Llevo décadas mirando imágenes con ese ojo entrenado que no se apaga ni cuando uno está cansado. Primero como ilustrador, luego como docente, ahora como evaluador de modelos generativos. Y hay una pregunta que me persigue desde que empecé a auditar imágenes de IA de manera sistemática:
Categoría: AI Visual · Composición · Docencia
¿La máquina comprende la composición, o simplemente aprendió a imitarla?
La respuesta no es cómoda. Pero es la que más nos importa a quienes vivimos de tomar decisiones visuales.
Lo que la IA vio en millones de imágenes
Los modelos generativos —Midjourney, DALL·E, Firefly, Stable Diffusion— no fueron programados con manuales de diseño. No leyeron a Dondis, no estudiaron la Gestalt, no pasaron por un taller de composición. Aprendieron de otra manera: ingirieron millones de imágenes que seres humanos calificaron como «buenas» y extrajeron correlaciones.
Eso significa que aprendieron, por ejemplo, que los sujetos principales suelen estar levemente desplazados del centro. Que los fondos tienden a ser más oscuros o desenfocados. Que el espacio vacío aparece en direcciones predecibles según la orientación del sujeto.
Aprendieron el patrón. No el principio.
Y esa diferencia —entre el patrón estadístico y el principio que lo justifica— es exactamente la grieta por donde entra el ojo humano entrenado.
Lo que hace bien. Seamos justos.
No vengo a demoler la tecnología. Vengo a analizarla.
Hay cosas que los modelos actuales resuelven con una consistencia que sorprende. El equilibrio tonal global, por ejemplo: raramente una imagen generada tiene una esquina que concentre toda la oscuridad sin ninguna contrapartida. La separación figura-fondo es funcional en la mayoría de los casos. Cuando el prompt nombra un sujeto, la IA tiende a ubicarlo en posiciones que no resultan absurdas.
Y sí, si analizas estadísticamente dónde colocan los modelos los elementos principales, hay una tendencia hacia los puntos de intersección del tercio. No siempre. No con criterio consciente. Pero la correlación existe.
El problema no es que la IA falle en lo básico. El problema es que se queda exactamente ahí: en lo básico.
Cinco fallas que revelan todo
1. Composición correcta, historia ausente
Esta es la falla más frecuente y la más silenciosa. La imagen puede estar «bien encuadrada» en el tercio derecho, con buen contraste tonal, con la figura claramente separada del fondo. Y aun así, no dice nada.
En ilustración editorial —que es mi campo— eso es un fracaso. Una ilustración no decora: argumenta. Cada decisión compositiva sirve al mensaje. La IA puede generar una imagen bonita sin tener la menor idea de qué está diciendo.
2. Tensión visual como accidente estadístico
Cuando una imagen generada logra tensión, cuando hay diagonal, cuando algo tira hacia afuera del cuadro, generalmente es un accidente. El modelo reprodujo una configuración que en los datos de entrenamiento estaba asociada con «buena imagen». No construyó la tensión: tropezó con ella.
Eso se nota especialmente cuando se comparan variantes de la misma descripción en diferentes seeds: la tensión aparece en algunas y desaparece en otras, sin lógica aparente. No hay intención; hay lotería estadística.
3. El espacio negativo como relleno fallido
Los maestros del diseño gráfico lo saben desde siempre: el vacío no es ausencia. Es presencia. El espacio negativo guía, respira, tensiona.
La IA tiende a rellenar. Los fondos limpios aparecen cuando el prompt los fuerza explícitamente, no como consecuencia de una decisión compositiva. El espacio vacío «sucede» cuando la máquina no sabe qué poner ahí. No cuando entiende que ese vacío está construyendo significado.
4. Todo pesa igual
Cuando una imagen tiene múltiples elementos —varios personajes, objetos con significado, texto integrado— la IA tiene dificultades para establecer jerarquía visual clara. Todo tiende a pesar lo mismo. No hay un primer punto de entrada, ni una ruta de lectura, ni una subordinación de lo secundario al principal.
El resultado es una imagen «ocupada» sin ser «rica». Hay información, pero no hay orden. Hay elementos, pero no hay relato.
5. El encuadre no sabe lo que siente
Un ángulo picado sobre un personaje en posición de poder es una contradicción visual deliberada. Un gran plano general en un momento de intimidad extrema es una decisión retórica. Esas tensiones entre encuadre y contenido emocional son recursos que los grandes fotógrafos y directores de arte usan con intención.
La IA no puede hacer eso conscientemente. Si genera un picado sobre un personaje poderoso, es porque en los datos había imágenes similares. No está construyendo una ironía. No sabe que puede.
Entonces, ¿qué miramos cuando evaluamos?
En mi trabajo diario auditando imágenes para plataformas de entrenamiento RLHF, aplico seis ejes de análisis. No son categorías académicas: son preguntas concretas que me hago frente a cada imagen.
Intención vs. resultado. ¿La composición parece el resultado de una decisión, o parece que «cayó así»? Si no puedo articular por qué cada elemento está donde está, probablemente no hay razón.
Coherencia narrativa. ¿La composición cuenta algo, o simplemente muestra algo? ¿El encuadre, el ángulo, la distribución de pesos sirven al tema?
Gestión del espacio negativo. ¿El vacío está activo o es residual? Un vacío activo guía. Un vacío residual es fondo sin trabajar.
Jerarquía y punto focal. ¿Hay un primer punto de entrada claro? ¿Los elementos secundarios apoyan al principal o compiten con él?
Tensión y dinamismo. ¿La imagen tiene energía implícita? ¿Hay algo por resolver, algo que tire, algo que mueva?
Relación encuadre-emoción. ¿El tipo de encuadre refuerza o contradice el contenido emocional de la imagen?
Lo que esto cambia (o debería cambiar)
La inteligencia artificial ha democratizado el acceso a imágenes visualmente plausibles. Eso tiene un valor real. No es poco.
Pero la composición gráfica, en su nivel más profundo, no es un problema de distribución espacial. Es un problema de significado.
La IA puede aprender a parecer que compone. A imitar los patrones de quienes sí componen. Todavía no puede saber por qué compone.
Y esa diferencia —entre el patrón aprendido y el principio comprendido— no es un defecto que la próxima versión del modelo va a corregir. Es una brecha estructural. Es el espacio donde la mirada humana entrenada sigue siendo, por ahora, irreemplazable.
No como obstáculo para la tecnología. Como criterio que la tecnología todavía necesita.
«Del pasado se aprende, pero que nunca el pasado te aprehenda.» — edgarbelsol
Deja un comentario