Nexus Europa

La patente de IA en tiempo real de Microsoft pone a prueba los límites del Reglamento Europeo de IA

Elise Aranda
Publicado 7 de noviembre de 2026 · 16 visitas
Seguir
Compartir
La patente de IA en tiempo real de Microsoft pone a prueba los límites del Reglamento Europeo de IA
Editorial Collage

La patente de IA en tiempo real de Microsoft plantea retos regulatorios al Reglamento Europeo de IA en materia de transparencia y medios sintéticos.

La solicitud, US 2026/0341309 A1, fue presentada por Microsoft Technology Licensing el 29 de abril de 2025 y publicada el 30 de octubre de 2026. Sus reivindicaciones ya han encontrado objeciones durante el examen inicial de la Oficina de Patentes y Marcas de Estados Unidos (USPTO). La información disponible no establece los motivos jurídicos concretos de esas objeciones, y la solicitud no debe confundirse con una patente aprobada ni con un servicio comercial en funcionamiento.

Sin embargo, la ambición técnica es significativa. Microsoft describe un método para intervenir en un flujo audiovisual mientras se transmite, en lugar de editar el material después de un acontecimiento. Esa distinción importa para el periodismo, la comunicación política y el creciente mercado europeo de la radiodifusión asistida por IA.

Cuando una emisión se vuelve editable

El sistema propuesto examinaría el audio y el vídeo entrantes, identificaría las palabras seleccionadas para su sustitución y generaría los cambios correspondientes tanto en el sonido como en la imagen.

Las palabras originales de un hablante podrían eliminarse o sustituirse según reglas predefinidas o información asociada a un espectador. La IA generativa modificaría después los movimientos labiales y las expresiones faciales del hablante para que coincidan con el audio de sustitución.

La patente también aborda una debilidad conocida del vídeo sintético: las discontinuidades visibles o audibles. En lugar de cambiar solo la palabra objetivo, el sistema ajustaría breves fragmentos inmediatamente anteriores y posteriores a la intervención, haciendo que el pasaje editado parezca más continuo.

Para los radiodifusores, las aplicaciones son evidentes. Una entrevista en lengua extranjera podría traducirse mientras los movimientos de la boca del entrevistado siguieran el discurso traducido. Un lenguaje ofensivo podría eliminarse sin una interrupción evidente. Las vacilaciones o los errores verbales podrían desaparecer de una presentación.

La posibilidad más trascendente es el contenido individualizado.

La patente describe adaptaciones basadas en perfiles de espectadores o en búsquedas en internet. En principio, distintas audiencias podrían recibir versiones diferentes de las declaraciones de un mismo hablante, y cada versión parecería visualmente coherente.

Hay una diferencia sustancial entre hacer accesible una emisión en otro idioma y alterar su redacción según las características de su audiencia. Ambas cosas pueden basarse en procesos técnicos similares, pero plantean cuestiones distintas sobre la responsabilidad editorial.

Una declaración traducida puede preservar el significado pretendido por el hablante. Una sustitución personalizada puede cambiar el propio mensaje.

La tecnología, por tanto, cuestiona una premisa en la que el periodismo audiovisual lleva mucho tiempo confiando: que los espectadores que ven un mismo acontecimiento en directo presencian sustancialmente el mismo registro público.

La importancia de un retardo de diez segundos

La solicitud de Microsoft prevé retardos de procesamiento de aproximadamente uno a diez segundos.

Ese intervalo es importante porque la emisión en directo rara vez es instantánea. La codificación y la transmisión ya introducen retardos, habitualmente de entre dos y seis segundos en los flujos de baja latencia.

Algunos sistemas generativos existentes pueden procesar avatares y diálogos con una latencia de aproximadamente 0,9 a 1,75 segundos. Estas cifras no demuestran que la arquitectura propuesta por Microsoft pueda funcionar de forma fiable en emisiones en directo impredecibles, pero ayudan a explicar por qué un sistema así es técnicamente plausible.

Unos pocos segundos pueden bastar para reconocer el habla, seleccionar una sustitución, generar un nuevo audio y reconstruir los movimientos faciales correspondientes.

El reto de ingeniería se vuelve considerablemente más difícil cuando el material de origen no está guionizado. Los debates políticos, las entrevistas y las conferencias incluyen interrupciones, expresiones cambiantes y patrones de habla que no pueden anticiparse.

Los servicios comerciales existentes ofrecen una comparación útil.

El Traductor de Vídeo con IA de HeyGen y plataformas como Synthesia y Runway ya demuestran capacidades que implican discurso traducido, presentadores sintéticos y vídeo manipulado. Sus aplicaciones principales, sin embargo, siguen siendo material pregrabado, entornos de producción controlados o procesos de generación que no requieren intervenciones arbitrarias en un flujo externo en directo.

La solicitud de Microsoft apunta a una arquitectura distinta: la modificación continua del material a medida que atraviesa un sistema de transmisión.

No es prueba de que esta capacidad se haya perfeccionado. Tampoco una solicitud de patente establece que Microsoft tenga intención de introducir la tecnología en la radiodifusión informativa.

Lo que sí establece es que la intervención en tiempo real en la comunicación audiovisual se está convirtiendo en objeto de un desarrollo formal de propiedad intelectual.

La distancia que queda entre la descripción de una patente y un producto fiable puede ser considerable. Para los reguladores, sin embargo, esperar a que esa distancia desaparezca conlleva sus propios riesgos.

Las normas europeas de transparencia se enfrentan a una prueba práctica

La Unión Europea ya ha introducido obligaciones legales relativas a los medios sintéticos.

El artículo 50 del Reglamento Europeo de Inteligencia Artificial, aplicable desde el 2 de agosto de 2026, establece requisitos de transparencia para el contenido generado o manipulado por IA.

Según el marco descrito en el informe, los proveedores deben garantizar que los medios sintéticos o modificados lleven indicadores legibles por máquina. Quienes distribuyan material manipulado que represente a personas reales también deben ofrecer las divulgaciones adecuadas que el público pueda percibir.

La distinción entre identificación técnica y divulgación pública es crucial.

Una marca digital puede ayudar al software a reconocer que un contenido ha sido alterado. No necesariamente indica a un espectador que ve una entrevista política que las palabras y las expresiones faciales en pantalla han sido reconstruidas.

La descripción de la patente de Microsoft no incluye el etiquetado obligatorio de cara al espectador como característica básica.

Esa omisión no es prueba de una intención de ocultar modificaciones. Las solicitudes de patente describen invenciones técnicas reivindicadas, no necesariamente todos los mecanismos de cumplimiento que podrían acompañar a un producto comercial.

No obstante, cualquier despliegue europeo tendría que afrontar la diferencia regulatoria entre producir medios sintéticos y presentarlos con transparencia.

Un servicio de traducción podría informar visiblemente a las audiencias de que la voz y los movimientos de la boca de un hablante han sido modificados. Un sistema que realice sustituciones personalizadas requeriría una evaluación más difícil de qué había cambiado y cómo debía comunicarse ese cambio.

Surge una complicación adicional cuando la edición se produce en un punto posterior al radiodifusor original.

Si una plataforma modifica un flujo en directo después de recibirlo, la responsabilidad del contenido resultante puede dejar de recaer únicamente en la organización que grabó o transmitió el acontecimiento original.

El radiodifusor podría haber preservado con exactitud las palabras del hablante mientras un intermediario entregaba a los espectadores una versión alterada.

Las normas europeas están diseñadas para imponer obligaciones de transparencia a los participantes pertinentes, pero hacerlas cumplir a lo largo de una cadena de proveedores, plataformas y distribuidores se vuelve más complicado cuando las modificaciones se producen de forma continua.

El problema de demostrar qué se dijo

La respuesta del sector de los medios al contenido sintético depende cada vez más de las tecnologías de procedencia.

La Coalición para la Procedencia y Autenticidad del Contenido, conocida como C2PA, ha desarrollado un marco para adjuntar información verificable sobre los orígenes y el historial de modificación de los medios digitales.

Las firmas criptográficas y las Credenciales de Contenido pueden ayudar a establecer si un material ha sido alterado después de una etapa concreta de producción.

Estos mecanismos podrían volverse valiosos si la edición en directo se desarrolla más allá de las demostraciones controladas.

Un radiodifusor podría firmar criptográficamente su flujo original, permitiendo comparar las versiones posteriores con una fuente autenticada. Las plataformas podrían conservar registros de las modificaciones, ayudando a establecer qué cambios se hicieron y dónde entraron en la cadena de distribución.

Sin embargo, la procedencia no es idéntica a la verdad.

Una firma válida puede respaldar una afirmación sobre el origen o la integridad de un archivo. No puede establecer por sí misma que las declaraciones de un hablante fueran exactas, que una alteración estuviera autorizada o que una traducción preservara el significado pretendido.

Tampoco puede una norma técnica garantizar que todos los intermediarios conserven la información pertinente.

Estas limitaciones importan especialmente para el vídeo en directo. Una declaración disputada puede circular antes de que puedan examinarse la grabación original y su historial de modificaciones.

Para los políticos, los periodistas y otras figuras públicas, el consiguiente riesgo reputacional es claro. Una persona podría parecer haber hecho una declaración que nunca pronunció, mientras los movimientos faciales correspondientes dificultan detectar la alteración mediante una visualización ordinaria.

El consentimiento se convierte en otro ámbito controvertido.

Los derechos relativos a la imagen, la voz y la identidad pública de una persona, junto con los acuerdos contractuales de consentimiento, pueden ofrecer protección contra la manipulación no autorizada. El informe no establece qué remedios jurídicos concretos se aplicarían al sistema propuesto por Microsoft en las distintas jurisdicciones.

La cuestión práctica es si el consentimiento y la procedencia pueden hacerse cumplir en el momento de la alteración, en lugar de abordarse solo después de que un vídeo disputado haya llegado a su audiencia.

Una nueva capa de control sobre el discurso público

Los incentivos comerciales que hay detrás de la edición audiovisual en tiempo real van más allá del entretenimiento.

Los proveedores de infraestructura de radiodifusión podrían ofrecer localización automatizada, filtrado de idiomas y adaptaciones para cumplir los requisitos de contenido en distintos mercados. Las plataformas podrían usar sistemas similares para ofrecer experiencias más personalizadas sin producir grabaciones completamente separadas.

Esas capacidades podrían reducir los costes de producción y ampliar el acceso a contenido internacional.

También colocarían un mayor poder editorial en manos de las organizaciones que controlan la distribución.

Tradicionalmente, las decisiones editoriales de un radiodifusor determinan qué material se transmite, mientras que la edición posterior produce una versión separada. Un sistema que modifica el habla durante la entrega debilita esa separación.

El acontecimiento original permanece inalterado, pero la experiencia que la audiencia tiene de él se vuelve ajustable.

Esto es especialmente trascendente para la comunicación política, donde la redacción exacta, las vacilaciones y el tono pueden influir en cómo se interpretan las declaraciones. Incluso los cambios destinados a mejorar la claridad pueden eliminar información que los espectadores consideran relevante.

La solicitud de Microsoft ha atraído la atención de publicaciones como Futurism y Yahoo Tech, pero la cuestión central no es si la empresa está a punto de lanzar una herramienta capaz de reescribir debates políticos en directo. No hay un lanzamiento comercial establecido.

La cuestión más inmediata se refiere a los arreglos institucionales que regirían tales capacidades si llegaran a estar ampliamente disponibles.

Para los proveedores de tecnología de cumplimiento, eso crea un mercado potencial para sistemas más sólidos de autenticación, marcado de agua y auditoría. Para los medios de comunicación establecidos, introduce otro coste para mantener la confianza pública.

Los requisitos de transparencia de la UE ofrecen un punto de partida legal, pero su eficacia dependerá de la fiabilidad con que puedan identificarse, divulgarse y atribuirse las alteraciones en redes de distribución cada vez más complejas.

Un escenario especialmente difícil implicaría a un radiodifusor que transmite un discurso político autenticado y sin modificar mientras una plataforma separada cambia pasajes seleccionados para determinados espectadores.

La grabación original podría permanecer intacta. Su procedencia podría verificarse. Puede que el radiodifusor nunca haya autorizado una alteración.

Sin embargo, la versión que llegara a la audiencia contendría palabras que el hablante no había dicho.

En esa situación, demostrar la autenticidad del original sería solo una parte del problema regulatorio. Las autoridades también tendrían que establecer quién controlaba la versión entregada a los espectadores, qué modificaciones se hicieron y si la audiencia fue informada antes de encontrarse con ellas.

Fuentes: JUSTIA, Microsoft Technology Licensing, Futurism, Patentlyze

Compartir