ChatGPT
Perplexity
Claude
Gemini
El lado de la demanda de este argumento no está ni cerca de igualarse. La encuesta de 2026 de Fractl a más de mil consumidores found that 84 percent want written AI content labeled, 91 percent want it on video, 90 percent on images, 87 percent on audio, with strongly-agree responses alone clearing half in every category. The supply side isn't close either, just in the other direction: only 20 percent of organizations say they always disclose AI use to their audience, and 33 percent say they never do. Framed that way, this looks like a straightforward compliance gap. Get more companies labeling their content, close the gap, problem solved.
Salvo que un par de estudios de 2026 publicados en la revista Digital Journalism sugieren que ese vacío no es donde realmente reside el problema de confianza. Uno, un experimento conjunto con consumidores de medios chilenos, pidió a la gente que comparara directamente las políticas de IA de distintos medios y descubrió que la supervisión humana, y no la simple divulgación, era el factor más influyente a la hora de decidir qué medio les parecía creíble y elegían leer. Que un medio usara la IA para tareas rutinarias o para personalizar formatos apenas cambiaba nada. Lo que sí lo hacía era si una persona había revisado lo que producía la IA. Una etiqueta responde a una sola pregunta: si hubo IA de por medio. Y resulta que rara vez esa es la pregunta que el público realmente se hace.
El segundo estudio, basado en entrevistas en lugar de experimentos, encontró algo más nítido: las etiquetas pueden ser contraproducentes. One participant described their reaction to seeing an AI label as "I probably need to fact-check this and try and find another article," which is the opposite of what a disclosure label is supposed to accomplish. Others saw AI use itself as a kind of professional shortcut, with one interviewee putting it bluntly about a fully AI-written article: "You can do that as an 11-year-old. You don't need the training for that if you're going to use AI to generate your entire article." A vague, generic label doesn't resolve that instinct. It just confirms the suspicion without giving anyone a reason to set it aside.
What the same research found does help: specificity about degree, not just presence. Interview subjects drew a real line between an article labeled as fully AI-generated and one labeled as AI-assisted, treating those as different claims requiring different levels of scrutiny, and they wanted that distinction visible at the top of a piece rather than buried in a footer where it could look like it was trying not to be noticed. None of that is about whether to disclose. It's about whether the disclosure actually tells someone what happened and whether a person was accountable for it.
Esa es la distinción que el enfoque del cumplimiento normativo pasa totalmente por alto. Una ley puede exigir que exista una etiqueta. No puede exigir que esa etiqueta haga el trabajo real de reconstruir la confianza, porque la confianza depende de si el público cree que una persona competente seguía involucrada, no de la presencia de la etiqueta en la página. Conseguir que el 33 por ciento que nunca lo declara empiece a hacerlo importa por sí mismo. Pero la pregunta más difícil y más útil que subyace es si lo que se revela realmente le dice algo a alguien o si solo marca una casilla que no aborda lo que a la gente le preocupaba en primer lugar.