherents amb el suposat origen | Revisar càmera, model, data, ISO i obertura sense considerar l'absència d'EXIF com a prova definitiva |
Anàlisi del rostre i cabell
Les cares generades actualment poden ser extremadament convincents. Per això interessa abandonar la impressió general que algú sembla "massa perfecte" i cercar incoherències petites en diferents elements de la cara.
Asimetries facials subtils
Les cares reals no són perfectament simètriques, de manera que certa asimetria és completament normal. El que és sospitós apareix quan canvia l'estructura: una orella situada clarament més amunt que una altra, una pupil·la amb forma diferent, una cella que es transforma en arribar al cabell o una línia mandibular que sembla perdre continuïtat.
Dents irregulars o massa perfectes
Les dents van ser un altre senyal clàssic de la generació artificial. Convé revisar si el nombre aparent canvia, si diverses dents es fusionen o si determinades peces no tenen separació. Tot i això, una dentadura perfecta no demostra res per si sola: tractaments odontològics, il·luminació, filtres i retoc professional poden produir resultats visualment impecables.
Cabell amb textures impossibles o transicions abruptes
El cabell continua sent especialment interessant perquè conté centenars de línies fines superposades. Busca flocs que neixen i acaben sense lògica, zones on els cabells es fonen amb el fons, pèls que travessen aparentment una orella o una textura que canvia bruscament de llisa a borrosa.
Arracades, pírcings i accessoris inconsistents
Els objectes petits obliguen el generador a mantenir geometries precises. Un pendent que travessa el cabell , un cèrcol que no acaba de tancar-se o dos pendents clarament diferents quan haurien de formar parella són bones pistes. També poden desaparèixer parcialment collarets, pírcings, cadenes o muntures d'ulleres.
Coherència física i entorn
Quan el cos sembla perfecte, analitza allò que l'envolta. L'escena completa ha d'obeir les mateixes regles d'il·luminació, de perspectiva i de geometria. Els generadors han millorat notablement, però les composicions complexes continuen oferint oportunitats per trobar inconsistències.
Reflexos impossibles o absents
Els miralls, vidres i superfícies metàl·liques són especialment útils. Comproveu si el reflex reprodueix correctament la posició del cos, el mobiliari i les fonts de llum. Una persona situada davant d'un mirall hauria de guardar una correspondència lògica entre postura i reflex.
Ombres incorrectes o inconsistents
Identifica primer la principal font d'il·luminació i després observa com són les ombres. Si una finestra il·lumina des de l'esquerra, però apareix una ombra en direcció oposada a la llum sense cap segona font que la pugui explicar, hi ha una inconsistència física que mereix atenció.
Perspectives distorsionades
Busca línies que haurien de romandre paral·leles o convergir cap a un punt de fugida coherent: portes, rajoles, taules, edificis o marcs de finestres. Una cadira amb potes orientades cap a perspectives diferents o un sòl la geometria del qual canvia darrere del subjecte poden indicar generació o edició artificial.
Fons amb patrons repetitius o text il·legible
Les repeticions estranyes són útils: grups d'objectes gairebé idèntics, vegetació clonada o persones del fons amb trets deformats. També convé ampliar cartells, samarretes, matrícules o menús. DALL-E 3 va suposar una millora important respecte a models anteriors en detalls complexos i representació de text, però el text d'escenes generades pot continuar oferint errors o inconsistències.
Tatuatges i marques corporals
Els tatuatges són especialment valuosos quan disposem de diverses fotografies. No només interessa determinar si un tatuatge sembla estrany, sinó comprovar si manté exactament el mateix disseny, orientació i posició respecte al cos.
Un tatuatge pot resultar sospitós si canvia entre fotografies del mateix perfil, si determinats elements apareixen i desapareixen o si el dibuix es deforma de manera incompatible amb la postura. La perspectiva pot alterar-ne lleugerament la forma, però no hauria de transformar completament lletres, símbols o elements recognoscibles.
El mateix principi s'aplica a lunars, cicatrius, taques de naixement i petits pírcings. Si una marca visible en diverses fotografies desapareix precisament en determinades imatges, convé investigar abans de concloure que hi ha manipulació: maquillatge, il·luminació, resolució o inversió horitzontal de la fotografia també poden explicar diferències.
Metadades EXIF i anàlisi tècnica
Què són les metadades EXIF
La gran majoria de les càmeres i telèfons emmagatzemen informació tècnica sobre una imatge dins del fitxer fotogràfic de la mateixa. Les metadades EXIF poden incloure dades com ara marca de càmera, model, data de captura, ISO, obertura, velocitat d'obturació i altra informació relacionada amb la presa.
Aquestes dades poden aportar context addicional. Per exemple, una fotografia suposadament obtinguda directament des d'un telèfon podria conservar informació compatible amb aquest dispositiu. No obstant això, les metadades es poden eliminar, modificar o perdre durant el processament de la imatge.
Com consultar metadades d'una imatge
Una opció tècnica àmpliament utilitzada és ExifTool , que permet inspeccionar nombrosos camps de metadades. Per a usuaris que prefereixin una eina web, Jeffrey's Image Metadata Viewer permet examinar la informació inclosa en determinats fitxers sense necessitat d'interpretar manualment tota la seva estructura.
Limitacions: perquè l'absència d'EXIF no demostra que sigui IA
Una fotografia sense EXIF no s'ha de classificar automàticament com a artificial. WhatsApp , Instagram i nombroses plataformes poden comprimir les imatges, crear noves versions del fitxer o eliminar metadades durant la publicació i l'intercanvi.
A més, una imatge generada pot rebre metadades posteriorment i una fotografia real pot haver estat editada i exportada sense. Per tant, l'EXIF funciona com a pista complementària, mai com a prova definitiva.
Generadors actuals: Midjourney, Stable Diffusion, DALL-E 3
Per entendre com detectar imatges generades amb IA, cal conèixer l'evolució dels generadors. Midjourney V5 ja va produir un salt important en fotorealisme, mentre que Midjourney V6 va augmentar la coherència general i va reduir errors tradicionalment visibles. Les versions posteriors han continuat avançant especialment en cossos, mans, objectes i petits detalls.
Stable Diffusion XL va destacar per oferir una generació oberta amb un nivell elevat de detall i possibilitats molt àmplies de personalització. A més, el seu ecosistema permet aplicar models, ajustaments i tècniques d'edició diferents, per la qual cosa no hi ha una única "aparença Stable Diffusion" fàcilment reconeixible. Stability AI va presentar SDXL com una evolució significativa respecte a generacions anteriors i orientada també al fotorealisme.
DALL-E 3 va millorar notablement el seguiment d'instruccions i la representació de detalls complexos davant de models anteriors. OpenAI va destacar específicament millores en elements que històricament resultaven difícils, inclosos text, mans i cares.
Això explica per què els mètodes del 2023 s'han d'utilitzar amb cautela el 2026. Ja no n'hi ha prou de mirar mans o dents. Els generadors d‟imatges IA corregeixen progressivament aquests defectes i obliguen a estudiar relacions més complexes: continuïtat entre fotos, geometria d‟accessoris, il·luminació, identitat facial i coherència física global.
Continuïtat entre fotografies del mateix perfil
Comparar diverses imatges és un dels mètodes manuals més útils. Una fotografia sintètica individual pot estar perfectament aconseguida; mantenir exactament la mateixa persona en múltiples escenaris, angles, expressions i condicions d'il·luminació exigeix més consistència, i no tots els generadors, o no en totes les ocasions, aproven l'examen.
En agafar diverses imatges, compara la forma de les orelles, nas, mandíbula, separació dels ulls, línia del cabell, tatuatges, lunars i pírcings. No cerquis petites variacions causades per perspectiva o expressió, sinó canvis estructurals que no haurien de produir-se.
Per saber si una foto està creada amb Intel·ligància Artificial també cal estudiar la continuïtat estilística entre diverses imatges. Si totes les fotografies presenten una il·luminació cinematogràfica extraordinàriament similar, profunditat de camp perfecta i pell amb idèntica textura independentment del lloc, podeu merèixer una revisió addicional. Tanmateix, en fer aquesta revisió hem de tenir present que un fotògraf professional pot produir precisament aquesta coherència, per la qual cosa l'estil tampoc no constitueix una prova.
Quan hi hagi algun dubte, la comparació s'hauria de fer sobre arxius de més qualitat disponible. Fotografies molt petites, comprimides o reenviades repetidament no ens serveixen per fer aquesta verificació, ja que poden amagar tant defectes de generació com característiques reals de la pell i el cabell.
Eines de detecció automàtica
Els detectors automàtics poden afegir una altra capa danàlisi. Entre les eines disponibles es troben Hive Moderation , AI or Not i Illuminarty . Hive disposa de sistemes específics per classificar imatges generades per IA i distingir diferents possibles fonts, mentre que Illuminarty ofereix anàlisis de probabilitat i localització de regions sospitoses.
AI or Not també analitza patrons dels píxels per estimar si una imatge procedeix de sistemes generatius i manté cobertura per a diferents famílies de generadors.
Cap resultat no s'hauria d'interpretar com una sentència aïllada. Els detectors poden equivocar-se amb fotografies molt retocades, imatges comprimides, captures de pantalla o nous models que encara no estiguin prou representats als seus sistemes. Fins i tot Hive recomana interpretar conjuntament diferents senyals i reconeix que les metadades de procedència poden ser eliminades o falsificades.
L'estratègia més sòlida consisteix a combinar anàlisi automàtica, inspecció visual, comparació entre fotografies i verificació d'identitat . Si diversos senyals independents apunten a la mateixa direcció, la conclusió tindrà molt més fonament que el resultat aïllat d'una sola eina.
GirlsBCN: la prova del cotó en detecció de fotos IA
Tot aquest coneixement és especialment útil en revisar perfils de plataformes d'acompanyament i cites. En lloc de valorar únicament si una fotografia “sembla real”, convé aplicar una seqüència concreta: observar mans, rostre i accessoris; revisar lentorn; comparar tatuatges i marques; contrastar diverses fotografies i, quan calgui, utilitzar eines tècniques.
Els perfils verificats de GirlsBCN permeten traslladar aquest enfocament a l'àmbit de l'acompanyament, on les comprovacions d'autenticitat ajuden a reduir la presència de fotografies que no representen correctament la persona que sol·licita publicar un perfil.
Quan consulteu perfils d' escorts a Barcelona o escorts a Madrid , la fotografia pot ser el primer element que observa un usuari, però no hauria de ser l'únic element de confiança. La verificació eficaç depèn precisament de combinar imatges amb controls addicionals i estudiar la coherència general del perfil.
La veritable prova del cotó el 2026 no consisteix a trobar necessàriament un error espectacular. Consisteix a reunir petites evidències independents. Una mà correcta no demostra autenticitat, de la mateixa manera que un fons estrany no demostra cap generació artificial. Com més comprovacions coincideixin, més fiable serà l'anàlisi.
Preguntes freqüents sobre com detectar imatges creades amb IA
Com saber si una foto ha estat creada amb intel·ligència artificial?
Per saber si una fotografia pot haver estat creada amb intel·ligència artificial convé revisar diversos senyals alhora. Observa mans, dits, ungles, arracades, cabell, reflexos, ombres i perspectiva. Després amplia detalls secundaris com a cartells, tatuatges i objectes del fons. Si disposes de diverses fotografies de la mateixa persona, compara trets facials, lunars i marques corporals. També podeu consultar metadades EXIF i utilitzar un detector automàtic. Cap d'aquestes tècniques no és infal·lible individualment, per la qual cosa resulta molt més fiable combinar diferents indicis abans de concloure que una fotografia és real o sintètica.
Les mans continuen servint per detectar fotografies generades amb IA?
Sí, però són molt menys concloents que fa uns quants anys. En generacions antigues era freqüent trobar sis dits, dits fusionats, articulacions deformades o mans amb posicions impossibles. Els models posteriors han millorat significativament aquest aspecte, especialment sistemes com Midjourney V6 i altres generacions posteriors. Per això una mà perfecta ja no demostra que una fotografia sigui real. Continua sent recomanable observar dits, ungles i articulacions, però l'anàlisi s'ha de complementar amb cabells, accessoris, il·luminació, reflexos, perspectiva i continuïtat entre diferents fotografies del mateix perfil.
Una imatge sense metadades EXIF vol dir que ha estat generada per IA?
No. L'absència de metadades EXIF no demostra que una imatge hagi estat creada mitjançant intel·ligència artificial. Moltes aplicacions i xarxes socials processen les fotografies quan s'envien o publiquen i poden eliminar informació com el model de càmera, la data, l'ISO o l'obertura. A més, els programes dedició poden exportar imatges sense conservar les dades originals. El cas contrari tampoc no ofereix garanties: és tècnicament possible afegir o modificar metadades. L'EXIF s'ha de considerar una font complementària d'informació i s'ha d'analitzar juntament amb senyals visuals i altres procediments de verificació.
Quin és lerror més fàcil de detectar en una imatge generada per IA?
No hi ha actualment un únic error que aparegui de manera consistent. Els famosos dits extra van ser extremadament útils amb generacions anteriors, però els models moderns han reduït considerablement aquest problema. El 2026 resulta més eficaç buscar incoherències petites distribuïdes per tota la imatge: pendents parcialment fusionats amb els cabells, tatuatges deformats, ombres incompatibles amb la il·luminació, reflexos incorrectes, textos estranys o geometries impossibles en objectes secundaris. L'anàlisi és especialment potent quan es poden comparar diverses fotografies de la mateixa persona per descobrir canvis d'identitat o marques corporals.
Una fotografia molt retocada es pot confondre amb una imatge creada amb IA?
Sí. Una fotografia professional pot incloure correcció de pell, il·luminació, color, eliminació d'imperfeccions i altres modificacions capaces de produir una aparença molt polida. Això no vol dir que la persona hagi estat generada artificialment. Fins i tot determinades eines modernes incorporen funcions basades en IA dins del procés d'edició fotogràfica normal. Per això convé distingir entre una fotografia real retocada i una identitat completament sintètica. La millor manera de fer-ho és cercar continuïtat entre diverses fotografies, elements anatòmics consistents i evidències addicionals sobre la identitat de la persona representada.
Són fiables els detectors en línia d'imatges generades amb intel·ligència artificial?
Els detectors automàtics poden ser útils, però no s'haurien de fer servir com a única prova. Eines com Hive Moderation, AI o Not o Illuminarty analitzen patrons visuals i ofereixen estimacions sobre la possibilitat que una imatge procedeixi d'un generador. No obstant això, els resultats poden canviar depenent de la compressió, el retoc, la mida del fitxer o el sistema que hagi generat originalment la fotografia. A més, els generadors evolucionen contínuament. La pràctica recomanable consisteix a utilitzar aquests detectors com un senyal addicional i contrastar-ne el resultat amb anàlisi visual, metadades i comparació entre diferents fotografies.
Per què apareixen perfils falsos utilitzant fotografies generades amb IA?
Les imatges generades permeten construir ràpidament identitats fictícies sense fer necessàriament fotografies d'una persona real concreta. Això pot facilitar perfils destinats al catfishing, intents de frau, captació de converses o representació de persones que en realitat no existeixen. També es poden fer servir per substituir parcialment l'aparença real d'algú mitjançant modificacions profundes. A les plataformes de cites i acompanyament, aquesta possibilitat fa especialment important que l'autenticitat no depengui únicament d'una fotografia atractiva. Comparar diverses imatges i aplicar processos addicionals de verificació redueix el risc de confiar exclusivament en contingut visual potencialment sintètic.
