La UPV crea un sistema que anticipa qué bulos pueden hacerse virales

La Universitat Politècnica de València (UPV) ha desarrollado un sistema de alerta temprana capaz de identificar, cuando un contenido apenas empieza a circular por las redes sociales, cuáles son los mensajes con mayor riesgo de combinar dos ingredientes especialmente problemáticos: desinformación y capacidad de hacerse virales. No decide qué es verdad ni ordena borrar publicaciones. Su trabajo es otro, más pragmático: señalar dónde conviene mirar primero.

El método se denomina Disinformation Diffusion Virality Risk Index (DDVRI) y pretende reducir uno de los grandes problemas de la verificación digital: el tiempo. Mientras periodistas, instituciones y verificadores contrastan una afirmación, un bulo atractivo puede haberse multiplicado por miles de pantallas. La herramienta intenta detectar ese peligro durante las primeras fases de propagación y colocar los contenidos potencialmente más dañinos en la parte alta de la cola de revisión.

Detectar el bulo importa, pero anticipar su alcance importa más

Durante años, buena parte de las herramientas contra la desinformación se han concentrado en determinar si una publicación tiene características propias de un contenido falso, manipulado o engañoso. El equipo de la UPV ha añadido otra variable decisiva: aunque un mensaje resulte dudoso, no todos tienen las mismas posibilidades de extenderse.

Ahí está el matiz. Internet contiene una cantidad prácticamente inabarcable de afirmaciones falsas, rumores sin verificar y mensajes de escasa fiabilidad. Muchos desaparecen sin pena ni gloria. Otros encuentran el momento exacto, la emoción adecuada y una red dispuesta a amplificarlos. En una emergencia, una crisis sanitaria o una catástrofe, esa diferencia puede ser enorme: la velocidad de difusión termina siendo parte del problema.

El DDVRI analiza información disponible durante las primeras etapas de circulación, como el contenido del mensaje, determinadas características de su fuente, la velocidad con la que comienza a difundirse y la estructura que va formando su propagación. Con esos datos calcula un nivel de riesgo y ordena los contenidos para que los equipos humanos sepan cuáles merece la pena comprobar antes.

Seis horas para estimar qué puede ocurrir tres días después

Uno de los experimentos más reveladores se realizó con PHEME, una base de datos académica que reúne rumores y conversaciones de Twitter, la actual X, relacionados con acontecimientos de actualidad.

Los investigadores utilizaron las primeras seis horas de actividad de cada contenido para estimar cuáles podían alcanzar una difusión elevada en un horizonte de 72 horas. Después observaron qué había ocurrido realmente.

Entre los 50 mensajes que el sistema situaba en las primeras posiciones de cada acontecimiento, la presencia de casos que combinaban riesgo de desinformación y elevada difusión resultó aproximadamente tres veces superior a su prevalencia media dentro del conjunto estudiado. Dicho de otra forma: la herramienta conseguía concentrar buena parte del problema allí donde un verificador miraría primero.

No significa que prediga el futuro con certeza —ningún algoritmo serio debería venderse con semejante bola de cristal—, sino que mejora la capacidad para localizar tempranamente publicaciones que reúnen señales preocupantes.

La prueba con desinformación sobre la COVID-19

El equipo también utilizó CoAID, una base de datos que contiene informaciones y afirmaciones verdaderas y falsas sobre la COVID-19 junto con datos de interacción procedentes de redes sociales.

Los resultados siguieron la misma dirección. En una de las configuraciones estudiadas, el 27 % de los primeros 50 contenidos seleccionados por el sistema reunía simultáneamente desinformación y una elevada capacidad de amplificación. La cifra importa por una razón sencilla: los equipos de verificación no disponen de manos infinitas.

Cuando llegan cientos o miles de publicaciones prácticamente al mismo tiempo, revisar todo con idéntica prioridad es imposible. El nuevo índice funciona como una suerte de triaje digital: permite ordenar qué contenidos requieren una comprobación más urgente cuando los recursos humanos son limitados.

No sustituye al verificador ni decide qué debe borrarse

Esta distinción resulta esencial. El DDVRI no es un censor automático, ni una herramienta diseñada para eliminar mensajes de una red social porque un modelo matemático los considere sospechosos.

La comprobación final de los hechos corresponde a personas. También cualquier decisión posterior sobre cómo responder, desmentir, contextualizar o actuar frente a un contenido. El sistema funciona como un mecanismo de priorización, no como un árbitro de la verdad.

Juan José Climent-Ferrer, uno de los investigadores que ha desarrollado el sistema, ha explicado que la finalidad es ayudar a equipos de verificación, instituciones y servicios de comunicación a decidir dónde concentrar primero una capacidad de revisión que habitualmente es limitada. La intención, por tanto, no es reemplazar el criterio humano, sino darle una especie de radar.

Ese enfoque introduce también una diferencia relevante frente a determinados modelos opacos de inteligencia artificial. El DDVRI se plantea como un sistema explicable de alerta temprana, orientado a estimar un riesgo conjunto y ordenar prioridades, no como un clasificador universal capaz de dictaminar por sí solo qué noticia es falsa.

Una herramienta especialmente pensada para las crisis

El método cobra especial sentido cuando la información se mueve deprisa y comprobarla requiere tiempo. Una emergencia sanitaria, unas inundaciones, un atentado o cualquier acontecimiento con gran incertidumbre generan el terreno perfecto para la propagación de rumores: faltan datos, sobran emociones y millones de personas buscan respuestas simultáneamente.

En esas primeras horas, la velocidad forma parte del problema. Un desmentido publicado cuando una falsedad ya ha recorrido medio internet llega, por definición, tarde para una parte de la audiencia. Detectar las primeras señales de una posible expansión permite ganar minutos u horas decisivas.

La UPV conoce bien ese terreno. Investigaciones anteriores de la universidad sobre la desinformación vinculada a episodios de lluvias torrenciales en Valencia ya habían estudiado cómo determinados contenidos engañosos recurren a recursos emocionales, testimonios personales, negaciones y fórmulas lingüísticas capaces de reforzar su aparente credibilidad.

El salto que plantea ahora el DDVRI consiste en incorporar también la dinámica de propagación: no observar únicamente lo que dice el mensaje, sino cómo empieza a moverse, a qué velocidad lo hace y qué estructura adopta su difusión.

Quién está detrás del nuevo sistema de la UPV

El trabajo ha sido desarrollado por J. Ernesto Solanes, Juan José Climent-Ferrer, Flavio Moriniello, Ana Martí-Testón, Adolfo Muñoz y Luis Gracia, investigadores vinculados al grupo Hume del Instituto de Diseño y Fabricación de la UPV.

La investigación, publicada en 2026 en la revista científica Electronics, define el DDVRI como un marco probabilístico de alerta temprana para localizar aquellos casos poco frecuentes pero especialmente relevantes en los que coinciden riesgo factual y alta amplificación futura. La financiación procede, entre otras vías, del programa europeo Digital Europe a través del proyecto AI-SECRETT, así como del Gobierno de España y la Generalitat Valenciana.

Detrás del nombre técnico, bastante menos pegadizo que un buen bulo, hay una idea muy concreta: utilizar los primeros rastros que deja una publicación para estimar cuáles pueden convertirse en un problema mucho mayor unas horas después.

Ganar tiempo frente a la desinformación

El avance de la UPV no elimina la desinformación ni resuelve el problema de fondo de las redes sociales. Tampoco puede garantizar que un mensaje señalado vaya a convertirse en viral. Lo que ofrece es algo probablemente más útil que esas promesas grandilocuentes: prioridad y tiempo.

En internet, una mentira no necesita convencer a todo el mundo. A veces le basta con encontrar unos miles de usuarios dispuestos a compartirla durante las primeras horas. Cuando el desmentido empieza a circular, el mensaje original puede llevar ya una ventaja difícil de recuperar.

El DDVRI intenta intervenir justamente en ese intervalo, cuando el incendio todavía parece una chispa. No apaga el fuego ni decide quién encendió la cerilla. Pero puede señalar dónde empieza a salir humo.