Todo se ve igual: la uniformidad estética que la IA y las redes sociales nos están imponiendo
En cuántas ocasiones contemplas detenidamente por varios minutos una imagen de internet. Si tienes que pensar demasiado para recordarlo, no es casualidad. Existe hoy una homogeneización visual tan extendida y tan naturalizada que resulta casi invisible: la estética ha sido aplanada, estandarizada, optimizada, y muy pocos se dan cuenta de ello.
Las redes sociales no son plataformas neutras de distribución de contenido. Son sistemas de selección cuyo criterio fundamental es el engagement. Lo que genera más clics, más tiempo de pantalla, más interacciones, es lo que el algoritmo amplifica lo que beneficia a cada respectivo objetivo de negocio. Y lo que genera engagement, casi sin excepción, es lo que ya se parece a algo que funcionó antes. El resultado es un bucle de retroalimentación estética: los creadores imitan los formatos exitosos, los algoritmos los premian, los usuarios se acostumbran, y la diversidad visual se contrae silenciosamente.
Este fenómeno tiene un nombre en la crítica cultural: la airspace aesthetic, descrita por Kyle Chayka (2016) para referirse a la uniformidad visual que conecta cafeterías de Tokio, Berlín y Ciudad de México: las mismas plantas tropicales, los mismos muebles de madera clara, la misma paleta de blancos y terracota. Instagram no inventó ese gusto, pero lo catalizó y lo globalizó con una velocidad sin precedente. Lo local, lo rugoso, lo culturalmente específico, perdió terreno frente a lo universalmente legible y altamente compartible.Mismo fenómeno con Pinterest, en el que los tableros cada vez son más simialres unos a otros.
La irrupción de la inteligencia artificial generativa ha profundizado este proceso de manera inquietante. Los modelos de imagen como Midjourney o Stable Diffusion son entrenados con millones de imágenes humanas, lo cual significa que aprenden, ante todo, a producir lo estadísticamente más probable: el promedio visual de lo que los humanos ya hemos producido y validado. El resultado es una estética de alta resolución, técnicamente impecable, y conceptualmente segura que homogeniza el cómo se ven las cosas. Lev Manovich (2018) anticipó esta lógica al analizar cómo el software no sólo reproduce estilos, sino que los fusiona y los promedia, generando lo que llamó estéticas culturales estadísticas.
Para el diseñador, este panorama plantea una pregunta urgente y profesional: ¿cuál es el valor de la decisión estética cuando existe una herramienta capaz de generar en segundos lo que el algoritmo ya sabe que va a funcionar? La respuesta no está en rechazar las herramientas sino en recuperar la fricción creativa como valor. Generar propuestas originales y distintas que satisfagan a nichos. El error, lo inesperado, lo culturalmente situado, lo que no encaja del todo: esas son las dimensiones del diseño que ningún modelo estadístico puede optimizar porque, por definición, no son optimizables.
En la Escuela de Arquitectura y Diseños de la Universidad Anáhuac Puebla apostamos por una formación que desarrolle en los diseñadores una mirada crítica sobre el entorno visual que habitan, los productos que consumen, y las ideas que producen. Entender los mecanismos que producen la imagen el primer paso para redefinirla con criterio. Los invitamos a conocer los proyectos que nuestra comunidad de diseño desarrolla.
Por el Dr. Carlos Nieto Hernández
Docente de la Escuela de Arquitectura y Diseño de Anáhuac Puebla
Referencias
Chayka, K. (2016). Welcome to Airspace. The Verge. theverge.com/2016/8/3/12325104/airbnb-aesthetic-global-minimalism-startup-gentrification.
Manovich, L. (2018). AI Aesthetics. Moscow: Strelka Press.
Stability AI. (2023). Stable Diffusion Documentation. stability.ai.
Midjourney. (2023). Midjourney Community Showcase. midjourney.com.
