Una de las obras más perspicaces y perturbadoras de Fiódor Dostoievski es *El doble*, donde el protagonista se enfrenta a la aparición de un sosias idéntico en apariencia, pero radicalmente distinto en carácter. Este juego de identidades sirve como metáfora perfecta para entender el fenómeno actual de la fotografía generativa: una imagen que, aunque se asemeja a la fotografía tradicional, es en esencia algo completamente diferente. Durante décadas, hemos convivido con imágenes que imitan la fotografía sin serlo realmente. La fotografía desplazó a la pintura como principal medio de representación realista, pero la manipulación y la ficción pronto se infiltraron en su territorio. Un ejemplo temprano se encuentra en la portada de *L'Illustration* de 1891, donde una supuesta fotografía era en realidad un collage de recortes y dibujos, anticipando los montajes digitales que hoy circulan en redes sociales. En aquella portada, una mujer recortada se superpone a un fondo ilustrado, con detalles como sombras dibujadas para lograr coherencia visual. La baja resolución de las impresiones de la época dificultaba detectar el engaño, algo similar a lo que ocurre hoy con imágenes falsas de baja calidad que circulan por WhatsApp. Crear estos collages requería habilidades técnicas y recursos poco accesibles. Lo que ha revolucionado la inteligencia artificial es la velocidad y la accesibilidad: ahora, cualquiera puede generar imágenes en segundos, aunque sigue siendo necesario un conocimiento profundo para obtener resultados convincentes. El director Carlo Padial comparó la irrupción de TikTok con los zombis veloces del cine moderno: la aceleración de la producción audiovisual es vertiginosa. Plataformas como TikTok y herramientas como CapCut, con funciones de IA generativa, han multiplicado la creación de imágenes sin referentes reales, generadas a partir de simples instrucciones de texto. Sin embargo, la facilidad aparente de estas herramientas es también su talón de Aquiles. La sobreestimación de la IA lleva a resultados mediocres y errores evidentes. Por eso, es fundamental analizar cómo se pueden crear imágenes fotorrealistas que desafíen incluso a los sistemas de detección más avanzados. Un caso ilustrativo: en 2014, se fotografiaron todos los números de la revista experimental *Lalata*. Para su 25 aniversario, se quiso actualizar la imagen añadiendo los números publicados después. Repetir la sesión era inviable, así que se optó por un montaje digital. Describir con precisión cada ejemplar en un prompt resultó inútil; la solución fue combinar fotografías reales de los nuevos números con la imagen original, utilizando Photoshop y su IA generativa para ajustar colores y texturas. El éxito de estos montajes no depende solo de la generación de imágenes, sino de la integración de herramientas como Content-Aware, que desde hace años permite eliminar o añadir elementos de forma realista. Hoy, Photoshop incorpora funciones de IA generativa que, en ocasiones, resultan menos convincentes que las técnicas tradicionales. La clave está en superponer métodos y aprovechar lo mejor de cada uno. Así, se logró una imagen de familia de *Lalata* tan creíble que ni siquiera Vericta, un detector español de imágenes generadas por IA, pudo identificar la manipulación. Esto nos lleva al concepto de prompting: generar imágenes realistas no es solo cuestión de pedirle algo a la IA, sino de entender y simular el proceso fotográfico real, especificando detalles como la óptica, la luz o la composición. Un buen prompt describe las condiciones de captura, no solo la escena. Por ejemplo, al recrear una fotografía de una gasolinera abandonada, se incluyeron datos técnicos del teléfono Vivo X300 Pro, como la apertura, la distancia focal y la velocidad de obturación. La IA no comprende la realidad, pero sí reconoce patrones asociados a estos parámetros. La imperfección es otro factor crucial: las imágenes más creíbles suelen ser las menos perfectas. Añadir desenfoques, encuadres torcidos o elementos cortados reduce la probabilidad de que la IA embellezca en exceso la escena. Cuanto más se busca la perfección estética, más fácil es detectar artefactos o anomalías. Esto enlaza con los límites de los sistemas de detección. Como explica Georgina Viaplana, CEO de Lawwwing y responsable de Vericta, el sistema analiza la imagen globalmente y puede pasar por alto pequeñas zonas modificadas. El análisis granular aumenta el riesgo de falsos positivos, por lo que los escenarios híbridos —donde solo una parte de la imagen es generada por IA— son especialmente difíciles de detectar. En la práctica, estas tecnologías se usan para detectar fraudes en seguros, comercio electrónico, gestión de gastos o fact-checking, con tasas de acierto superiores al 95%. El secreto no está en los metadatos, fácilmente manipulables, sino en los patrones invisibles que deja la IA a nivel de píxel. En definitiva, el verdadero desafío no es la existencia de imágenes generadas por IA, sino su integración sutil en flujos de trabajo tradicionales, haciendo cada vez más difusa la frontera entre lo real y lo artificial. Como en *El doble*, el problema surge cuando el original y la copia se confunden. Hoy, una intervención discreta basta para borrar esa línea, y la ilusión de accesibilidad que ofrecen estas herramientas recuerda a la llegada de las primeras cámaras digitales: parecía que hacer buenas fotos era sencillo, pero la realidad es mucho más compleja. Fuente: lavanguardia.com