Geolocalización IA: Le pasas una foto y te dice dónde fue tomada.

La IA que promete adivinar dónde hiciste la foto: acierta, falla y a veces lee los metadatos​

Una herramienta de geolocalización por inteligencia artificial promete identificar el lugar exacto donde se tomó una fotografía. Basta con subir una imagen y, en segundos, devuelve un país, una ciudad y unas coordenadas. La propuesta ha generado una oleada de pruebas caseras con resultados dispares: desde aciertos que dejan boquiabierto al más escéptico hasta fallos de miles de kilómetros que convierten la herramienta en un generador de disparates con ínfulas de oráculo.

El funcionamiento real dista de ser magia. La herramienta analiza la imagen en busca de pistas visuales —arquitectura, vegetación, carteles, matrículas— y las cruza con su base de datos. Cuando no encuentra suficiente información, no se queda callada: inventa una ubicación plausible. Ese es el pecado original de muchas IA generativas, que priorizan dar una respuesta antes que admitir ignorancia. Y ahí empieza el problema.

Aciertos que sorprenden y fallos que indignan​

Los casos de éxito existen. Una foto de una calle de barrio con un ángulo extraño y un árbol tapando el edificio fue identificada correctamente, para sorpresa de quien la subió. Otra imagen de una terraza con vistas a la calle también dio en el clavo. En esos casos, la IA demuestra que puede reconocer patrones sutiles que a un humano se le escapan.

Pero el otro lado de la balanza es igual de abultado. Una fotografía tomada en Lugo fue ubicada en Francia. Otra de una iglesia de Madrid apareció a cuatro kilómetros del sitio real. Una imagen de un campo español fue situada a 250 kilómetros de distancia. Y una foto de un parque local acabó en California. La precisión, cuando falla, falla a lo grande.

Hay quien sostiene que muchos de estos errores se explican por algo tan poco glamuroso como los metadatos EXIF. Las fotos hechas con móvil suelen incluir coordenadas GPS incrustadas. Si la herramienta las lee, acierta sin necesidad de analizar un solo píxel. Si el usuario sube una captura de pantalla o un fotograma de película, sin metadatos, la IA queda desnuda y empieza a divagar. Un caso llamativo: una foto de la pista de Barajas con un avión de Aeroméxico fue identificada como el aeropuerto Benito Juárez de Ciudad de México. El avión despistó a la IA, pero los metadatos contenían la ubicación real. La herramienta prefirió ignorarlos y arriesgar.

El sesgo de la conexión: cuando la IA adivina dónde estás tú, no dónde se hizo la foto​

Otra hipótesis que circula es que la herramienta utiliza la dirección IP del usuario como atajo. Si detecta que la conexión proviene de España, tiende a sugerir ubicaciones españolas. Si el usuario navega con VPN, el resultado puede dispararse a cualquier parte del mundo. Eso explicaría por qué muchas fotos de un mismo usuario reciben respuestas coherentes entre sí pero alejadas de la realidad.

La consecuencia es que la herramienta acierta más cuando el usuario está cerca del lugar fotografiado y falla estrepitosamente cuando la imagen procede de otro continente. No es una máquina de geolocalización universal; es, en el mejor de los casos, un detector de coincidencias locales.

El problema de fondo: una IA que no sabe decir «no lo sé»​

El fallo más repetido no es la falta de precisión, sino la incapacidad de admitir incertidumbre. La herramienta siempre responde. Aunque la respuesta sea un disparate. Ese comportamiento es común en sistemas entrenados para maximizar la satisfacción del usuario, no la veracidad. Si no hay datos suficientes, el modelo genera una hipótesis verosímil y la presenta con seguridad impostada.

Algunos señalan que la herramienta podría mejorar con retroalimentación: si los usuarios corrigieran los errores, el sistema aprendería. Pero no está claro que exista ese mecanismo. Sin él, la IA repetirá los mismos fallos indefinidamente. Y mientras tanto, cada foto subida es un dato más que engorda una base de datos ajena.

La privacidad: el precio oculto de jugar a adivinar​

Más allá de la precisión, hay una preocupación creciente por lo que implica subir fotos personales a una herramienta de este tipo. Cada imagen aporta información sobre rutinas, domicilios, entornos laborales y relaciones. Aunque la foto no tenga metadatos, el contenido visual puede ser suficiente para inferir patrones. Y si los tiene, mejor para quien los explota.

La recomendación de los más cautos es simple: no subir fotos propias ni de conocidos a servicios que no especifican qué hacen con ellas. El entretenimiento de ver si acierta no compensa el riesgo de regalar un mapa de tu vida.

¿Sirve para algo esta tecnología?​

Más allá del juego, la geolocalización automática tiene aplicaciones serias: verificación de imágenes periodísticas, análisis de archivos históricos, investigación de fraudes en seguros o identificación de lugares en documentos antiguos. Pero para eso hace falta precisión y transparencia sobre cómo se obtiene el resultado. Una herramienta que acierta por metadatos y falla sin ellos no es fiable para usos profesionales.

El entusiasmo inicial se topa con la realidad: la IA no es omnipotente. Reconoce lo que ha visto antes, en condiciones similares. Cuando sale de su zona de confort, improvisa. Y en geolocalización, improvisar significa mandar a alguien a 20.000 kilómetros de distancia con total aplomo. ¿Merece la pena seguir alimentando un sistema que confunde un parque de barrio con California?