Una imagen de la IA cuesta hoy menos que buscar una foto de archivo y tarda menos que encargarla. Esa comodidad explica por qué aparecen en todas partes, y también por qué tantas se reconocen al instante.
El problema no es la calidad del modelo. Es que la mayoría de quienes las usan no sabe qué está haciendo la máquina cuando genera una, y por eso no puede anticipar en qué va a fallar ni dónde se mete en un lío.
El mecanismo se explica en un párrafo, y de ese párrafo salen casi todas las decisiones prácticas que vienen después.
Cómo se genera una imagen de la IA: ruido que se quita por pasos
Los generadores actuales —DALL·E, Midjourney, Stable Diffusion y los de su familia— funcionan con modelos de difusión. El entrenamiento consiste en tomar millones de imágenes y degradarlas con ruido en pasos sucesivos hasta dejarlas irreconocibles, mientras el modelo aprende a hacer el recorrido inverso: dado un amasijo de ruido, predecir qué había debajo.
Generar una imagen es ejecutar ese recorrido inverso partiendo de ruido puro. El modelo quita ruido paso a paso, y en cada paso el texto de la petición orienta hacia dónde. Lo que sale no es una foto recuperada ni un collage de imágenes existentes: es una composición nueva construida a partir de patrones estadísticos aprendidos.
De ahí sale la primera consecuencia útil. La petición no es una orden sino una guía, y por eso dos ejecuciones idénticas dan resultados distintos. Es también la razón por la que la redacción del texto pesa tanto; conviene entender qué es un prompt y cómo se construye antes de culpar a la herramienta por un resultado mediocre.
La segunda consecuencia es que el modelo no tiene un plano del objeto. No sabe cuántos dedos tiene una mano ni cómo se escribe una palabra: reproduce lo que estadísticamente suele aparecer en ese contexto. Esa es la base de todo lo que viene, y lo que separa un uso sensato de la inteligencia artificial aplicada a negocios de la expectativa de que acierte sola.
Por qué fallan las manos, el texto y los logotipos
Las manos son el caso famoso. Aparecen en el material de entrenamiento en miles de posturas, escalas y oclusiones distintas, y lo que el modelo aprende es un promedio borroso de todas ellas. No tiene una regla que diga «cinco dedos»; tiene una tendencia. Cuando la tendencia no alcanza, salen seis.
El texto falla por lo mismo, de forma más evidente. Las letras son formas que el modelo compone por parecido visual, no símbolos que combine según un alfabeto, así que un rótulo generado suele quedar en algo que parece escritura sin serlo. Los modelos recientes han mejorado bastante en esto, pero el mecanismo sigue siendo el mismo y conviene no confiarle un texto que el lector va a leer.
Los logotipos son la trampa más costosa para un negocio. Un logotipo exige repetibilidad exacta: el mismo trazo, el mismo peso, el mismo color, mil veces. Un modelo que compone por plausibilidad no puede garantizar eso, y lo que entrega es una variación nueva cada vez. Sirve para explorar ideas; no sirve como identidad.
El patrón general es sencillo de recordar: la generación es buena en lo que admite variación y mala en lo que exige precisión. Una ilustración de ambiente tolera que cada versión sea distinta. Un plano de producto, un rostro de alguien real o una pieza de marca, no.
Lo que todavía no está resuelto: de quién es la imagen
Aquí hay que separar dos preguntas que se mezclan. Una es si puedes usar comercialmente lo que generaste; la otra es si eres dueño de ello. No tienen la misma respuesta.
Lo primero lo gobiernan las condiciones de cada plataforma, y varían. Algunas ceden al usuario los derechos de uso del resultado, otras se reservan permisos sobre lo generado, y varias distinguen entre el plan gratuito y el pagado precisamente en ese punto. Es un documento aburrido que conviene leer una vez por herramienta antes de meter el resultado en una campaña.
Lo segundo está menos cerrado. La Oficina de Derechos de Autor de Estados Unidos ha sostenido que una obra generada únicamente por una máquina, sin aportación creativa humana, no es registrable, porque la autoría exige una persona. Otros países aún no fijan criterio uniforme, así que el estado real es de incertidumbre y no de permiso.
Queda un tercer frente, el del entrenamiento. Los modelos se entrenaron con bases de datos enormes que incluyen obra protegida, y hay litigios abiertos sobre si eso era lícito. Para un negocio eso no es un debate teórico: es un riesgo de proveedor. Mientras siga abierto, apoyar la identidad visual completa de una marca en material generado es construir sobre un terreno que todavía se está midiendo. Un banco de imágenes con licencia explícita sigue siendo la opción aburrida y segura cuando la pieza es importante.
Cuándo conviene y cuándo sale más caro que una foto
Conviene para lo conceptual y lo desechable. La ilustración que acompaña a un artículo, el fondo de una presentación, la variación rápida de una idea antes de encargar la pieza buena, el bosquejo que sirve para explicarle al diseñador qué se busca. Ahí el ahorro es real y el riesgo es bajo.
No conviene cuando la imagen tiene que ser verdad. Un producto que el cliente va a recibir, las instalaciones del negocio, el equipo humano, un caso real: ahí una fotografía mediocre vale más que una generación impecable, porque el valor de esa imagen es que corresponde a algo. Herramientas como ChatGPT Images 2.0 han reducido mucho la distancia técnica, pero no cambian ese criterio: siguen generando algo que no existe.
Hay un costo que casi nunca se cuenta y es el de la consistencia. Veinte imágenes generadas en sesiones distintas no comparten paleta, encuadre ni tratamiento, y una marca con veinte estilos distintos parece veinte marcas. Mantener coherencia obliga a fijar el estilo en la petición y a descartar mucho, y ese trabajo de curaduría es justo el que el ahorro prometía eliminar.
Y una obligación que no desaparece: la imagen generada necesita texto alternativo igual que cualquier otra. Que la haya hecho una máquina no la vuelve legible para quien usa un lector de pantalla, y describirla exige mirarla. Eso es lo que no cambia al cambiar de herramienta: la generación quita trabajo de producción y no quita el de revisión. Cuando una organización recorta los dos a la vez, lo que baja es la calidad, y tarda unos meses en notarse.
Preguntas frecuentes
¿Se puede usar comercialmente una imagen generada con IA?
Depende de las condiciones de la herramienta con la que se generó, y cambian entre plataformas y entre planes. Conviene leer una vez esa cláusula por cada herramienta que se use y guardar la referencia.
¿Tiene derechos de autor una imagen hecha por IA?
La Oficina de Derechos de Autor de Estados Unidos sostiene que una obra generada solo por una máquina no es registrable, porque la autoría requiere intervención humana. En otros países el criterio no está fijado, así que lo prudente es asumir incertidumbre.
¿Por qué la IA dibuja mal las manos y las letras?
Porque compone por patrones estadísticos y no por reglas. No tiene una norma que diga cuántos dedos tiene una mano ni cómo se escribe una palabra: reproduce lo que suele aparecer en contextos parecidos.
¿Cómo se nota que una imagen fue generada con IA?
Suele delatarse en los detalles con estructura: dedos, dientes, texto, reflejos y la continuidad de patrones como rejas o azulejos. También en una iluminación demasiado uniforme y sin sombras que fallen.
¿Hace falta poner texto alternativo a una imagen generada con IA?
Sí, exactamente igual que a cualquier otra. El origen de la imagen no cambia que alguien pueda necesitar que se la describan, y describirla bien obliga a mirarla.
