Google ha dado marcha atrás con una función experimental de Google Earth apenas un día después de activarla. La novedad permitía utilizar su generador de imágenes Nano Banana 2 para añadir construcciones, paisajes u objetos inventados sobre vistas geográficas. La compañía la presentó como una forma creativa de imaginar cambios en el territorio, pero las primeras capturas compartidas fuera de contexto mostraron el riesgo contrario: convertir un servicio asociado a la observación del planeta en una fábrica de pruebas visuales falsas.
Una frontera especialmente delicada
Editar una fotografía con inteligencia artificial ya está al alcance de cualquier usuario. Hacerlo dentro de Google Earth introduce, sin embargo, un matiz importante. Periodistas, investigadores, docentes y ciudadanos consultan imágenes de satélite para verificar incendios, obras, movimientos militares o daños causados por una catástrofe. Aunque el resultado generado estuviera marcado dentro de la aplicación, una captura recortada podía perder esa advertencia al circular por redes sociales o servicios de mensajería.
La herramienta utilizaba instrucciones escritas para transformar zonas del mapa. No hacía falta dominar un editor profesional ni construir una composición desde cero. Esa facilidad era precisamente su atractivo creativo, pero también reducía el coste de fabricar una imagen plausible. Una carretera inexistente, una concentración de vehículos o un edificio añadido en el lugar adecuado pueden ser suficientes para alimentar un rumor, especialmente durante las primeras horas de una crisis.
Google explicó que profesionales del ámbito geoespacial habían encontrado usos interesantes, aunque reconoció que algunas personas estaban difundiendo resultados que parecían incumplir sus políticas. La empresa decidió retirar temporalmente la función mientras desarrolla barreras más sólidas. No ha detallado cuándo volverá ni si limitará los tipos de edición, incorporará marcas persistentes o separará por completo las creaciones sintéticas de las capas observacionales.
El problema no termina con una etiqueta
Marcar una imagen como generada por IA ayuda, pero no resuelve todo. Las marcas visibles se pueden recortar y los metadatos desaparecen con frecuencia al hacer una captura o reenviar un archivo. Las credenciales de contenido, que permiten registrar el origen y las modificaciones, ofrecen una solución más robusta, aunque solo funcionan cuando plataformas, cámaras y redes sociales conservan esa información durante toda la cadena.
También existe un dilema de diseño. Si una aplicación mezcla observación y fantasía en la misma interfaz, el usuario puede no distinguir con claridad qué capa procede de una captura real y cuál de un modelo generativo. Una separación visual contundente, historiales de edición y enlaces verificables al material original son más útiles que una advertencia discreta. En productos que sirven como referencia pública, la confianza forma parte de la funcionalidad.
El episodio puede servir además como precedente para herramientas educativas y profesionales. Una función creativa no debería modificar silenciosamente el archivo de referencia ni permitir que la exportación oculte su origen. Mantener siempre disponible una comparación con el estado real ayuda a conservar el valor documental del servicio.
Cómo verificar una imagen geográfica
Para el lector, la mejor defensa sigue siendo contrastar. Una captura sorprendente debería compararse con la vista original, otras fechas y proveedores diferentes. También conviene buscar sombras incoherentes, carreteras que se interrumpen, texturas repetidas y edificios que no aparecen en registros oficiales. Si la imagen pretende demostrar un acontecimiento reciente, hay que comprobar quién la publicó primero y si medios o instituciones locales han confirmado lo ocurrido.
La retirada rápida evita que una prueba limitada se convierta en una característica asentada, pero deja una pregunta abierta para toda la industria: ¿deben las herramientas de referencia incorporar generación creativa en el mismo espacio? Google puede mejorar los controles, aunque el incidente demuestra que no todos los productos admiten el mismo nivel de experimentación. En un mapa, una imagen convincente no es solo contenido: puede interpretarse como evidencia.
