¿Alguna vez una foto demasiado perfecta te pareció menos real que una imagen con grano, sombras raras o un borde torcido? Esa sensación, habitual en la fotografía y la música, ahora apareció en un lugar inesperado: las imágenes creadas por inteligencia artificial.
Una comparación difundida en X entre una galleta mojada en leche creada con DALL-E 2 y versiones posteriores reabrió el debate. Aunque los modelos nuevos logran más detalle y obedecen mejor las instrucciones, muchos usuarios eligieron la imagen antigua.
DALL-E 2, lanzado por OpenAI en abril de 2022 y retirado en la primavera de 2026, dejó una huella estética que sus sucesores no replicaron. Su grano, sus brochazos y su textura parecida a una cámara Holga hoy generan una nostalgia que parecía impensada hace apenas cuatro años.
Para parte de la comunidad, aquel sistema no solo generaba imágenes: interpretaba, se confundía y sorprendía. DALL-E 3 mejoró la fidelidad al prompt (instrucción escrita para la IA), pero consolidó una apariencia más saturada, limpia y uniforme.
La diferencia se parece a la de una cocina doméstica. Un modelo actual funciona como un electrodoméstico programado para repetir una receta con exactitud: mide cada ingrediente, evita derrames y entrega un plato impecable. DALL-E 2 se parecía más a alguien que cocina sin balanza: a veces falla, pero también deja una marca propia.
El valor inesperado de los defectos
La imperfección funcionaba como un pequeño interruptor creativo. El ruido visual, los trazos extraños o una composición incompleta no eran siempre decisiones artísticas. En muchos casos, eran límites técnicos del sistema, como las manos deformes que se volvieron uno de los signos más recordados de la primera generación de IA visual.
Sin embargo, ese cableado imperfecto daba resultados menos previsibles. El modelo podía ignorar una parte de la orden, mezclar objetos de forma extraña o inventar una perspectiva. Esa falta de control abría una oportunidad para el accidente creativo.
Los modelos actuales redujeron ese margen porque la industria optimizó sus herramientas para alcanzar fotorrealismo, precisión y respuestas inmediatas. El mecanismo detrás de esta tendencia recibe el nombre de aprendizaje por refuerzo con retroalimentación humana (método que ajusta respuestas según evaluaciones de personas).
En esas evaluaciones rápidas suelen ganar las imágenes simétricas, coloridas y llenas de detalles. Pero una reacción positiva en cinco segundos no garantiza que una imagen conserve interés cuando se la mira durante un minuto.
El resultado puede ser una pulcritud excesiva: bordes muy limpios, contraste alto y objetos ordenados de una manera que revela el origen artificial. Es como una casa modelo, perfectamente acomodada para una visita, pero sin señales de que alguien viva allí.
Un ciclo conocido en la tecnología
La fotografía digital ya atravesó este camino. Cuando la nitidez empezó a borrar toda irregularidad, muchos fotógrafos recuperaron el grano analógico. Algo similar ocurrió con el audio: productores que tenían grabaciones limpias añadieron ruido de cinta para recuperar una sensación más cálida y viva.
La IA generativa está recorriendo ese ciclo a mayor velocidad. Herramientas como Krea intentan dar a los usuarios controles para recuperar cierta textura o improvisación sin renunciar a la potencia de los modelos contemporáneos. También aparecieron filtros de diseño que imitan la estética de DALL-E 2 sobre imágenes nuevas.
No hay consenso. El mérito técnico de los sistemas actuales es incuestionable, y corregir errores fue un avance necesario. Pero la comparación de la galleta revela que la calidad no depende solo de cumplir cada instrucción.
Cuando la máquina ya puede pintar una escena casi perfecta, la siguiente decisión creativa quizá no sea aumentar la resolución. Será elegir qué pequeñas grietas conviene dejar abiertas para que la imagen conserve algo de vida.
Directora de operaciones en GptZone. IT, especializada en inteligencia artificial. Me apasiona el desarrollo de soluciones tecnológicas y disfruto compartiendo mi conocimiento a través de contenido educativo. Desde GptZone, mi enfoque está en ayudar a empresas y profesionales a integrar la IA en sus procesos de forma accesible y práctica, siempre buscando simplificar lo complejo para que cualquiera pueda aprovechar el potencial de la tecnología.
