¿Y si la inteligencia artificial ya decidió por ti antes de escribir tu primer prompt?

Escribes una instrucción, la inteligencia artificial genera varias imágenes, seleccionas una, modificas algunos detalles y finalmente publicas el resultado. Parece sencillo: tú tienes la idea, la máquina ejecuta y tú decides. Sin embargo, detrás de esta aparente libertad creativa existe una realidad más compleja: muchas de las decisiones que determinan el resultado fueron tomadas antes de que escribieras una sola palabra.

El debate sobre la autoría de las imágenes generadas mediante inteligencia artificial suele reducirse a una disyuntiva: ¿crea la persona o crea la máquina? Epstein et al. (2020) muestran cómo atribuimos reconocimiento a los participantes en estos procesos. Sin embargo, esta discusión resulta insuficiente porque confunde tres dimensiones distintas: la autonomía, entendida como la capacidad técnica de operar sin intervención; la agencia, como la capacidad de modificar un resultado; y la autoría, como el reconocimiento social de una creación (Latour, 2008; McCormack et al., 2019).

Esta distinción es fundamental porque un sistema puede funcionar con gran autonomía sin necesariamente concentrar toda la agencia creativa. Incluso, dependiendo del entorno de producción y circulación, la influencia de los participantes puede modificarse considerablemente. Mayor autonomía tecnológica no significa necesariamente mayor agencia sobre el resultado final, ni mayor agencia implica automáticamente mayor autonomía.

Pensemos en los millones de fotografías, ilustraciones y pinturas utilizadas para entrenar estos sistemas. Sus autores tomaron decisiones sobre encuadres, colores, composiciones y formas de representar el mundo. Crawford y Paglen (2021) advierten que estos archivos no son neutrales, sino estructuras atravesadas por decisiones culturales y políticas. A este fenómeno propongo denominarlo agencia sedimentada: decisiones creativas anteriores que continúan influyendo en nuevas imágenes, aunque sus autores permanezcan invisibles. La inteligencia artificial no crea desde el vacío, sino desde una memoria visual colectiva.

Existe además otra dimensión menos evidente. Las empresas desarrolladoras establecen filtros, restricciones y configuraciones que condicionan nuestras posibilidades creativas. Antes de escribir una instrucción, el sistema incorpora decisiones sobre aquello que puede representar, privilegiar o excluir. Denomino a este fenómeno decisión por omisión: elecciones realizadas previamente por otros actores que experimentamos como características naturales de la tecnología.

Pero el proceso no termina cuando aparece la imagen. El entorno donde se difunde también ejerce agencia. Una misma representación puede circular como obra artística en una galería, convertirse en contenido publicitario o interpretarse como desinformación en una red social. Cada espacio establece criterios particulares de legitimidad, visibilidad y reconocimiento. Como explica Gillespie (2022), las plataformas intervienen activamente en aquello que alcanza mayor o menor circulación.

Esto significa que la agencia no permanece fija: puede desplazarse entre el creador, el sistema, las empresas, las plataformas y los públicos. La autonomía técnica también depende de las condiciones de operación y de la intervención humana disponible en cada contexto. Por ello, dos imágenes producidas con idéntico grado de automatización pueden presentar configuraciones de agencia radicalmente distintas.

Para comprender esta complejidad propongo un perfil de agencia distribuida, que identifica quién decide en cinco momentos: archivo, modelo, instrucción, selección y circulación. Esta perspectiva permite reconocer la imagen algorítmica como una producción colectiva, tecnológica y cultural, donde las capacidades de decisión se distribuyen de manera desigual.

El verdadero desafío no consiste únicamente en determinar quién creó una imagen, sino en comprender quién establece las condiciones de aquello que podemos imaginar, representar y hacer visible.

Porque quizá la pregunta más inquietante no sea si la inteligencia artificial puede crear, sino:

¿Estamos ampliando nuestra imaginación con inteligencia artificial o estamos aprendiendo a imaginar dentro de los límites que otros diseñaron?

Referencias

Crawford, K., & Paglen, T. (2021). Excavating AI: The politics of images in machine learning training sets. AI & Society, 36(4), 1105–1116. https://doi.org/10.1007/s00146-021-01162-8

Epstein, Z., Levine, S., Rand, D. G., & Rahwan, I. (2020). Who gets credit for AI-generated art? iScience, 23(9), Article 101515. https://doi.org/10.1016/j.isci.2020.101515

Gillespie, T. (2022). Do not recommend? Reduction as a form of content moderation. Social Media + Society, 8(3). https://doi.org/10.1177/20563051221117552

Latour, B. (2008). Reensamblar lo social: Una introducción a la teoría del actor-red. Manantial. (Obra original publicada en 2005).

McCormack, J., Gifford, T., & Hutchings, P. (2019). Autonomy, authenticity, authorship and intention in computer generated art. En A. Ekárt, A. Liapis & M. L. Castro Pena (Eds.), Computational intelligence in music, sound, art and design (pp. 35–50). Springer. https://doi.org/10.1007/978-3-030-16667-0_3