Una publicación en Facebook con el cartel genérico de una feria de pueblo británica (village fayre) se volvió viral, desatando una oleada de mofas y llevando al diario The Independent a dedicar un reportaje a lo que ya se denomina «AI poster slop» (la saturación de carteles clónicos generados por IA). Estas imágenes, consideradas de forma aislada, no son necesariamente horribles: sus texturas de acuarela y su tono bucólico cumplen con un estándar visual elemental. La auténtica contradicción surge cuando un usuario introduce los datos detallados de un evento: la máquina devuelve invariablemente la misma plantilla homogénea. Vista una vez pasa desapercibida; vista veinte veces en los tablones del barrio, la repetición constante se vuelve insoportable.
Los modelos fundamentados en probabilidades estadísticas tienden por naturaleza a la regresión a la media. Cuando se le pide un cartel a una IA, esta devuelve una imagen compuesta por los vestigios superpuestos de todos los folletos de su conjunto de entrenamiento. En Hacker News, el debate en torno a este dilema de diseño cosechó más de 1.280 votos favorables y más de 700 comentarios, situándose en lo más alto de la jornada. El desarrollador John Hartnup publicó un catálogo con más de cien variantes de prompts para carteles. Sus pruebas de estrés sacaron a la luz una verdad incómoda: el gran defecto de la IA generativa en el diseño de carteles no es la falta de destreza gráfica, sino una ignorancia absoluta de las reglas básicas de la tipografía.
Figura: Collage de carteles de ferias rurales generados por IA que circulan en internet. Fuente: john.hartnup.uk
Pruebas de estrés: los movimientos históricos vencen a las listas de adjetivos
El experimento de John Hartnup arrancó con una feria de primavera ficticia. Proporcionó a ChatGPT información exhaustiva y realista: 21 de abril, de 11:00 a 15:00 horas en Mill Beach Park (Honeyford), entrada libre, rifa benéfica (tombola), tartas y refrescos, puestos de artesanía, talleres de circo y actuaciones de un grupo de samba y una banda de tambores dhol. Decidido a sortear los clichés habituales, su prompt solicitaba explícitamente una «maquetación limpia, sin florituras, luminosa y con un gráfico llamativo de temática primaveral», subrayando la orden de «evitar tonos pastel, aerógrafo, estilos al óleo e imágenes de personas».
El resultado inicial retuvo esa inconfundible estética de mercadillo parroquial de bajo coste. El modelo ignoró las restricciones negativas y se aferró a la distribución de probabilidad predeterminada que activa la palabra «feria». El control de pesos negativos en los modelos de difusión sigue siendo endeble, y las directrices abstractas de maquetación no tienen nada que hacer frente al tirón de los sustantivos concretos. Ante una lista de diez atracciones, el primer instinto de la IA no fue jerarquizar la información, sino encajar diez ilustraciones decorativas a presión sobre el lienzo.
Hartnup cambió de estrategia de inmediato: pidió a la máquina una estética deliberadamente opuesta, utilizando el resultado anterior como contraejemplo de lo que no debía hacer. El resultado fue una composición geométrica modernista de inspiración Bauhaus. Solo por el hecho de romper con el molde predeterminado, el diseño destacó al instante entre la marea de imágenes indistinguibles.
Figura: Segundo intento del autor en estilo Bauhaus / modernismo geométrico. Fuente: john.hartnup.uk
Este intento demostró una regla que desafía los manuales habituales de ingeniería de prompts: especificar un movimiento artístico histórico concreto —como un cartel de exposición cubista de los años 40— es infinitamente más eficaz que encadenar adjetivos descriptivos. Las corrientes históricas conforman agrupaciones de características muy densas en los datos de entrenamiento. Invocar el índice de un movimiento reconocido activa una gramática visual coherente, con mucha mayor precisión que ensamblar una docena de adjetivos subjetivos sobre la marcha.
ChatGPT fue capaz de enumerar decenas de corrientes que podía emular, algunas de las cuales eran desconocidas para el propio autor. La siguiente tabla resume las estrategias de entrada y los resultados observados durante las pruebas:
| Fase de prueba | Estrategia de prompt | Movimiento generado por el modelo | Evaluación del resultado |
|---|---|---|---|
| Prueba inicial | Evitar tonos pastel y óleo, pedir maquetación limpia | Plantilla estándar de feria rural | Altamente repetitivo; ver el mismo estilo 20 veces resulta irritante |
| Enfoque negativo | Indicar la estética anterior como contraejemplo a evitar | Bauhaus / Modernismo geométrico | Impacto visual muy superior; destaca simplemente por romper el molde |
| Estilo específico | Especificar cubismo de los años 40 | Cartel de exposición cubista | Ejecución visual precisa; infinitamente más eficaz que adjetivos abstractos |
| Validación por lotes | Estilo tipográfico internacional suizo | (Uno de los 100 estilos catalogados) | Demuestra que nombrar corrientes históricas supera a la acumulación de adjetivos |
| Validación por lotes | Impresión con risografía (Risograph) | (Uno de los 100 estilos catalogados) | (Igual que el anterior) |
| Validación por lotes | Collage de recortes de Matisse | (Uno de los 100 estilos catalogados) | (Igual que el anterior) |
| Validación por lotes | Volantes rave de los noventa | (Uno de los 100 estilos catalogados) | (Igual que el anterior) |
Texto sepultado por el ruido visual: una búsqueda del tesoro obligada
Aunque los grandes modelos demuestren soltura con el brutalismo, el estilo Memphis o las composiciones monocromáticas con un color de acento, el resultado final sigue provocando incomodidad. En Hacker News, el desarrollador eloisant dio en el clavo con el diagnóstico más certero: el fallo capital de los carteles generados por IA radica en que obligan a buscar la información, en lugar de permitir percibirla de un vistazo.
«El mayor problema que tengo con los carteles de IA es que están demasiado saturados; tienes que buscar la información en vez de verla destacar al instante», señaló eloisant. Antes de la irrupción de la IA, ni siquiera los voluntarios vecinales que componían carteles precarios en Microsoft Word caían en este error básico. Por poco criterio estético que tenga un aficionado, entiende por intuición que la fecha, la hora, el lugar y los puntos clave deben tener un tamaño generoso para que cualquier transeúnte pueda leerlos desde la acera. En cambio, los modelos de imagen saturan el espacio con cenefas intrincadas, instrumentos musicales y parafernalia circense, relegando los datos indispensables a un rincón ilegible.
Los modelos actuales de generación visual no asimilan la tipografía como un vehículo de información jerárquico. Tratan las letras como parches de color equivalentes a flores o guirnaldas, buscando la densidad superficial y el equilibrio compositivo en lugar de la legibilidad. Cuando se les facilitan varias líneas de texto, no producen un anuncio claro, sino un laberinto plagado de ruido visual.
Figura: El estilo de volante de drum & bass de los años 90 probado por el autor. Fuente: john.hartnup.uk
Repartir pinceles sin criterio tipográfico
Cuando las barreras técnicas para crear imágenes se derrumban, la uniformidad visual se convierte en la norma. En el hilo de debate, vintagevibe resumió la raíz del problema: el valor diferencial de un diseñador profesional en la cadena productiva reside en su función editorial. Su cometido consiste en arbitrar entre la lista interminable de peticiones del cliente y la limitada atención del público, recortando lo superfluo para que el mensaje principal llegue nítido.
Poner herramientas de generación en manos de usuarios sin formación en diseño, sin dotarles al mismo tiempo de criterio tipográfico, es el detonante de esta saturación de mediocridad industrial. Al no haber nadie que asuma la tarea de podar elementos, la máquina se limita a ensamblar un monstruo de Frankenstein que acumula todas las peticiones sin orden ni concierto. Como apuntó con acierto yellowapple, la IA generativa no reemplazará a los diseñadores cualificados a corto plazo, precisamente porque lo que le falta a los clientes es esa capacidad de juicio fundamentada en la contención.
Los generadores universales sufren un vacío de competencia flagrante en disciplinas especializadas. Cuando la tecnología permite a cualquiera añadir elementos sin límite, el verdadero talento escaso pasa a ser la capacidad de restar. El propio Hartnup, interviniendo en los comentarios bajo el alias ereiamjh, reconoció abiertamente esta limitación. Tras renderizar y revisar un centenar de prompts dos veces consecutivas, admitió la sobrecarga: «Los prompts mejorarían notablemente si exigiéramos mucha menos saturación visual… A menos que se le indique lo contrario, la IA intentará colocar un elemento gráfico por cada palabra que aparezca en el texto».
Capas de código frente a píxeles fusionados: salir del callejón sin salida del mapa de bits
Para sortear el callejón sin salida de las imágenes estáticas e ineditables, Hartnup planteó una alternativa técnica mucho más pragmática: dejar de forzar al modelo a incrustar todo en una única capa de mapa de bits. En su lugar, sugiere que modelos de lenguaje como Claude Code o Gemini generen directamente código HTML/CSS, gráficos vectoriales SVG o documentos PDF con capas reales. En este marco de trabajo, el texto recupera su condición de texto legible y las capas preservan su estructura independiente. El cartel deja de ser un archivo de píxeles cerrado para convertirse en un activo digital interactivo: las tipografías pueden sustituirse en el CSS, las posiciones pueden reajustarse en el DOM y el fondo queda desacoplado de la información en primer plano.
Desde la óptica de la arquitectura de sistemas, se trata de una estrategia de reducción dimensional muy lúcida para solventar un cuello de botella cualitativo. Puesto que los modelos de difusión no dominan la jerarquía tipográfica, resulta sensato relegarlos a lo que mejor saben hacer: ilustrar fondos y generar elementos gráficos aislados. La maquetación y el tratamiento del texto se delegan en modelos de lenguaje diseñados para estructurar código con precisión.
La IA no dibuja necesariamente mal estos carteles, pero los abarrota tanto que los vuelve inservibles. El debate abierto por los experimentos de Hartnup deja una lección valiosa para toda la industria: las herramientas pueden sintetizar millones de píxeles atractivos en segundos, pero no pueden sustituir la disciplina de la edición, el criterio de selección y el valor del espacio en blanco. En una época en la que llenar cualquier pantalla resulta casi gratis, saber qué dejar fuera sigue siendo la barrera más difícil de superar para los sistemas generativos.
Enlaces de referencia:
- AI Event Posters
- Discusión en Hacker News
