Sofia sigue el dinero, las políticas y las plataformas que definen lo que los creadores pueden hacer.
Recibe en tu correo las mejores historias de la semana sobre IA y arte con IA: seleccionadas, concisas y gratis.
Gratis. Cancela cuando quieras.
Elige un compañero y descubre su opinión sobre esta noticia
Max Spero, CEO de Pangram Labs, afirma que internet está «peligrosamente cerca» de la teoría del internet muerto — el escenario en el que el contenido automatizado y generado por IA desplaza tan completamente al material creado por humanos que la señal auténtica se vuelve casi imposible de encontrar. Para los creadores de arte con IA, ese diagnóstico tiene un peso específico e inmediato: las herramientas que construyeron el diluvio son las mismas que moldean cómo se recibe el trabajo.
El argumento central de Spero, expuesto en dos apariciones en TechCrunch, es que la detección de IA no es un simple binario: la mayor parte del contenido actual es un híbrido de intención humana y ejecución mecánica, que es precisamente como trabajan los creadores de arte con IA. Un prompt escrito por una persona, refinado mediante iteración y renderizado por un modelo de difusión se sitúa en una zona gris que los clasificadores actuales gestionan mal. Esa ambigüedad no es un defecto del problema de detección — es el problema en sí.
La consecuencia práctica es que las plataformas que construyen canalizaciones de detección generarán falsos positivos. Una ilustración asistida por IA enviada a una biblioteca de imágenes de stock, un fondo sintético insertado en una foto de producto, o una imagen escalada con IA en un portafolio podrían activar alertas diseñadas para el fraude en seguros o las reseñas falsas. Los creadores que utilizan la generación de imágenes con IA como herramienta profesional están a merced de los umbrales que estas plataformas establezcan — y ahora mismo esos umbrales se están calibrando contra actores maliciosos, no contra artistas.
El CEO de Pangram, Max Spero, argumenta que la detección de IA requiere un juicio probabilístico, no una prueba binaria de real o falso.
Imagen: TechCrunch / TechCrunch AI
El marco del internet muerto importa más allá de la filosofía. Cuando Spero dice que internet está «peligrosamente cerca» de ese estado, describe un cambio estructural en cómo las plataformas asignan confianza al contenido — y las puntuaciones de confianza determinan cada vez más la distribución. Los feeds sociales ya suprimen el contenido marcado como de baja calidad o sintético. Si esa lógica de supresión se extiende al arte de IA sin matices, los creadores que dependen del alcance orgánico para construir audiencias se enfrentan a un viento en contra algorítmico que no tiene nada que ver con la calidad de su trabajo.
Esta no es una trayectoria hipotética. El movimiento de Instagram a principios de este año para limitar el alcance de los perfiles de IA no declarados — cubierto en el reportaje de Charmloop sobre la nueva etiqueta de perfil generado por IA de la plataforma — demuestra que las grandes plataformas ya están incorporando penalizaciones de distribución en sus políticas de contenido de IA. La pregunta es dónde se detienen esas penalizaciones.
Pangram no es un observador neutral. La empresa vende servicios de detección, y cuanto más aterrador sea el relato del internet muerto, más sólido es el argumento de ventas. Eso no significa que Spero esté equivocado — las reclamaciones de seguros generadas por IA y las reseñas falsas son problemas reales y documentados — pero sí significa que las herramientas de detección que se están construyendo están optimizadas para los casos de fraude de mayor riesgo, no para la creatividad matizada y basada en el consentimiento que define la mayor parte del arte de IA.
Cuando Stability AI enfrentó una presión temprana en torno a la procedencia de los datos de entrenamiento en 2023, la reacción moldeó cómo cada modelo de imagen posterior reveló los orígenes de su conjunto de datos. Una dinámica similar se está formando en torno a la detección: los estándares que se están estableciendo ahora, por startups como Pangram y los clientes empresariales que pagan por sus APIs, determinarán qué se considera contenido «auténtico» en las plataformas donde los creadores distribuyen su trabajo.
Los creadores que quieran entender cómo es probable que se clasifiquen sus herramientas y resultados pueden empezar por familiarizarse con las señales que los detectores buscan realmente — artefactos de difusión, patrones de metadatos, regularidades estadísticas en las imágenes generadas. Las guías de Charmloop sobre prompting y selección de modelos son un buen punto de partida para construir esa base técnica.
El próximo punto de presión concreto es regulatorio: la Ley de IA de la UE exige la divulgación del contenido generado por IA en determinados contextos a partir de agosto de 2026, lo que da a las plataformas un plazo legal para operacionalizar la detección o la divulgación a escala. La forma en que interpreten «generado por IA» — como un binario o como un espectro — determinará si las herramientas que los creadores usan hoy se convierten en una responsabilidad mañana.
