Título del Capítulo: «La Inteligencia Artificial Generativa y la redefinición del proceso creativo»
Autoría: Juan Francisco Jiménez-Jacinto; Swen Seebach; Sara Martínez-Valverde
Cómo citar este Capítulo: Jiménez-Jacinto, J.F.; Seebach, S.; Martínez-Valverde, S. (2025): «La Inteligencia Artificial Generativa y la redefinición del proceso creativo». En Sánchez-Navarro, J.; Hellín, P. (eds.), Inteligencia artificial: retos y oportunidades para la formación y el empleo en el ámbito de la comunicación. Observatorio ATIC, nº 7. Salamanca: Comunicación Social Ediciones y Publicaciones.
ISBN: 978-84-10176-09-6
d.o.i.: https://doi.org/10.52495/c7.emcs.36.p114
Juan Francisco Jiménez-Jacinto
Universitat Abat Oliba CEU, CEU Universities
Swen Seebach
Universitat Abat Oliba CEU, CEU Universities
Sara Martínez-Valverde
Universitat Abat Oliba CEU, CEU Universities
1. Introducción
En la actualidad estamos viviendo uno de los momentos históricos con mayores avances tecnológicos en cortos periodos de tiempo. La rapidez con la que se producen estos cambios es tal que un breve lapso puede resultar en una gran cantidad de innovaciones. Esta velocidad vertiginosa de desarrollo tecnológico es, en muchos casos, abrumadora, dificultando la tarea de mantenerse al día con las últimas tendencias y avances. Este fenómeno se ha visto exacerbado con la aparición y proliferación de las redes sociales y tecnologías emergentes como las inteligencias artificiales (IA). Estas herramientas no solo transforman la manera en que interactuamos y consumimos información, sino que también tienen la capacidad de generar y difundir noticias falsas en cuestión de segundos, alcanzando a un público masivo en muy poco tiempo (Mohseni; Ragan, 2018).
La era de la comunicación en la que nos encontramos es, por tanto, extremadamente compleja y plantea una serie de retos y dificultades (Bryant, 2004). La rápida implementación de nuevas tecnologías como la inteligencia artificial en diversos ámbitos de la sociedad nos obliga a reflexionar sobre sus implicaciones éticas, sociales y culturales (Tiwari, 2023). La capacidad de estas tecnologías para crear contenido de manera autónoma plantea preguntas fundamentales sobre la naturaleza de la verdad, la fiabilidad de la información y la responsabilidad en la difusión de noticias (Kreps; McCain; Brundage, 2020).
Sin embargo, no es únicamente el ámbito de la comunicación el que ha sido profundamente afectado por estos avances tecnológicos. El campo del arte y la creatividad también se encuentra en una encrucijada debido a la irrupción de la inteligencia artificial generativa (IAG). Esta tecnología está desencadenando una crisis sin precedentes entre los artistas, quienes se ven obligados a reconsiderar y redefinir conceptos y procesos creativos que anteriormente se daban por sentados. La pregunta sobre qué constituye la creatividad y cómo se lleva a cabo el proceso creativo está siendo planteada a la luz de las capacidades de la IAG.
La aparición de las inteligencias artificiales generativas ha polarizado a la comunidad artística y está creando una brecha entre aquellos ilustradores que integran el uso de inteligencia artificial en su proceso creativo y aquellos que no (Chacón et al., 2020). El primer grupo, que se opone firmemente a la integración de la IA en el proceso creativo, argumenta que el arte debe ser una expresión humana. Este grupo sostiene que la creatividad genuina no puede ser replicada por máquinas, y que la introducción de IA en el arte devalúa la autenticidad y la esencia del proceso creativo humano (Cheng, 2022).
En contraste, el segundo grupo de artistas ve la inteligencia artificial generativa como una herramienta evolutiva y un aliado en el proceso creativo (Mazzone; Elgammal, 2019). Estos artistas argumentan que la IA puede potenciar la creatividad humana, proporcionando nuevas posibilidades y métodos para la producción artística. Para ellos, la inteligencia artificial es una extensión de la evolución tecnológica natural y una oportunidad para innovar y enriquecer sus obras.
Este debate, lejos de ser resuelto, sigue siendo un tema candente en la sociedad actual. Aunque parece haber una voz predominante en las redes sociales que apoya la postura contraria al uso de IA en el arte, aún no se ha alcanzado un consenso definitivo sobre lo que es aceptable o inaceptable. La falta de una opinión totalitaria refleja la complejidad de la cuestión y la diversidad de perspectivas sobre el papel de la inteligencia artificial en el futuro de la creatividad y la producción artística.
En resumen, nos encontramos en una era de transformación tecnológica rápida y significativa que afecta múltiples aspectos de la vida, desde la comunicación hasta el arte. La aparición de tecnologías como la inteligencia artificial generativa nos invita a reflexionar profundamente sobre sus implicaciones y a participar en debates cruciales sobre la ética, la creatividad y la autenticidad en una sociedad cada vez más tecnológica.
La inteligencia artificial se define como «la automatización de actividades que asociamos con procesos de pensamiento humano, como la toma de decisiones, resolución de problemas y aprendizaje» (Searle, 1980). Es un campo de la ciencia y la ingeniería que investiga el comportamiento inteligente de las máquinas y la creación de dispositivos que lo permitan (Gardner, 1983). Sin embargo, no se trata un campo nuevo: ya en los años 50 se exploraba el desarrollo de esta tecnología. Un ejemplo es el test de Turing de 1950, desarrollado por el matemático Alan Turing, cuyo objetivo era demostrar la inteligencia de las máquinas en un contexto experimental (Turing, 1950). Este test no solo desafió las percepciones sobre la inteligencia, sino que también estableció un marco conceptual que ha guiado la investigación en IA durante décadas. No obstante, a pesar de un prometedor inicio, entre las décadas de 1970 y 1980, la IA experimentó una ralentización que duró varios años.
Más recientemente y con el avance de las nuevas tecnologías, la inteligencia artificial dio paso a una nueva variante: las inteligencias artificiales generativas, aquellas capaces de producir medios como texto, imágenes y audios en respuesta a los prompts que se le dan a la máquina (Mandapuram et al., 2018). El objetivo de un modelo generativo es el de estudiar una serie de ejemplos con los que son entrenados, aprender la probabilidad de distribución y generar el medio que se le ordene mediante el prompt. Un ejemplo serían las Generative Adversarial Networks (GAN) (Goodfellow et al., 2014). Estos modelos generativos, son capaces de producir contenido que se asemeja al producido por seres humanos (Kar et al., 2023).
Una tecnología que es capaz de producir elementos artísticos a partir de una serie de parámetros indicados por un humano supone una revolución que ha llegado hasta el sector del arte.
Con la aparición de las inteligencias artificiales generativas, múltiples sectores se han visto afectados por estas nuevas tecnologías. Uno de los principales que están sufriendo transformaciones es el de la creatividad, pues encontramos casos como el del polémico artista Rubén Lucas García que ilustran cómo está siendo redefinido el proceso creativo y la percepción de los artistas que la utilizan por parte de la sociedad.
A continuación, se destacan tres aspectos clave sobre cómo la inteligencia artificial está redefiniendo el proceso creativo.
Uno de los principales beneficios de la IAG es su capacidad para reducir drásticamente el tiempo necesario para producir contenido artístico (Noy; Zhang, 2023). Tradicionalmente, la creación de obras de arte, ya fueran ilustraciones, gráficos o composiciones musicales, requería un proceso largo y laborioso que incluía múltiples etapas de planificación, ejecución y finalización. La IAG puede automatizar muchas de estas etapas, generando resultados finales de alta calidad en una fracción del tiempo que tomaría un humano.
Por ejemplo, las Generative Adversarial Networks (GANs), introducidas por Goodfellow et al. (2014), pueden producir imágenes realistas en cuestión de segundos a partir de descripciones textuales o ejemplos visuales. Esto no solo acelera el proceso creativo, sino que también permite a los artistas explorar más ideas en menos tiempo.
La IAG permite la creación rápida y eficiente de contenido visual y textual, optimizando procesos que antes requerían mucho tiempo y esfuerzo humano. Esto permite a los artistas concentrarse en aspectos más estratégicos y conceptuales del diseño (Ran, 2023).
La automatización mediante IAG también optimiza el uso de recursos. En lugar de dedicar horas o días a desarrollar un solo concepto, los artistas pueden utilizar herramientas de IA para generar múltiples versiones de una idea y seleccionar la más prometedora para su desarrollo posterior. Este enfoque no solo ahorra tiempo, sino que también reduce los costos asociados con la mano de obra y los materiales.
Además, la IAG puede integrar datos en tiempo real y adaptarse a las necesidades específicas del proyecto, mejorando así la eficiencia operativa. Por ejemplo, en el ámbito del diseño gráfico, programas como Adobe Sensei utilizan IA para automatizar tareas repetitivas, como el recorte de imágenes, la corrección de color y la disposición de elementos, liberando a los diseñadores para que se concentren en aspectos más creativos y estratégicos del trabajo.
La capacidad de la IAG para generar prototipos rápidos y múltiples variaciones de un diseño es otra área donde la automatización mejora la eficiencia (Ardhianto; Santosa; Pusparani, 2023). Herramientas como DeepArt y RunwayML permiten a los artistas cargar un modelo inicial y obtener instantáneamente múltiples iteraciones con diferentes estilos o ajustes. Este proceso, conocido como «creative iteration», es esencial para la experimentación y la innovación en el arte.
La IAG no solo acelera el proceso de creación, sino que también puede mejorar la calidad y consistencia del trabajo publicitario (Baek, 2023). Los algoritmos de aprendizaje profundo pueden aprender de grandes conjuntos de datos y aplicar ese conocimiento para generar contenido que cumpla con altos estándares de calidad y coherencia estilística. Esto es particularmente útil en campos como la publicidad, donde la consistencia de la marca es crucial. Sin embargo, también encontramos ejemplos en otros sectores como en el cinematográfico, donde herramientas de inteligencia artificial generativa como ScriptBook hacen uso del procesamiento del lenguaje para el análisis de guiones, así como para predecir el éxito en taquilla que tendrán determinados guiones, desarrollos de personajes, etc. La empresa 20th Century Fox ya empleó inteligencia artificial para el análisis del guion de la película Logan, y gracias a ello pudieron tomar decisiones en cuanto a la trama, personajes y producción para añadir diferentes mejoras en la película.
Blazhev (2023) destaca cómo la IA puede automatizar procesos en el diseño gráfico, mejorando la eficiencia y calidad del trabajo al permitir a los diseñadores centrarse en aspectos más complejos y creativos de sus proyectos. Esto es especialmente relevante en la ilustración publicitaria, donde mantener una imagen de marca coherente y atractiva es esencial para el éxito de las campañas.
La IAG también permite un alto grado de personalización y adaptación, lo que es particularmente valioso en la publicidad y el marketing digital. Las herramientas de IA pueden analizar datos del comportamiento del usuario y generar contenido adaptado a las preferencias individuales de cada consumidor, lo que mejora la relevancia y efectividad de las campañas publicitarias. Netflix es un claro ejemplo del uso de inteligencias artificiales para personalizar la experiencia del usuario en tiempo real, diseñando soluciones específicas para cada individuo (Verganti; Vendraminelli; Iansiti 2020). Otro caso sería el proyecto «Emotional Films» (explicado en el epígrafe subsiguiente) en el que el proceso creativo de la creación cinematográfica se ve completamente revolucionado al ser capaz de producir nuevo contenido al instante a través del análisis de las emociones de los espectadores, algo que hasta la aparición de las inteligencias artificiales generativas resultaba imposible.
Singh y Kumar (2024) explican cómo la IAG puede mejorar la relevancia y personalización del contenido publicitario, permitiendo crear campañas más efectivas y orientadas a las necesidades específicas del público objetivo. Esta capacidad de adaptación en tiempo real representa una ventaja competitiva significativa en el mercado actual, donde la personalización es clave para captar y mantener la atención de los consumidores.
La capacidad de la IA para generar múltiples variantes de una obra a partir de un solo conjunto de parámetros proporciona a los artistas nuevas formas de explorar y experimentar con diferentes estilos y conceptos. Esto puede resultar en la producción de obras que de otra manera no habrían sido posibles.
El artista Memo (Atken, 2018) exploró esta capacidad en su obra «Deep Meditations», donde la IA generó visualizaciones abstractas basadas en conceptos como la fe y el amor, permitiendo una exploración artística que sería inviable con métodos tradicionales.
La IAG permite a los artistas experimentar con una variedad de estilos y técnicas sin la necesidad de dominar cada uno de ellos manualmente. Herramientas como DeepArt y StyleGAN pueden aplicar diferentes estilos artísticos a una imagen base, permitiendo a los artistas visualizar cómo se vería su obra en múltiples estilos antes de decidir cuál desarrollar más a fondo. Este enfoque no solo ahorra tiempo, sino que también abre nuevas avenidas creativas al permitir combinaciones de estilos que pueden resultar en innovaciones estéticas únicas.
Por ejemplo, la aplicación de GANs para generar obras en estilos específicos, como el impresionismo o el surrealismo, permite a los artistas jugar con las características distintivas de cada estilo y crear piezas híbridas que fusionan lo mejor de varios mundos artísticos.
La IAG es capaz de generar contenidos completamente inéditos basados en patrones aprendidos de datos existentes. Esto es particularmente útil en la creación de conceptos nuevos y originales que no están limitados por las experiencias y habilidades previas del artista. Un ejemplo destacado es el proyecto «DeepDream» de Google, que utiliza redes neuronales convolucionales para generar imágenes psicodélicas a partir de patrones y características aprendidas de vastos conjuntos de datos visuales.
El trabajo de Akten (2018) con la obra «Deep Meditations» es otro ejemplo de cómo la IAG puede generar contenido visual que desafía las expectativas y expande los límites de lo que se considera arte. En este proyecto, como hemos apuntado, la IA generó visualizaciones abstractas basadas en conceptos como la fe y el amor, creando una experiencia visual única que combina la creatividad humana con la capacidad generativa de la máquina.
Otra área en la que la IAG está abriendo nuevas posibilidades creativas es en la creación de contenidos interactivos y adaptativos. Herramientas como las «Emotional Films», que adaptan el contenido audiovisual en tiempo real según las emociones del público, ejemplifican cómo la IAG puede crear experiencias personalizadas y dinámicas.
El estudio Dr. Platypus & Ms.Wombat realizó un proyecto que utilizó la IAG para modificar la narrativa y los elementos visuales de una película en función de las reacciones emocionales de los espectadores, capturadas a través de sensores y datos en tiempo real. Este proyecto lo llevó a cabo el estudio en colaboración con la Universidad Pública de Navarra, la Universidad de Navarra, el Centro de Recursos para la Equidad Educativa en Navarra (CREENA) y la fundación ADITECH. Esta capacidad de adaptación en tiempo real no solo enriquece la experiencia del usuario, sino que también abre nuevas posibilidades para la narrativa y el diseño de experiencias inmersivas.
Encontraríamos un ejemplo en la escritura de guiones, la producción de efectos especiales y restauración de vídeos. A través de tecnologías como el sistema Benjamin, el sistema de flujo ESRGSGAN, se ha demostrado cómo las inteligencias artificiales generativas están mejorando la creación artística humana. Herramientas como los modelos de difusión y los grandes modelos de lenguaje, pueden sintetizar imágenes de alta calidad y producir textos en diversos contextos, lo cual está alterando los procesos creativos tradicionales en la industria cinematográfica (Epstein et al. 2023).
La accesibilidad de las herramientas de IAG está democratizando la creación artística, permitiendo a individuos sin formación formal en arte crear obras complejas y estéticamente agradables. Esto está desafiando las estructuras tradicionales del mundo del arte, donde la formación y el acceso a recursos eran barreras significativas para la entrada.
El uso de plataformas como RunwayML, que ofrece herramientas de IA accesibles para artistas de todos los niveles, está permitiendo que más personas experimenten con la creación artística de alto nivel sin necesidad de costosos equipos o formación especializada. Esto no solo diversifica el campo del arte, sino que también fomenta una mayor inclusión y variedad de perspectivas en las obras producidas.
La utilización de IAG plantea importantes cuestiones éticas sobre la autoría y la autenticidad. Un caso reciente que sirve de ejemplo para ilustrar este aspecto es el del polémico ilustrador Rubén Lucas García.
Rubén Lucas García, un ilustrador murciano, se ha destacado en la industria de la publicidad por su notable éxito en diversos concursos de ilustración publicitaria, acumulando un total de 115.000 euros en premios. Sin embargo, en diciembre de 2023, el blog Notecreasnada publicó un artículo que desató una polémica significativa, al acusar a Rubén Lucas García de utilizar inteligencia artificial generativa (IAG) para crear todas sus obras.
Esta acusación se convirtió en un tema de intenso debate cuando, en febrero de 2024, las redes sociales comenzaron a difundir la noticia ampliamente. La mayoría de los usuarios se posicionaron en contra del uso de inteligencia artificial en la creación artística, argumentando que tal práctica desvirtúa el proceso creativo y compromete la autenticidad de las obras producidas.
En el caso de Rubén Lucas García, la acusación de utilizar IA para crear sus obras generó un debate sobre la legitimidad de su éxito y si sus obras podían considerarse auténticas manifestaciones de creatividad.
Uno de los desafíos más prominentes que plantea la IAG es la cuestión de la autoría. Tradicionalmente, la autoría de una obra de arte está claramente atribuida a un individuo o a un grupo de personas. Sin embargo, cuando una obra es creada con la ayuda de una IA, determinar quién es el autor puede ser complicado. ¿Es el artista humano que programó y dirigió la IA? ¿O es la IA misma, en tanto que entidad generadora del contenido?
La legislación sobre propiedad intelectual actualmente no está completamente adaptada para abordar estas cuestiones. En muchos casos, las obras creadas por IA no tienen un claro propietario de derechos de autor, lo que puede llevar a disputas legales sobre la propiedad y el uso de estas obras (Gervais, 2019). Además, existe la preocupación de que las obras generadas por IA puedan ser replicadas y distribuidas sin el consentimiento del artista humano, lo que socava la protección de los derechos de autor.
La originalidad es un valor central en la producción artística, y la IAG desafía las nociones tradicionales de lo que significa ser original. Las IA generativas como las GANs (Goodfellow et al., 2014) pueden crear imágenes y otros contenidos basados en grandes conjuntos de datos preexistentes. Esto plantea la pregunta de si estas obras pueden considerarse verdaderamente originales, o si son simplemente derivaciones de las obras de otros artistas.
Algunos pueden considerar que aquellos artistas que utilizan inteligencias artificiales generativas en su proceso creativo están incumpliendo con las normativas de copyright. El motivo es que estas inteligencias artificiales han sido entrenadas con otras obras creadas por artistas y se están usando sin pagar los derechos de autor ni solicitar su permiso para este fin. Sin embargo, también podría considerarse otra visión muy distinta. Por ejemplo, un escritor que crea una novela de fantasía épica siguiendo las estructuras clásicas narrativas está utilizando información y referencias (aunque sea de modo inconsciente) de otros autores que le han precedido (Tolkin, G.R.R Martin, J.K Rowling, etc.). La cuestión que se presenta en este caso es, ¿por qué a la inteligencia artificial sí se la acusa de plagio y a los artistas humanos que se han inspirado en otros autores no?
El caso de Rubén Lucas García ilustra esta preocupación. Sus obras, acusadas de ser generadas por IA, enfrentaron críticas por supuestamente carecer de originalidad y autenticidad. Los críticos argumentaron que las obras producidas por IA pueden replicar estilos y técnicas existentes sin aportar una nueva visión o innovación, lo que puede diluir el valor de la creatividad humana.
Otro desafío ético es la transparencia en el uso de la IAG. Los artistas y diseñadores que utilizan IA en su proceso creativo deben ser transparentes sobre el grado en que la IA ha contribuido a sus obras. La falta de transparencia puede llevar a engaños, donde el público y los críticos creen que una obra es fruto del esfuerzo humano cuando en realidad ha sido generada por una máquina.
En el caso de Rubén Lucas García, la falta de claridad sobre el uso de IA en sus obras generó una gran polémica ya que él presentó sus obras como si fueran hechas por él, sin uso de inteligencias artificiales generativas de ningún tipo. La honestidad y la transparencia son cruciales para mantener la integridad en el arte y asegurar que el público pueda juzgar las obras con un conocimiento completo de cómo fueron creadas.
El uso de IAG puede devaluar el trabajo de los artistas humanos al reducir la percepción del esfuerzo y la habilidad necesarios para crear arte. Si las máquinas pueden generar obras de alta calidad con mínima intervención humana, el valor atribuido al trabajo humano puede disminuir, afectando negativamente la economía del arte.
Se ha argumentado (Brynjolfsson; McAfee, 2014) que la automatización puede llevar a la desvalorización del trabajo humano en varios sectores, incluyendo el artístico. Esta desvalorización no solo afecta a los ingresos y la estabilidad laboral de los artistas, sino que también puede influir en la motivación y la identidad profesional de los creativos.
De nuevo, referenciando al ilustrador murciano, este caso resulta significativo debido a que muchos usuarios en la red social X (donde surgió la polémica por parte de la sociedad) criticaron tanto al artista por usar IA en sus obras como a las instituciones que premiaron su trabajo, ya que consideraban que se estaba desvalorizando el trabajo de los artistas. Argumentaban que las obras realizadas con IA carecían de esfuerzo, personalidad y autenticidad, que eran el resultado de manipular o retocar imágenes preexistentes frente al esfuerzo de artistas humanos que invierten horas y esfuerzo en sus trabajos. Sin embargo, algunos autores (Mazzone; Elgammal, 2019) comparan la aparición de la inteligencia artificial con la llegada de la fotografía, que eventualmente fue aceptada como arte después de un proceso de adaptación hasta que llegó a ser considerada no como una devaluación de la profesión sino como una herramienta transformadora.
Las IA generativas aprenden de los datos con los que son entrenadas. Datos generados por humanos. Si estos datos contienen sesgos, la IA puede replicar y amplificar estos sesgos en sus creaciones (Silberg; Manyika, 2019). Esto puede llevar a representaciones problemáticas y a la perpetuación de estereotipos en el arte generado por IA.
El caso del colectivo feminista criticando una obra de Rubén Lucas García por perpetuar estereotipos de género es un ejemplo claro de cómo los sesgos en los datos pueden influir en las creaciones de IA (Garmendia, 2024). Es esencial que los desarrolladores y usuarios de IA sean conscientes de estos riesgos y trabajen para minimizar los sesgos en los datos utilizados para entrenar las IA.
La rápida evolución de la tecnología de IA ha superado la capacidad de las regulaciones actuales para abordar sus implicaciones éticas. Es necesario desarrollar nuevas normativas que consideren los desafíos únicos que presenta la IAG. Esto incluye reglas claras sobre la autoría, la transparencia, el uso ético de datos y la protección del trabajo humano.
El estudio de Singh y Kumar (2024) subraya la necesidad de una regulación adecuada para asegurar que el uso de IA en la publicidad y el arte se haga de manera ética y justa. La regulación puede ayudar a establecer estándares que protejan tanto a los artistas humanos como al público, garantizando que las prácticas de creación y distribución de arte generativo sean transparentes y equitativas.
Sin embargo, la llegada de la inteligencia artificial (IA) plantea una serie de preguntas respecto a esta configuración. Lo interesante de la inteligencia artificial es que introduce nuevas dinámicas en el trabajo productivo donde el ser humano juega un papel fundamental en dos vías. Por un lado, está el trabajo humano invertido en el desarrollo de la IA, incluyendo su diseño, entrenamiento y programación. Este trabajo técnico y creativo es esencial para que la IA pueda operar eficazmente y mejorar continuamente. La creación de algoritmos, el ajuste de modelos y la implementación de sistemas de IA requieren un alto nivel de conocimiento y habilidad, situando a estos trabajadores en una nueva clase de productores de tecnología.
Por otro lado, está la producción de los datos que la IA utiliza en su proceso productivo, los cuales son originados por seres humanos. Los datos son la materia prima para la inteligencia artificial. Cada interacción en redes sociales, cada compra en línea y cada consulta a motores de búsqueda generan datos que son recopilados y utilizados para entrenar y mejorar los algoritmos de IA. Esto significa que, en un sentido, las personas no solo contribuyen al proceso productivo como trabajadores tradicionales, sino también como proveedores de datos, convirtiéndose en una parte integral del proceso productivo.
Nos convertimos pues no solo en dueños de los medios de producción sino también en objetos de trabajo al proporcionar los datos que la IA utiliza para su proceso creativo. Esto puede suponer no solo una redefinición del propio proceso creativo sino también de los medios de producción tal como se han entendido hasta la actualidad. La dualidad de roles —como productores de tecnología y como fuentes de datos— refleja una complejidad nueva en las relaciones de producción. La IA, por tanto, no solo automatiza tareas y mejora la eficiencia, sino que también transforma las relaciones sociales y económicas al cambiar la naturaleza del trabajo y la producción de valor.
Este cambio implica una reconsideración de los conceptos marxistas tradicionales. Si los datos generados por los usuarios se convierten en una fuente crucial de valor, ¿cómo se deben entender las relaciones de producción? ¿Quién posee realmente los datos y cómo se distribuye la riqueza generada por ellos? La inteligencia artificial no solo plantea desafíos tecnológicos, sino también profundos interrogantes sobre la estructura de nuestras sociedades y la justicia económica. En este nuevo contexto, las ideas de Marx (1867) sobre la explotación y la propiedad de los medios de producción adquieren una relevancia renovada y exigen una reevaluación crítica en la era de la inteligencia artificial.
La inteligencia artificial generativa (IAG) está transformando profundamente el proceso creativo en diversos campos como el arte, la publicidad y el cine. Esta tecnología ofrece la capacidad de automatizar y acelerar la creación de contenido, permitiendo a los artistas explorar nuevos estilos y técnicas con mayor rapidez y eficiencia. La democratización del acceso a herramientas de IAG también permite a personas sin formación formal en arte crear obras complejas y estéticamente agradables, desafiando las estructuras tradicionales del mundo del arte.
Sin embargo, la IAG plantea importantes desafíos éticos y de autenticidad. La cuestión de la autoría y la originalidad de las obras generadas por IA sigue siendo un tema de debate, al igual que la transparencia en el uso de estas tecnologías. La falta de regulación adecuada puede llevar a disputas sobre derechos de autor y a la desprotección del trabajo humano. Además, la posibilidad de que la IA replique y amplifique sesgos presentes en los datos de entrenamiento es una preocupación significativa.
El impacto de la IAG en la economía del arte y la creatividad también es considerable. Si bien puede reducir la percepción del valor del trabajo humano, la IAG también tiene el potencial de ser una herramienta transformadora que enriquezca y expanda las posibilidades creativas.
La integración de la inteligencia artificial en el proceso creativo no solo afecta a los artistas sino también a las dinámicas de producción y consumo en la sociedad. La dualidad de roles como productores de tecnología y proveedores de datos redefine las relaciones de producción y plantea interrogantes sobre la justicia económica y la distribución de la riqueza generada por estos nuevos medios de producción. Las implicaciones de la IAG en la estructura social y económica requieren una reflexión crítica y el desarrollo de nuevas normativas que garanticen un uso ético y justo de estas tecnologías.
En resumen, la inteligencia artificial generativa presenta tanto oportunidades como desafíos. Es crucial desarrollar normativas que aborden estos desafíos éticos y prácticos, asegurando una integración transparente y equitativa de la IAG en el ámbito creativo. Con un enfoque crítico y una regulación adecuada, la IAG puede convertirse en una poderosa herramienta para la innovación y la creatividad en el futuro.
Blazhev, B. (2023). Artificial Intelligence and Graphic Design. Cultural and Historical Heritage: Preservation, Presentation, Digitalization. https://doi.org/10.55630/kinj.2023.090109.
Mazzone, M.; Elgammal, A. (2019). Art, Creativity, and the Potential of Artificial Intelligence. Arts. https://doi.org/10.3390/ARTS8010026.
Silberg, J.; Manyika, J. (2019). Notes from the AI frontier: Tackling bias in AI (and in humans). McKinsey Global Institute. Recuperado de https://www.mckinsey.com/mgi/overview/our-research/notes-from-the-ai-frontier-tackling-bias-in-ai-and-in-humans.
7.