Lo que la máquina de IA generativa nunca ha visto

Los modelos generativos aprenden de la media. Se entrenan con miles de millones de pares de imagen y descripción raspados de internet, y de ahí extraen no lo excepcional sino lo estadísticamente frecuente. Por eso son extraordinarios produciendo lo que más han visto —el cartel cinematográfico, el retrato corporativo, el paisaje de portada— y notablemente malos con lo raro, lo específico y lo genuinamente idiosincrático.

Esa no es una limitación temporal que se arregle con más parámetros. Es una consecuencia directa de cómo funcionan.

Y abre una ventana comercial que conviene mirar con calma.

El dato que lo demuestra

Un estudio comparó las puntuaciones de estereotipo que producen estos modelos para distintas nacionalidades contra el número de usuarios de internet de cada país. El resultado fue consistente: mientras más pequeña es la huella digital de un lugar, más estereotipada es la imagen que el modelo devuelve de él.

Traducido: lo poco fotografiado se representa mal. No por mala fe, sino por falta de material.

Ese hallazgo tiene una lectura optimista que casi nadie está haciendo. Si la debilidad estructural de estas herramientas es todo aquello de lo que existen pocas imágenes, entonces la escasez visual acaba de convertirse en una ventaja competitiva. Lo que está poco documentado es exactamente lo que no se puede generar.

El costo de parecerse a todo

Del otro lado del mismo fenómeno está la homogeneización.

Miles de marcas y creadores usando las mismas herramientas producen material intercambiable. Ya existe una categoría visual reconocible que la gente llama, sin más, IA, y caer dentro de ella tiene un costo medible. La reacción del espectador que identifica una imagen como generada es rápida y poco generosa: le asigna menos esfuerzo, menos credibilidad, y sigue de largo. El insulto que se le atribuye al extremo bajo de esa producción —slop— describe bien la reacción: corta la experiencia estética en vez de premiarla.

Los algoritmos empeoran el ciclo. No recompensan lo original sino lo que ya genera interacción, que suele ser lo familiar. Así, con más herramientas de creación que nunca en la historia, la diversidad visual se está estrechando en lugar de ampliarse.

La estrategia obvia

Si el sistema es fuerte en lo abundante y débil en lo escaso, la jugada es moverse hacia lo escaso.

En la práctica eso significa cosas concretas y nada épicas. Fotografiar lugares que no aparecen en las primeras cien imágenes de un buscador. Trabajar con gente que no encaja en el arquetipo del casting. Documentar oficios, geografías y comunidades sobre las que existe poco registro visual serio. Volver a un mismo tema durante años en lugar de tocarlo una vez.

Nada de eso es una postura moral. Es dónde queda valor cuando lo demás se abarata.

Lo que le hace al archivo

Si esto es cierto, cambia el cálculo de qué vale la pena guardar.

Durante veinte años la lógica del archivo fue de descarte: demasiadas imágenes, poco espacio, borrar lo que no se publicó. Esa lógica asumía que el valor estaba en la foto individual y en su uso inmediato.

Bajo el argumento contrario, el valor está en la densidad. Cien imágenes de un lugar poco documentado, tomadas a lo largo de años, con fecha, ubicación y contexto anotados, valen bastante más que cien imágenes buenas de cien lugares distintos. No porque cada una sea mejor, sino porque juntas constituyen algo que no existe en otro lado.

Eso tiene consecuencias muy poco románticas. Los metadatos importan. Los nombres de archivo importan. Anotar quién aparece, dónde y cuándo importa, y aburre. Un archivo desordenado de material irrepetible es, en términos prácticos, un archivo a medias.

También cambia qué se firma. La procedencia documentada y el consentimiento en regla dejaron de ser trámite y se volvieron parte del activo, porque el material verificable escasea y va a escasear más.

El contrapeso

Nada de esto resuelve el problema real, que sigue siendo la distribución.

Ser raro no sirve de nada si nadie llega. Los algoritmos premian lo familiar, y lo poco visto es por definición poco familiar, así que la misma característica que vuelve valioso a un cuerpo de trabajo lo vuelve difícil de circular. Ese es el precio de trabajar lejos del centro y no desapareció.

La diferencia respecto a hace tres años es dónde está el cuello de botella. Antes había que competir contra otros fotógrafos por el mismo encargo, en el mismo lugar, con la misma imagen posible. Ahora la competencia genérica es infinita y gratuita, lo cual, paradójicamente, vuelve más fácil ser distinto y más difícil ser visto.

Cambiar un problema de producción por un problema de distribución no es una victoria, pero tampoco es una derrota. Es un problema distinto, y este sí se puede trabajar.

La otra escasez

Hasta aquí el argumento se ha centrado en lugares, pero la escasez más difícil de replicar no es geográfica. Es de acceso.

Un modelo generativo puede producir una habitación cualquiera. No puede conseguir que alguien lo deje entrar a la suya. No puede sostener una relación de diez años con una comunidad, ni ganarse el permiso para estar presente en un momento que nadie más va a ver, ni construir la confianza que hace que una persona baje la guardia frente a la cámara.

Eso último es probablemente lo más subestimado del oficio ahora mismo. Se habla muchísimo de técnica y muy poco de la capacidad de estar en el lugar correcto con permiso, que es una habilidad social y toma años.

Y tiene una propiedad interesante: no se abarata con la tecnología. Al contrario. Mientras más fácil es fabricar una imagen de alguien, más valor tiene una imagen hecha con alguien.

El matiz

Vale la pena decirlo sin adornos: la rareza por sí sola no es una virtud. Fotografiar algo poco fotografiado y hacerlo mal sigue siendo hacerlo mal.

Pero la combinación de acceso real y oficio real se volvió difícil de reemplazar de una manera que no lo era hace tres años. Durante mucho tiempo, trabajar lejos de los centros de producción de imagen fue una desventaja de distribución. Ahora es una ventaja de datos.

Es una forma poco romántica de decirlo. También es la primera buena noticia estructural que recibe el oficio en bastante tiempo.

Fuentes: OASIS, análisis de estereotipos en modelos texto-a-imagen · Kompozy, The AI Design Aesthetic · Medium, The Slop Aesthetic