Si tu equipo genera documentos, imágenes o informes con herramientas de IA y pasa esos resultados por un pipeline gestionado, probablemente hay una pregunta sobre metadatos que todavía no has respondido. Los archivos que salen de tu pipeline pueden llevar registros criptográficos de procedencia vinculados a identificadores de usuario, versiones de herramientas y marcas de tiempo de creación. Si esos metadatos sobreviven en los outputs regulados, y si deberían hacerlo, ya no es una preocupación teórica.

El estándar C2PA (Coalition for Content Provenance and Authenticity), fundado en 2021 por Adobe, Arm, BBC, Intel y Microsoft, define una cadena de custodia a prueba de manipulaciones para el contenido digital. La versión 2.3, publicada en enero de 2026, extendió los manifiestos C2PA para cubrir texto no estructurado y outputs de LLM, no solo imágenes y vídeo. Un archivo generado por Midjourney, DALL-E, Adobe Firefly o ChatGPT en 2026 casi con toda seguridad contiene datos criptográficos invisibles que lo identifican como generado por IA, registran qué herramienta lo produjo y potencialmente almacenan los pasos de edición. Tú no puedes verlos. Tus usuarios tampoco. Pero un número creciente de plataformas, motores de búsqueda y sitios de stock ya los están verificando.

Ese es el riesgo del pipeline en términos claros: metadatos que no añadiste explícitamente están entrando en tus flujos de documentos, y puede que no sepas si sobreviven a las transformaciones, quién puede leerlos o si conservarlos viola tus obligaciones bajo el artículo 5 del RGPD.

La Ley de IA de la UE añade una segunda capa. El artículo 50, que entró en vigor en agosto de 2024, exige que los proveedores de sistemas de IA generativa garanticen que los outputs sintéticos de audio, imagen, vídeo y texto estén marcados en un formato legible por máquina y sean detectables como generados por IA. Las divulgaciones visibles deben ser claras y distinguibles en la primera exposición, y los modelos generativos de cara al público que operen en la UE deben cumplir a partir de agosto de 2026. El 17 de diciembre de 2025, el grupo de expertos responsable de la orientación publicó el primer borrador del Código de Prácticas sobre transparencia del contenido generado por IA en virtud del artículo 50. La obligación es real, el calendario es firme y la distribución de código abierto no exime del cumplimiento de los requisitos de transparencia.

El problema de la minimización de datos

El artículo 5(1)(c) del RGPD exige que los datos personales sean «adecuados, pertinentes y limitados a lo necesario en relación con los fines para los que son tratados». No es una recomendación de buenas prácticas; es un principio jurídicamente vinculante que se aplica tanto en la recogida como en la conservación. El artículo 5(1)(b) exige además que los datos recogidos con una finalidad específica no se traten de manera incompatible con dicha finalidad.

Los metadatos de procedencia incrustados por una herramienta de IA pueden incluir el editor del contenido, el dispositivo utilizado, la hora y el lugar de creación, y un registro de los pasos de edición. Si alguno de esos campos contiene o puede vincularse a un identificador de usuario, constituye dato personal según el RGPD. Transmitir esos metadatos aguas abajo a un contrato, una presentación regulatoria o un documento de paciente sin una base jurídica para hacerlo es un incumplimiento del principio de minimización. Las multas por infracciones autónomas del artículo 5 pueden alcanzar el 2 % de la facturación anual global; cuando los fallos de minimización contribuyen a una brecha de datos, el techo sube al 4 %.

Los metadatos de procedencia fueron diseñados para viajar con el contenido a través de la web abierta. Un pipeline de documentos no es la web abierta. La misma propiedad que hace útil a C2PA para la autenticidad de los medios lo convierte en un pasivo cuando el output es un registro regulado.

Por qué las transformaciones del pipeline no son un puerto seguro

Un supuesto habitual es que redimensionar, comprimir o recodificar un activo generado por IA eliminará sus metadatos de procedencia y resolverá el problema. La especificación C2PA 2.1 abordó exactamente ese supuesto. Las marcas de agua digitales estandarizadas bajo C2PA 2.1 están diseñadas para sobrevivir a modificaciones y a la recodificación de plataformas, lo que las hace más resistentes a la eliminación que las credenciales basadas únicamente en manifiestos. WhatsApp, iMessage y Facebook eliminan silenciosamente los manifiestos JUMBF estándar al subir archivos, pero una marca de agua incrustada a nivel de señal puede sobrevivir a la misma transformación.

La consecuencia práctica es que no puedes asumir que los pasos de procesamiento existentes en tu pipeline están eliminando las señales de procedencia. Un artículo de arXiv de marzo de 2026 sobre lo que sus autores denominan un «Integrity Clash» destacó posibles contradicciones entre los manifiestos C2PA y las marcas de agua invisibles, donde múltiples señales de procedencia superpuestas pueden introducir conflictos de implementación en lugar de producir un output limpio y auditable. Más señales no significa mayor cumplimiento; puede significar reclamaciones en competencia sobre el mismo archivo.

Dado que los principales laboratorios de IA sirven a bases de usuarios globales desde una única infraestructura de modelos, están implementando funciones de procedencia a nivel global en lugar de construir configuraciones exclusivas para la UE. Si tu pipeline llama a una API de generación de imágenes o de LLM, el output lleva metadatos de procedencia independientemente de si tu producto está dirigido a usuarios de la UE. Heredas la obligación de comprender qué contienen esos metadatos y si deben continuar más adelante en el flujo.

Lo que realmente requieren los pipelines de documentos auditables

Abordar esta brecha requiere controles en tres puntos: ingesta, transformación y salida.

  • Ingesta: Cataloga qué metadatos de procedencia incrustan por defecto tus proveedores de generación de IA. Comprueba si tu proveedor documenta su método de marca de agua, qué versión de C2PA implementa y qué campos contienen datos vinculados al usuario.
  • Transformación: Instrumenta tu pipeline para detectar si las señales de procedencia sobreviven a cada paso de procesamiento. No te fíes de la suposición de que la recodificación estándar lo elimina todo; pruébalo explícitamente frente al comportamiento de marca de agua de C2PA 2.1.
  • Salida: Define una política sobre qué metadatos pueden salir del pipeline en cada clase de output. Un activo para redes sociales, una presentación regulatoria y un borrador interno tienen requisitos de minimización diferentes. Esa política debe aplicarse en el punto de salida, no darse por supuesta aguas arriba.

La conectividad como punto de control en pipelines soberanos

Los pipelines de documentos gestionados que llaman a APIs de IA externas introducen una ruta de red que es en sí misma una variable de gobernanza. Saber por dónde viajan tus llamadas a la API, y dónde se procesan las respuestas, importa cuando la carga útil incluye datos de procedencia vinculados al usuario. Operamos 44 puntos de presencia en Europa y Oriente Medio, con peering directo a AWS, Azure, GCP, Oracle y Cloudflare en cada sitio. Esa arquitectura de peering significa que las llamadas a las principales plataformas de generación de IA se resuelven dentro de nuestro perímetro de red en lugar de transitar por rutas públicas impredecibles, lo que ofrece a los clientes una ruta definida y auditable para los datos que incluyen metadatos de procedencia incrustados. También significa que los controles de transformación y salida descritos anteriormente pueden aplicarse en una capa que gestionamos nosotros, no una que tu equipo tenga que añadir a posteriori.

El estándar C2PA seguirá madurando. La versión 2.3 ya cubre los outputs de texto de LLM, y la trayectoria del Código de Prácticas del artículo 50 de la Ley de IA de la UE apunta hacia obligaciones más granulares, no menos. Los equipos que traten los metadatos de procedencia como un detalle de implementación del proveedor en lugar de como un input del pipeline se encontrarán auditando retroactivamente outputs que ya han llegado a destinos regulados. La posición más sólida es tratar cada activo generado por IA como portador de metadatos por defecto, diseñar los controles del pipeline en consecuencia y verificar que tu infraestructura gestionada te da la visibilidad necesaria para aplicar esos controles en la salida, no solo en el momento de la generación.