Las 7 estadísticas centrales de deepfake vienen de quien vende el detector — la única cifra oficial de daño cuenta "menciones a IA" y la ciencia da 55%, una moneda

El artículo de estadísticas de deepfake más completo que encontré abre con una advertencia honesta: "Deepfake-Statistiken stammen überwiegend von Anbietern für Identitätsprüfung und Betrugserkennung, die ein kommerzielles Interesse am Thema haben" — "las estadísticas de deepfake provienen predominantemente de proveedores de verificación de identidad y detección de fraude, que tienen interés comercial en el asunto". Dos pantallas después llega la tabla de las siete cifras centrales del texto. Fui a comprobarlas una a una: las siete son de esos proveedores. Signicat, Entrust Onfido dos veces, Sumsub dos veces, Resemble AI e iProov.

No es descuido del autor — y eso es lo que hace interesante el caso. Declara el conflicto, hace la cuenta de crecimiento de la forma correcta, avisa cuando un número no tiene base. Aun así la tabla sale 7 de 7, porque no existe otra cosa que citar. Pasé tres días detrás de lo que sí existe: la única cifra oficial de daño es una etiqueta del FBI definida como "menciona inteligencia artificial"; la única medición independiente de la capacidad humana de reconocer un deepfake es académica y da 55%, con un margen que roza la moneda; y el mejor dato público del mundo sobre el asunto, con prueba objetiva en lugar de autodeclaración, es brasileño.

Nota metodológica. Comprobé cada número contra la fuente original entre el 26 y el 28 de agosto de 2026 — comunicado de la empresa, informe en PDF, acto normativo en el diario oficial, artículo con DOI — y digo en el texto cuándo solo pude llegar a la fuente secundaria. La página alemana que motivó el tema fue capturada el 26/08/2026 con navegador real (curl recibe error 429). Tres mediciones son mías y reproducibles: la procedencia línea a línea de la tabla de siete cifras; los porcentajes calculados del PDF del informe anual del FBI; y el recuento del panel público de incidentes de Resemble AI, hecho el 28/08/2026 con el script que publico al final. Lo que no pude leer está declarado: los informes completos de Signicat, Sumsub y Resemble están detrás de un formulario de registro (usé los comunicados públicos), el artículo de Stockner 2026 solo me dio el resumen, y la decisión del ministro Mendonça en el Tribunal Superior Electoral de Brasil no tiene texto íntegro publicado — lo digo en el lugar en que aparece.

El marcador: 7 cifras centrales, 7 proveedores

El veredicto antes del argumento. La columna del medio es la única pregunta que importa: ¿quién midió, y mide qué?

Once de las trece líneas o vienen de quien vende la solución, o están equivocadas — cuatro están equivocadas. Las dos que se sostienen solas son las dos que nadie repite: un metaanálisis académico y una encuesta pública brasileña.

La regla: cinco maneras de "medir" deepfake, y solo dos miden el mundo

Antes de creer en cualquier cifra sobre deepfake, una pregunta resuelve casi todo: ¿el número salió de contar el mundo, o de contar a los clientes de quien vende el remedio? La figura es la regla entera; el resto del artículo es la demostración, línea a línea.

Fíjese en que la regla no dice "el proveedor miente". Dice que cada caja responde a una pregunta distinta. La plataforma del proveedor mide con precisión su cartera de clientes: si Sumsub atiende a muchas casas de cambio de criptomonedas, el "88% de los casos son cripto" describe a la clientela, no al delito. La encuesta de opinión mide lo que los gestores de fraude creen haber visto. El organismo oficial mide lo denunciado, filtrado por las palabras del formulario. La academia mide la capacidad humana en un laboratorio, no la prevalencia ahí fuera. Y la última caja — preguntar y después evaluar — es la única que muestra la distancia entre ambas cosas. Encontré una sola encuesta así, y es brasileña.

El error que atraviesa todo el asunto no es inventar números. Es poner las cinco cajas en la misma frase, con el mismo verbo.

Siete de siete. Ningún organismo oficial, ningún estudio revisado por pares, ninguna encuesta pública — en la tabla que resume el artículo. Los números oficiales aparecen en el cuerpo del texto, más adelante, y son justamente los que no sostienen el titular.

El crecimiento: el texto acierta la cuenta, y la que se equivoca es su fuente

Esperaba encontrar aquí el error clásico — y no lo encontré. El texto alemán hace la cuenta correcta; quien produce el titular inconsistente es la empresa que lo firma.

Signicat dice que la proporción de deepfake en los intentos de fraude pasó de 0,1% en 2022 a 6,5% en 2024. La página alemana lo describe como +6,4 pp — más 6,4 puntos porcentuales. Es correcto: es la diferencia entre dos porcentajes, y así se escribe. En la frase siguiente añade, con atribución explícita: "Signicat selbst beziffert das Wachstum […] auf 2.137 %" — "la propia Signicat cuantifica el crecimiento en 2.137%".

El problema vive en la fuente. Ir de 0,1% a 6,5% es multiplicar por 65 — un crecimiento de +6.400%, no de +2.137%. Los dos números conviven en el mismo comunicado de la empresa, sin una línea que reconcilie el uno con el otro, y la dirección del comunicado lleva el segundo: fraud-attempts-with-deepfakes-have-increased-by-2137-over-the-last-three-year. El +2.137% corresponde a multiplicar por 22,4, no por 65.

No sé cuál de los dos considera correcto Signicat, porque el informe completo está detrás de un formulario de registro y el comunicado público no lo explica. Sé que los dos no pueden ser la misma medición, y que el que viaja es siempre el mayor.

Y hay un detalle de método que pesa más que la aritmética: ese "6,5%" no es recuento de ataque alguno. Salió de un cuestionario aplicado por Censuswide a 1.206 gestores de fraude en siete países europeos, en 2024. Es el promedio de lo que profesionales estimaron sobre sus propias empresas. La página alemana llama a la serie "la medición antes-después más limpia" del asunto — y lo es, de hecho, la más limpia disponible. Ese es el tamaño de lo que existe.

Detección humana: 0,1% y 55% responden a preguntas distintas

El número más citado del asunto es de iProov: el 0,1% de las personas reconoce deepfakes con seguridad. Es verdadero y engañoso al mismo tiempo, y la diferencia está en la palabra que desaparece por el camino.

La prueba de iProov mostró siete estímulos a 2.000 personas en el Reino Unido y en Estados Unidos. El 0,1% es la fracción que acertó los siete. Es una barra de todo o nada: quien falla uno de siete queda fuera de ella. Me pregunté cuál sería la precisión por ítem — qué porcentaje de los juicios individuales estaba en lo cierto — y la respuesta es que la empresa no publica ese número. Publica solo el todo-o-nada y un relativo ("el vídeo se detecta un 36% menos que la imagen").

La precisión por ítem existe, y es académica. Dos metaanálisis la estimaron, y vale dar los dos porque no dicen exactamente lo mismo:

Los dos convergen en el punto — 55,5% y 56,1%, medio punto de diferencia — y divergen en el veredicto estadístico. El mayor no consigue separar el desempeño humano de un cara o cruz; el más reciente, con alcance más estrecho y muestra seis veces menor, sí lo consigue, por seis puntos porcentuales. La afirmación que ambos sostienen es la única que vale repetir: el humano se queda en el entorno del 55%, e incluso quien fue entrenado para detectar no pasa del 62%.

Eso cambia la lectura del 0,1%. No significa "casi nadie percibe un deepfake". Significa "casi nadie acierta siete de siete" — y una regla de todo o nada produce números minúsculos por construcción. Haga la cuenta: con 55% de acierto por ítem, acertar siete veces seguidas da cerca del 1,5%. Es decir, la literatura ya prevé que casi nadie pase una prueba así — y aun así prevé quince veces más gente de la que encontró iProov. No sé explicar la diferencia con lo que es público: puede ser que los siete estímulos fueran más difíciles que la media de los experimentos académicos, o que los juicios no sean independientes entre sí. Lo que el 0,1% mide con certeza es el diseño de la métrica, no la ceguera del público — y por eso no debería leerse como "solo una persona de cada mil percibe un deepfake".

Fíjese en el salto entre las dos mitades de la figura. Arriba, lo que las personas dicen sobre sí mismas — entre 34% y 47%, en tres países. Abajo, lo que ocurre cuando alguien mide. Las tres primeras barras de abajo son precisión media por juicio; la del 17% es de otra unidad — es la fracción de personas que quedó en el grupo de mejor desempeño de la prueba brasileña. No son sumables, y lo que interesa es la comparación con el 41% justo encima: misma encuesta, mismas personas. Y la barra del 17% es de otra naturaleza: es la única en que a las mismas personas se les preguntó y después se las evaluó. Ya escribí sobre esa distancia en cuántas personas usan realmente la IA; vale igual aquí. Declaración no es medición, ni siquiera cuando la declaración es modesta.

El daño: la única cifra oficial cuenta "menciones a IA"

Cuando el asunto se convierte en dinero, una cifra aparece en todas partes: 893,35 millones de dólares, del informe anual de 2025 del IC3, el centro de denuncias de delitos cibernéticos del FBI. Es la única cifra de daño con sello de gobierno, y por eso viaja.

Fui al PDF. El informe define la etiqueta así, y lo cito íntegro: "AI Related: Information reported contains a reference to artificial intelligence (AI)" — "Relacionado con IA: la información reportada contiene una referencia a inteligencia artificial". No es una categoría de delito. Es una marca de texto: la denuncia entra en la cuenta si en algún lugar de ella alguien escribió "inteligencia artificial". La palabra "deepfake" aparece tres veces en todo el informe, siempre en prosa corrida, nunca como rúbrica con un número detrás.

La página alemana lo describe como "erstmals eigene KI-Kategorie" — "por primera vez, una categoría propia de IA". Es el error más consecuente del texto, porque transforma un descriptor en estadística criminal.

Los porcentajes también cambian la lectura, y son una división que cualquiera rehace:

La cifra que se lee como "el coste de los deepfakes" es el 4,28% de las pérdidas de un solo país, en un cubo en el que entra cualquier denuncia en la que se tecleó la sigla. Su mayor componente, según el propio informe, es el fraude de inversión — la modalidad que quedó en 632 millones de dólares.

Conté la base de incidentes que produce los "1.300 millones de dólares"

La otra cifra grande del asunto es de Resemble AI: cerca de 1.300 millones de dólares en daños documentados en 2025, sobre 1.567 incidentes verificados. La empresa mantiene un panel público, y la página alemana ya avisa de que "bei über 80 % wurde kein Schaden beziffert" — "en más del 80% no se cuantificó daño alguno". Fui a contar por mi cuenta.

El panel, en la ventana "todo el periodo", tenía el 28/08/2026 2.266 incidentes (la tabla dinámica cierra línea a línea; la suma de los últimos doce meses da 1.537, coincidiendo con el "1.5K" que el panel exhibe). Y justo debajo del valor de 1.300 millones de dólares está impresa, en letra pequeña, la leyenda que no viaja con él: 159 incidents with verified losses — "159 incidentes con pérdidas verificadas".

Son el 7,0% de la base. Los otros 93% no tienen valor alguno atribuido. Entre los 159 que sí lo tienen, la media es de 8,18 millones de dólares por incidente — un nivel que solo se sostiene porque casos como el de Arup (25,6 millones de dólares en una videollamada) tiran de la cuenta hacia arriba. La cifra no describe "el perjuicio de los deepfakes": describe la suma de una minoría de casos lo bastante grandes como para convertirse en noticia con cifra. La frase correcta no es "los deepfakes causaron 1.300 millones"; es "159 casos publicados sumaron 1.300 millones".

Y el recuento reveló algo que ninguno de los textos sobre el asunto menciona: la categoría dominante de la base no es el fraude.

Un tercio de la base es daño de marca y reputación. El abuso sexual — imagen íntima no consentida sumada a material de abuso infantil — es el 21,8%, y ahí vive el recorte que nadie publica: el 95,8% del material de abuso infantil catalogado (229 de 239 casos) tiene a un individuo privado como víctima, no a una celebridad. En cambio el fraude corporativo, el escenario del ejecutivo engañado en una videollamada que abre prácticamente todo artículo sobre el tema, es el 8,2% — la menor de las seis categorías.

Dos salvedades que exige la honestidad, porque la base también tiene defectos. En los ocho incidentes más recientes de la lista, dos son el mismo caso con fichas y direcciones diferentes: la misma estafa amorosa de 180.000 dólares contra un psicólogo jubilado, contada dos veces. No puedo decir cuánto infla eso el total — la página que lista los incidentes uno a uno responde, pero no renderiza ni una fila, y sin ella no hay manera de medir la tasa de duplicación. La segunda salvedad va a favor del panel: busqué nota de método, glosario o explicación de cálculo en el código de la página y no hay ninguna — lo que también significa que el indicador "633,5 mil millones de alcance mensual potencial", setenta y siete veces la población de la Tierra, se publica sin una línea que diga qué mide.

La ley que está en vigor de verdad

Aquí la página alemana se equivoca tres veces, y los tres errores van en la misma dirección: hacen que la regulación parezca más adelantada de lo que está. Comprobé cada plazo en el acto original, y la ley está más atrasada que el titular — menos en un punto, que es el brasileño.

La figura es la lista de lo que se puede exigir hoy. Lo que no está en ella, y circula como si estuviera:

1. La retirada en 48 horas de la TAKE IT DOWN Act rige desde el 19 de mayo de 2025. La página alemana marca mayo de 2026 como la entrada en vigor — pero esa fecha es el plazo para que las plataformas tengan listo el proceso de recepción, no el comienzo de la obligación. Es un error que retrasa el derecho de la víctima un año entero.
2. Dinamarca no aprobó ninguna ley. Lo que existe es un anteproyecto que fue a consulta pública y nunca llegó a presentarse al parlamento. El texto lo describe como hito aprobado.
3. La NO FAKES Act estadounidense no es ley. Fue aprobada en la Comisión de Justicia del Senado el 18 de junio de 2026 — paso real, pero todavía la mitad del camino.

Y hay una cuarta corrección, en sentido inverso, que solo aparece cuando se lee el acto británico: el Reino Unido convirtió la creación de imagen íntima falsa en delito autónomo, en vigor desde el 6 de febrero de 2026. No es solo retirar: es criminalizar a quien la hace. Ninguna de las recopilaciones que leí tenía esa fecha.

El mayor caso de 2026 no está en ningún artículo de estadísticas

Todos los textos sobre deepfake abren con Arup — los 25,6 millones de dólares perdidos en una videollamada en enero de 2024. Ninguno menciona lo que ocurrió en el cambio de 2025 a 2026, que movilizó a cinco reguladores en tres semanas: la función de edición de imagen de Grok, en X, empezó a atender peticiones para "desnudar" fotos de personas reales.

No se ha aplicado ninguna multa hasta hoy; todos los procedimientos siguen abiertos. Y el caso repite, en tiempo real, exactamente el problema de este artículo: los cinco actos regulatorios son documentos públicos y comprobables; todas las cifras de volumen que circulan sobre él no lo son. El "una imagen sexualizada no consentida por minuto" es de una empresa de detección; el "6.700 por hora" está detrás de una suscripción; el "7.751 por hora" y "1,8 millones de publicaciones" aparecen en un comunicado parlamentario estadounidense atribuido a "investigadores", sin enlace a la investigación. No uso ninguna de las cuatro. Queda registrado lo que se puede probar: cinco reguladores abrieron investigación en tres semanas, y eso no es poco.

Lo que la legislación europea exige ahora — etiquetar contenido generado por máquina — es el asunto que traté en la marca de agua que Claude pasó a incrustar en el texto: el AI Act exige el marcado, y la parte difícil es que marcar funciona mucho mejor para quien quiere ser honesto que contra quien no quiere.

Brasil: la mejor medición pública del mundo es de aquí, y las elecciones son en octubre

El dato que buscaba en el mundo entero existe, es público y es brasileño. El Panel TIC del Cetic.br/NIC.br (n = 5.250, trabajo de campo entre agosto y septiembre de 2025) hizo lo que ninguna de las encuestas europeas hizo: preguntó y después evaluó.

• El 41% dice tener contacto diario con contenido sintético;
• el 41% se declara confiado para identificar contenido falso;
• el 17% quedó en el grupo de mejor desempeño en la prueba objetiva;
• y no hubo correlación entre la confianza declarada y el acierto.

Esa última línea es la más importante de las cuatro, y la que nunca circula. Quien se cree bueno detectando deepfakes no es mejor detectando deepfakes — la confianza no predice nada. Es el mismo hallazgo de Köbis et al. (2021), que midió una correlación negativa entre confianza y precisión (r = −0,475), ahora reproducido en una muestra brasileña representativa.

La regla del comienzo del artículo, ahora con los datos de cada sección encajados:

Fíjese en que las dos primeras cajas — las que produjeron siete de las siete cifras de la tabla alemana — son las únicas que no miden población alguna. Y la última, la única que mide, produjo el número que nadie repite.

Lo que ya rige aquí, y lo que llega en octubre

La Resolución 23.755 del Tribunal Superior Electoral, del 2 de marzo de 2026, es más dura de lo que sugiere la cobertura, y tiene una particularidad que cierra el círculo de este artículo: la palabra "deepfake" no aparece ni una sola vez en el texto. La norma habla de "contenido sintético multimedia generado por medio de inteligencia artificial o tecnología equivalente" — el mismo movimiento del FBI, que tampoco usa el término de la prensa. Los organismos que necesitan la definición para aplicar sanciones huyen de la palabra; quien produce titulares, no.

Tres disposiciones que cambian el juego en octubre:

1. Apagón de 72 horas (art. 9º-B, § 3º-A). Entre 72 horas antes y 24 horas después de la votación quedan prohibidas la publicación, la republicación y la promoción pagada de contenido sintético — y la norma dice "aunque estén etiquetados". El § 4º ordena retirarlo de inmediato.
2. Inversión de la carga de la prueba (art. 9º-I). El juez puede invertir la carga cuando la manipulación sea técnicamente difícil de comprobar. Es la respuesta jurídica exacta al 55,5% de acierto humano: si la literatura dice que nadie detecta de forma fiable, exigir que la víctima pruebe la falsificación es exigir lo imposible — así que prueba quien publicó.
3. Prohibición al propio proveedor de IA (art. 15, § 1º-C). Al proveedor le está vedado posicionar o recomendar a un candidato, opinar sobre el voto — incluso por respuesta automatizada — y generar escenas de sexo o desnudez con un candidato. La regla no apunta solo a quien usa la herramienta; apunta a quien la opera.

Un añadido caliente, marcado por lo que es. El 25 de agosto de 2026 — tres días antes de que yo cerrara este texto — el ministro André Mendonça, del Supremo Tribunal Federal y vicepresidente del Tribunal Superior Electoral, resolvió una representación electoral, ordenó retirar en 24 horas un vídeo sintético y, en la misma decisión, propuso al pleno una tesis sobre qué cuenta como "deep fake": a los efectos del art. 9º-C, § 1º, sería el contenido sintético que "presente un grado de realismo o verosimilitud objetivamente apto para producir falsa percepción de autenticidad". Es propuesta de tesis dentro de una decisión individual — no es juicio del pleno ni cambio de la Resolución 23.755, que sigue rigiendo tal cual. Y entra aquí como averiguación de prensa, no como acto comprobado: cuatro medios transcriben el criterio de forma concordante, con autor y hora — O Globo a las 20h01, g1 a las 20h31 y Agência Brasil a las 21h44 del día 25, JOTA a las 10h36 del día 26 —, pero el texto íntegro y el número del proceso no están en el sistema público de expedientes electrónicos, ni en la página de noticias del tribunal, ni en ninguno de los portales que consulté. Si aparecen, actualizo con el número de autos. Lo registro así porque este es el punto en que la regla del artículo se vuelve contra el propio autor: el verbo que se convirtió en titular no es del ministro — "flexibiliza" está en el título de g1, no en ninguna de las citas atribuidas a la decisión —, y la lectura de que la caricatura y la parodia quedarían fuera del régimen especial es interpretación del criterio, no texto de la tesis. Es el mismo mecanismo que el resto de este artículo audita, ocurriendo con un gancho que me interesa.

El resto del cuadro brasileño, comprobado

• La Ley 15.487/2026 (6 de agosto de 2026) reescribió los arts. 241-C, D y E del Estatuto del Niño y del Adolescente para alcanzar material sintético. Ya rige.
• Lupa: los casos de desinformación con IA saltaron de 39 (4,6% del total) en 2024 a 159 (25%) en 2025 — de uno de cada veinte a uno de cada cuatro.
• SaferNet: 16 casos escolares documentados entre 2023 y 2025, en 10 estados, con 72 víctimas y 57 agresores; la central recibió 87.689 denuncias en 2025, un alza del 28,4%.
• Tres negativas que también son resultado: Febraban no mide deepfakes; la Ley 14.811/2024 y el Estatuto Digital del Niño (Ley 15.211/2025) no mencionan el término, al contrario de lo que circula; y no encontré encuesta de instituto brasileño de opinión sobre percepción de deepfake.

Qué haría yo con esto

Tres hábitos, que es lo que queda después de tres días comprobando.

Antes de repetir una cifra, pregunte de cuál de las cinco cajas salió. No hace falta ser especialista: basta con buscar quién pagó la medición y qué se contó. Si la respuesta es "la plataforma de la empresa que vende el detector", el número es verdadero y describe a su clientela.

Trate el "yo lo reconocería" como el dato menos fiable que tiene sobre usted mismo. La evidencia es consistente en cuatro países y en dos metaanálisis: el acierto humano se queda en el entorno del 55%, y la confianza no predice el acierto. La defensa que funciona no es el ojo — es el segundo canal. En Arup, una llamada a un número conocido habría costado treinta segundos y evitado 25,6 millones de dólares. Acuerde hoy una palabra o un canal de confirmación con quien pueda pedirle dinero; es gratis.

Si trabaja con elecciones, marque 72 horas en el calendario. A partir de 72 horas antes de la votación de octubre, el contenido sintético no puede publicarse ni promocionarse — aunque esté etiquetado. La etiqueta no salva durante el apagón.

Y si quiere rehacer lo que hice: son tres comandos. Descargue el informe del IC3, extraiga el texto y cuente la etiqueta usted mismo:

pdftotext ic3-2025-annual-report.pdf - | grep -c "AI Related"

El recuento del panel de Resemble AI está en el script que publico junto a este texto (capturar-resemble.py, navegador real porque la página se renderiza con JavaScript). La tabla del Cetic.br es pública y viene en hoja de cálculo. Si le da distinto de lo que publiqué, mándemelo — actualizo y acredito.

Fuentes

• Signicat — Fraud attempts with deepfakes have increased by 2137% over the last three years (feb. 2025). Encuesta Censuswide, n = 1.206 gestores de fraude, 7 países.
• Entrust / Onfido — Identity Fraud Report 2024-2025.
• Sumsub — Identity Fraud Report 2025 y 2023.
• iProov — Deepfake detection study (feb. 2025), n = 2.000 (Reino Unido y EE. UU.).
• Resemble AI — Global Deepfake Incident Database, https://www.resemble.ai/learn/deepfake-incident-database (recuento propio, 28/08/2026) y 2025 Deepfake Threat Report.
• Deloitte — Generative AI is expected to magnify the risk of deepfakes and other fraud (may. 2024).
• FBI IC3 — 2025 Internet Crime Report (abr. 2026).
• Diel, A. et al. — Human performance in detecting deepfakes: A systematic review and meta-analysis. Computers in Human Behavior Reports, 2024. DOI: 10.1016/j.chbr.2024.100538.
• Stockner, M.; Convertino, G.; Cambedda, S.; Mazzoni, G. — Are humans able to discriminate between real and deepfake faces? A systematic review and meta-analysis. Computers in Human Behavior: Artificial Humans, 2026. DOI: 10.1016/j.chbah.2026.100332.
• Köbis, N. et al. — Fooled twice: People cannot detect deepfakes but think they can. iScience, 2021.
• Groh, M. et al. — Deepfake detection by human crowds, machines, and machine-informed crowds. PNAS, 2022.
• Bitkom — Deepfakes (jun. 2026), n = 1.006.
• BSI — Cybersicherheitsmonitor 2026 (abr. 2026), n = 3.060.
• Cetic.br / NIC.br — Panel TIC — Percepciones sobre desinformación y contenido sintético (n = 5.250, campo ago.-sept. 2025).
• TSE (Brasil) — Resolución 23.755, del 2 de marzo de 2026, y Resolución 23.610/2019 (arts. 9º-B y 9º-C).
• Decisión del 25/08/2026 del ministro André Mendonça (TSE) — averiguación de prensa, sin texto íntegro localizado. Fuentes secundarias periodísticas: O Globo, Mariana Muniz, 25/08/2026 20h01; g1, Márcio Falcão, 25/08/2026 20h31; Agência Brasil, André Richter, 25/08/2026 21h44; JOTA, Flávia Maia, 26/08/2026 10h36 (transcripción más completa de la tesis).
• Brasil — Ley 15.487/2026; Ley 15.123/2025.
• Unión Europea — Reglamento (UE) 2024/1689 (AI Act), arts. 50(4), 99(4)(g) y 113.
• Estados Unidos — TAKE IT DOWN Act (Public Law 119-12, 19/05/2025); NO FAKES Act, S.4591.
• Reino Unido — Online Safety Act 2023; SI 2024/1188; Data (Use and Access) Act 2025.
• Ofcom — Ofcom launches investigation into X over Grok sexualised imagery (12/01/2026).
• Comisión Europea — IP/26/203, Commission investigates Grok and X's recommender systems under the DSA (26/01/2026).
• ICO — ICO announces investigation into Grok (03/02/2026).
• Fiscalía General de California — comunicado del 14/01/2026.
• Lupa y SaferNet Brasil — estudios de 2025.

Qué fue verificado, contra qué y cuándo. Todas las cifras anteriores fueron comprobadas contra la fuente nombrada entre el 26 y el 28 de agosto de 2026. No leí los informes completos de Signicat, Sumsub ni Resemble AI — están detrás de un formulario de registro, y usé los comunicados públicos. Del artículo de Stockner et al. (2026) leí el resumen depositado por el editor, no el texto íntegro. No localicé el texto íntegro de la decisión del 25/08/2026 del ministro André Mendonça en el TSE en ninguna de las fuentes que consulté — ni el número del proceso — y por eso entra en el texto marcada como averiguación de prensa, sobre la transcripción concordante de cuatro medios, y no como acto comprobado. No reverifiqué las cifras de volumen del caso Grok, y por eso ninguna de ellas está en el texto.