Vivat Academia (2025).
ISSN: 1575-2844
|
Recibido: 29/04/2025 Aceptado: 01/09/2025 Publicado: 10/09/2025 |
LA INTELIGENCIA ARTIFICIAL EN LA CREACIÓN ARTÍSTICA: INNOVACIÓN, HOMOGENEIDAD Y DESAFÍOS DE LA ORIGINALIDAD
Artificial Intelligence in Artistic Creation: Innovation, Homogeneity, and Challenges of Originality
Virginia Puertollano Galán[1]: Universidad Francisco de Vitoria. España.
Maribel Castro-Díaz: Universidad Francisco de Vitoria. España.
Cómo citar el artículo:
Puertollano Galán, Virginia y Castro-Díaz, Maribel (2025). La inteligencia artificial en la creación artística: innovación, homogeneidad y desafíos de la originalidad [Artificial Intelligence in Artistic Creation: Innovation, Homogeneity, and Challenges of Originality]. Revista de Comunicación de la SEECI, 158, 1-17. https://doi.org/10.15178/va.2025.158.e1608
RESUMEN
Introducción: La inteligencia artificial (IA) está transformando la creación artística, permitiendo generar imágenes con rapidez, y también planteando desafíos en términos de originalidad y diversidad visual. Este estudio analiza el impacto de la IA en la creatividad, la homogeneización estética y los retos legales y éticos asociados a la autoría. Metodología: Se realizó una revisión de literatura sobre el uso de IA en el arte, abordando aspectos tecnológicos, estéticos y jurídicos. Se examinaron marcos normativos emergentes, y estudios sobre la dependencia de la IA en datos preexistentes. Resultados: Si bien la IA ha democratizado el acceso a la creación visual, su dependencia de datos de entrenamiento limita la innovación y favorece la repetición estilística. Se identificó un riesgo de homogeneización estética, así como vacíos legales sobre la autoría de obras generadas por IA, ya que las regulaciones actuales no contemplan su papel en la creación artística. Discusión: La IA actúa más como una herramienta de reinterpretación o curación de datos que como un creador autónomo. Su uso masivo podría generar una estética estandarizada, afectando la diversidad en el arte. Para mitigar estos efectos, se sugieren estrategias como la ingeniería de prompts y la combinación de técnicas digitales y manuales, además de un marco normativo que proteja la originalidad. Conclusiones: La IA amplía las posibilidades creativas, pero presenta desafíos en términos de originalidad y autoría. Un enfoque crítico y la colaboración entre artistas y tecnología es clave para preservar la diversidad estética y evitar la estandarización de la producción artística.
Palabras clave: Inteligencia artificial, diseño, creatividad, prompts, homogeneidad estética.
ABSTRACT
Introduction: Artificial intelligence (AI) transforms artistic creation, allowing for rapid image generation while also posing challenges in terms of originality and visual diversity. This study analyzes the impact of AI on creativity, aesthetic homogenization, and the legal and ethical issues related to authorship. Methodology: A literature review was conducted on the use of AI in art, addressing technological, aesthetic, and legal aspects. Emerging regulatory frameworks were examined, along with studies on AI’s reliance on pre-existing data. Results: While AI has democratized access to visual creation, its dependence on training data limits innovation and encourages stylistic repetition. A risk of aesthetic homogenization was identified, as well as legal gaps regarding the authorship of AI-generated works, since current regulations do not account for AI’s role in artistic creation. Discussion: AI functions more as a tool for reinterpretation or data curation rather than as an autonomous creator. Its widespread use could lead to a standardized aesthetic, affecting artistic diversity. To mitigate these effects, strategies such as prompt engineering and the combination of digital and manual techniques are suggested, along with a regulatory framework to protect originality. Conclusions: AI expands creative possibilities but presents challenges in terms of originality and authorship. A critical approach and collaboration between artists and technology are key to preserving aesthetic diversity and preventing the standardization of artistic production.
Keywords: Artificial intelligence, design, creativity, prompts, aesthetic homogenity.
1. INTRODUCCIÓN
Los últimos años han visto aparecer potentes modelos generativos multimodales. Por ejemplo, OpenAI lanzó DALL·E 3 (2023) y el modelo de video Sora, además de GPT-4 con capacidad de visión (y su variante GPT-4o). Estos sistemas permiten generar imágenes y vídeos complejos a partir de descripciones textuales con coherencia y una riqueza expresiva nunca vista hasta ahora. Herramientas como Midjourney (actualizado en 2024), Stable Diffusion XL o Adobe Firefly facilitan la creación instantánea de escenas en estilos variados (impresionista, surrealista, etc.) partiendo de un breve prompt.
Esto democratiza la producción artística digital, pues usuarios sin formación técnica pueden crear imágenes digitales atractivas solo con descripciones textuales. Varios estudios recientes subrayan que estos modelos aprenden de ingentes datos visuales, lo que a veces los convierte más en replicadores estilísticos que en generadores genuinamente novedosos. En otras palabras, la creatividad que muestran se basa en recombinar patrones aprendidos, más que en inventar estilos totalmente disruptivos. Sin embargo, proyectos artísticos con IA (como, por ejemplo, el programa Sora Selects de OpenAI) ya exploran las posibilidades creativas de estos sistemas, mostrando cortometrajes experimentales de artistas apoyados por IA.
La inteligencia artificial (IA) está redefiniendo las percepciones fundamentales del arte en la era digital, cuestionando los límites tradicionales de la expresión visual y replanteando los conceptos de arte y creatividad (Vertedor Romero, 2023). Los seres humanos vamos progresivamente concediendo una mayor autoridad y autonomía a las tecnologías para la creación artística, hasta el punto de que la IA deja de ser una mera herramienta y se llega a considerar un agente creador independiente (de Propios Martínez, 2022).
El presente artículo se propone como un ensayo teórico-reflexivo, sin pretensión de ser un estudio empírico aplicado, sino una aproximación conceptual al papel de la IA como agente creativo en la producción artística.
2. OBJETIVOS
Esta investigación tiene como finalidad abordar una serie de objetivos clave que buscan dar respuesta a las preguntas planteadas y profundizar en el tema de estudio.
1. Analizar cómo la IA está influyendo en los procesos creativos que utilizan esta tecnología para la creación de nuevas estéticas y estilos.
2. Explorar los retos que los modelos de IA están generando a partir de grandes conjuntos de datos, y los peligros de la homogeneidad estética.
3. Abordar cuestiones de originalidad y autoría en el ámbito de la creación de imagen generada con IA, para reflexionar sobre el grado de innovación de las obras.
4. Plantear algunas estrategias mediante las cuales los creadores puedan combatir la uniformidad estética de las obras generadas por IA y desarrollar visiones personales y genuinas.
3. METODOLOGÍA
La metodología para esta investigación contó con una revisión de fuentes académicas y estudios científicos recientes a partir de las implicaciones de la aplicación de la IA en la creación artística. Se estudiaron artículos y publicaciones académicas de autores de referencia como J. Martín Prada, y también estudios del ámbito jurídico en torno a cuestiones de originalidad y protección de derechos en obras generadas por IA (Mazzi, 2023).
Se prestó especial atención a investigaciones sobre los debates y amenazas en la creación de obras verdaderamente originales a través de la IA, y se fundamentó con estudios específicos (Korzynski et al., 2023), la importancia de la ingeniería de prompts en el proceso creativo, una técnica que ayuda a que los artistas puedan conseguir resultados personalizados y específicos, con una mayor autonomía.
Además de la revisión bibliográfica, se consideró el impacto de los modelos generativos en la estética visual a partir de la experiencia creadora. Por último, se contemplaron los derechos de autor desde una perspectiva jurídica, y se recogió, a partir de estudios sobre debates actuales alrededor de la propiedad intelectual de obras artísticas generadas por IA (Kucukali, 2022), la posible adopción de derechos vecinos en el contexto europeo.
4. RESULTADOS
4.1. Los límites de la IA en la innovación creativa
Con herramientas que permiten explorar patrones, estilos y combinaciones de un modo prácticamente instantáneo, la inteligencia artificial (IA) ha supuesto una profunda revolución. Un ejemplo de ello lo encontramos en las GANs, que han adquirido gran popularidad por permitir crear imágenes basadas en estilos preexistentes (Jiang et al., 2022). Hoy en día cualquiera puede generar una escena con una estética Disney, o conseguir un retrato al estilo cubista de Picasso, gracias a toda la información de datos disponible para la IA.
Pero esta dependencia de la IA en los datos de entrenamiento y la arquitectura de estos modelos en la actualidad, la limitan en su capacidad para producir algo que sea radicalmente nuevo. Los sistemas de IA están funcionando más como replicadores estilísticos que como generadores autónomos de imágenes verdaderamente novedosas, repitiendo patrones y modelos preexistentes en el conjunto de datos de entrenamiento (Paquette, 2021).
Además, la IA enfrenta un desafío fundamental: su capacidad para innovar es proporcional a los datos que consume. Al depender de grandes bases de datos que contienen ejemplos históricos y contemporáneos de obras de arte, los modelos de IA perpetúan las estéticas y temáticas que dominan esas fuentes, lo que puede restringir la aparición de estilos verdaderamente disruptivos. Esto se traduce en que el papel de la IA podría ser más una herramienta de reinterpretación que de creación pura, y puede llevar a una percepción de que la IA es una “curadora” o “editora” de influencias preexistentes en lugar de una creadora independiente (Mazzi, 2023).
4.1.1. La IA como herramienta de reinterpretación y generación de variaciones
La utilización de modelos generativos de IA, en especial, de las redes generativas adversarias (GANs), favorece la reinterpretación inmediata y sistemática de patrones y estilos determinados. En consecuencia, los artistas y creadores emplean la IA para poder producir en segundos estilos y estéticas que antes requerían un esfuerzo considerable. De este modo, pueden explorar diversas variaciones de una idea visual o sonora, que les permiten contemplar posibilidades, sin comprometer su tiempo o dedicación. Herramientas como DALL-E o Midjourney, entre otras, permiten transformar una imagen fotográfica en otra que evoque el estilo impresionista o surrealista, por ejemplo, generando resultados de arte final sin tener que recurrir a técnicas manuales sofisticadas. Esto contribuye a la democratización de la producción artística digital, ya que permite que cualquier persona, a partir de sencillas descripciones textuales, e independientemente de sus capacidades técnicas o destrezas artísticas, pueda crear imágenes digitales atractivas.
Pero esta capacidad de la IA para reinterpretar imágenes de una manera inmediata nos plantea preguntas sobre el tipo de creatividad que está favoreciendo. Frecuentemente, la IA está funcionando como una especie de filtro estilístico que transforma la entrada proporcionada por la persona creadora. En vez de producir algo totalmente nuevo, la IA realiza ajustes sobre la información de entrada, sobre el material aportado, y esto supone una limitación de la creación a la combinación o variación de estilos preexistentes. Este enfoque, que sin duda puede resultar útil para la visualización y experimentación estilística, no lo es para la innovación creativa radical, al estar determinado por estructuras y patrones definidos.
4.1.2. Limitaciones de los modelos generativos en la innovación estética
Las GANs y otros sistemas de IA son herramientas poderosas para crear variaciones estilísticas, pero su capacidad de innovación radical es limitada. Al estar entrenados con datos preexistentes, tienden a replicar y recombinar patrones ya existentes en lugar de inventar paradigmas completamente nuevos (Paquette, 2021). Aunque los modelos más recientes (2023–2025) han mejorado la coherencia semántica y la generación multimodal —texto, imagen, audio y video—, continúan operando a partir de correlaciones estadísticas y no desde experiencias vitales o contextos culturales vividos. Juan Martín Prada subraya esta ambivalencia; si bien estas herramientas permiten crear imágenes rápidas y de bajo coste, su dependencia en imágenes previas puede conducir a una grave devaluación de la creatividad humana en muchas de sus dimensiones (Martín Prada, 2024).
Aunque esta repetición estilística suele considerarse una limitación de la IA, cabe recordar que también los artistas humanos se repiten en sus estilos —como Picasso o Beethoven—. La diferencia radica en que la repetición humana se enmarca en un proceso histórico y personal de búsqueda expresiva, mientras que la repetición algorítmica responde a la recombinación estadística de datos de entrenamiento (Martín Prada, 2024; Chang et al., 2023).
4.1.3. Dependencia en datos de entrenamiento y tendencias preexistentes
La capacidad de una IA para innovar se ve fundamentalmente restringida por la calidad y diversidad de los datos con los que ha sido entrenada. Los modelos de IA, en especial las GANs, se entrenan utilizando grandes cantidades de datos visuales, auditivos o textuales que representan una amplia gama de estilos y temas artísticos. No obstante, esta dependencia en datos de entrenamiento implica también que la IA inevitablemente perpetúa las tendencias y sesgos presentes en esos datos.
Por ejemplo, si un modelo ha sido entrenado principalmente con datos del arte occidental, es probable que sus creaciones reflejen características de ese contexto cultural, limitando la diversidad y perpetuando normas estéticas preexistentes, como ha planteado Mazzi (2023). Este aspecto es particularmente relevante en un contexto artístico global, donde los estilos y representaciones culturales tienen un valor único e identitario. La inteligencia artificial, al extraer solo aquello que ya está representado en sus datos de entrenamiento, puede restringir el espectro cultural y estilístico de la creatividad. Además, como recoge Kucukali (2022), algunos críticos argumentan que este aspecto puede hacer que las herramientas de IA contribuyan a una “estandarización” o “globalización” de la estética, donde las obras producidas por IA se vuelven intercambiables en términos de estilo, eliminando las diferencias únicas que tradicionalmente caracterizan a las diversas formas de arte cultural.
Frente a la creciente estandarización, no podemos olvidar que la creatividad humana es diversa, y dependerá de los autores y de sus contextos. Sin embargo, la IA se desarrollará de maneras más diversas, y tendrá en cuenta más contextos y valores, progresivamente (Sáez-Velasco et al., 2024).
4.1.4. El rol del creador humano en la innovación colaborativa con IA
La intervención del creador humano se vuelve esencial para superar algunas de las limitaciones mencionadas y para introducir un sentido de individualidad en el proceso de creación artística con IA. A través de técnicas como la ingeniería de prompts, los artistas pueden influir en los modelos de IA para generar obras que se alineen con sus visiones y preferencias estéticas. La ingeniería de prompts permite a los artistas establecer parámetros detallados para que el modelo genere resultados que reflejen mejor su estilo personal, aunque este proceso también depende, en última instancia, de las capacidades del modelo.
Se ha hablado del concepto de “promptografía” (término acuñado por Christian Vinces), que implica el uso de indicaciones o comandos específicos para generar imágenes, en los que cobra importancia la interacción entre lenguaje natural y modelos generativos (Vertedor Romero, 2023). El proceso de generación de imagen no es exactamente previsible. Los algoritmos empleados son complejos, y por ello, existe un cierto grado de sorpresa en el resultado. Por ello, el proceso suele ser iterativo: El creador humano va generando variaciones sobre alguno de los resultados visuales ofrecidos, hasta que finalmente selecciona la más cercana a sus intenciones particulares (Martín Prada, 2024). En último término, es imprescindible que el usuario sepa qué pedirle a la IA para realmente obtener una imagen conceptual y visualmente satisfactoria, que encarne efectivamente la exigencia de las ideas artísticas.
La colaboración entre humanos e IA está introduciendo un nuevo concepto de creatividad, en el que la IA actúa como una extensión de las intenciones y visión del artista. El verdadero valor de la IA radica en su capacidad para asistir y ampliar la creatividad humana, en lugar de reemplazarla o sustituirla completamente (Korzynski et al., 2023). Esta colaboración nos lleva a una redefinición de la autoría en la obra de arte, en la que el artista no es solo el creador, sino el “director” de una inteligencia artificial que opera bajo su orientación y visión. Este enfoque colaborativo transforma el rol del artista en un “curador de estilos y patrones”, siendo la inteligencia artificial un nuevo método o técnica para llevar sus visiones al ámbito digital y explorar así ideas complejas de forma más rápida y precisa.
No obstante, para que esta colaboración sea efectiva, los artistas deben adoptar una actitud crítica hacia la IA, entendiendo sus limitaciones y buscando nuevas formas de intervenir manualmente o con métodos híbridos con el fin de mantener la individualidad en sus obras (Kucukali, 2022).
La innovación creativa en este nuevo contexto de la inteligencia artificial depende tanto de la capacidad técnica de los modelos generativos como de la habilidad de los artistas para interactuar con ellos y manipular sus resultados. Aunque la IA ofrece una multitud de posibilidades para explorar estilos y patrones, su capacidad para innovar está limitada por su propia dependencia de los datos de entrenamiento, bases de datos y la estructura algorítmica. La colaboración humana es, por tanto, fundamental para evitar la homogeneidad estética y para fomentar una innovación que no solo sea técnica, sino también conceptual y cultural. Como afirma Martín Prada, “lo fundamental en el arte es siempre una feliz combinación entre idea y realización, o, en términos kantianos, esa idoneidad entre dos facultades mentales: la imaginación y el entendimiento” (2024, p. 5).
4.2. Homogeneidad estética: un riesgo para la diversidad en el arte
Uno de los riesgos más destacados de la IA en el arte es la creación de una estética homogénea. Modelos recientes como DALL·E 3, Stable Diffusion XL, Midjourney (2024) o Adobe Firefly han ampliado la capacidad técnica, pero también han acentuado esta tendencia a la uniformidad. Las GANs y otros modelos generativos tienden a producir imágenes visualmente atractivas, pero muchas veces estas comparten una "pátina" o estilo visual similar, producto de patrones comunes en los datos de entrenamiento. Según explican autores como Paquette (2021) y Mazzi (2023), el resultado es una serie de obras que, aunque variadas en detalle, parecen conformarse bajo un mismo estilo, limitando la diversidad estética.
Este fenómeno de homogeneidad estética representa un problema para el arte, que históricamente se ha enriquecido con la diversidad de expresiones y la ruptura de paradigmas. La uniformidad en el arte generado por IA podría llevar a una especie de “saturación” estilística, en la que los espectadores se enfrenten a obras de IA con una apariencia genérica, que, si bien puede impresionar inicialmente, carece de la frescura y originalidad asociadas con la creación artística humana. En este sentido, los críticos sugieren que la IA, en lugar de innovar, podría estar contribuyendo a una “mecanización” de la creatividad, donde la variación estilística es superficial en lugar de profunda (Korzynski et al., 2023). Martín Prada (2024) habla de una “creatividad parasitaria”, en tanto que lo que la IA hace es imitar imágenes y estilos desarrollados por seres humanos. Y, en último término, también acaba por imitar imágenes creadas, a su vez, por la propia IA.
Para mitigar este problema, proponemos que los artistas adopten estrategias de ingeniería de prompts que guíen a los modelos de IA hacia resultados más personalizados y alineados con su estética y visión concreta. Conocer la ingeniería de prompts permite un mayor control sobre el proceso creativo, lo que reduce la homogeneidad estética y permite a los artistas mantener una voz única en sus obras. No obstante, este enfoque también presenta limitaciones significativas, ya que el rango de variación depende en última instancia de la capacidad de los modelos y de los datos subyacentes (Jiang et al., 2022). Algunas corporaciones, como Adobe, parecen estar explorando vías para que los artistas tengan la posibilidad de entrenar el modelo de aprendizaje automático para que pueda generar contenido que responda a su propio estilo personal, sin la influencia de otros creadores (Martín Prada, 2024).
4.2.1. El efecto de la homogeneidad en el mercado y consumo del arte
La popularización de las obras de arte generadas por IA y su estética característica ha comenzado a influir en las expectativas del mercado. Plataformas de NFT, galerías digitales y redes sociales entre 2023 y 2025 muestran una demanda creciente de la llamada “estética IA” (Chi, 2024), lo que refuerza la tendencia hacia la uniformidad. Como el arte generado por IA suele compartir ciertas características visuales, ha surgido una demanda específica por este tipo de estética digital que, en algunos casos, se presenta como una tendencia uniforme en plataformas y galerías en línea. Esta demanda puede llevar a que los artistas se vean presionados a seguir los estilos “de moda” generados por IA para adaptarse al gusto general del mercado, lo que podría limitar la diversidad en la producción de nuevos estilos y enfoques creativos.
Además, la percepción del arte generado por IA en el mercado está comenzando a normalizar una estética digital que podría eclipsar las formas más tradicionales o manuales de creación artística. Este fenómeno lleva a un consumo del arte más estandarizado, donde se priorizan las características de las obras generadas por IA frente a la diversidad creativa de las piezas originales. En consecuencia, la estandarización no solo afecta a la producción, sino también al consumo cultural, favoreciendo lenguajes visuales dominantes y limitando la visibilidad de propuestas alternativas.
4.2.2. La “pátina” visual como resultado del ciclo de retroalimentación de datos en la creación de contenido
Las GANs y otros modelos de IA tienden a crear obras que comparten un aspecto visual homogéneo debido a las similitudes en el procesamiento de datos y patrones aprendidos. Esta “pátina” es resultado de la influencia de los datos de entrenamiento y la estructura algorítmica del modelo. A medida que los modelos de IA replican patrones, se observa una falta de diversidad visual que puede ser identificada fácilmente. La uniformidad de las paletas de colores, texturas y estilos podría hacer que el espectador se enfrente a una serie de imágenes que, aunque detalladas y complejas, resultan estéticamente similares y previsibles.
Esta homogeneidad visual se debe a que los modelos de IA, aunque poderosos, carecen de una conciencia contextual o cultural que les permita desarrollar una estética personalizada o radicalmente innovadora. La IA simplemente reconfigura patrones existentes, lo que genera resultados con una apariencia cohesiva pero limitada. Este fenómeno de la “pátina” no solo limita la percepción del arte generado por IA, sino que, como han señalado autores como Mazzi (2023), también presenta un riesgo de estandarización cultural, donde ciertos estilos dominan sobre otros debido a su capacidad para ser replicados por la IA. Al respecto, de Propios Martínez (2022) ha señalado que el sistema de inteligencia artificial, en el proceso de aprendizaje a partir de datos producidos por humanos, presenta fallos relacionados con la inexactitud de la información: Estos sistemas de aprendizaje automático sesgados conducen a resultados predecibles.
La homogeneidad estética en el arte generado por IA se ve reforzada por un ciclo de retroalimentación en los datos de entrenamiento. Los modelos de IA, al entrenarse con grandes volúmenes de datos visuales, tienden a aprender patrones y estéticas predominantes en el contenido disponible. Este proceso se amplifica cuando se entrena a las IA con obras generadas previamente por otros modelos, creando un ciclo donde la IA aprende y reproduce constantemente una estética digital similar a la que ya existe. Este ciclo de retroalimentación limita la diversidad de las obras producidas y consolida una estética “autorreferencial”.
La mayoría de los modelos de IA tienen, por defecto, una estética propia que es automáticamente aportada si no se le indica que utilice otra específica. A medida que más artistas y creadores emplean la IA para generar sus obras, esas mismas obras pueden terminar formando parte de futuros conjuntos de datos, reforzando los mismos estilos y patrones que ya existían. En última instancia, el proceso se convierte en una espiral donde la IA replica y amplifica sus propias limitaciones estilísticas, cerrando el camino a la diversidad y la originalidad en las creaciones futuras.
4.2.3. Estrategias para mitigar la homogeneidad estética
A pesar de los retos de novedad que se observaron en este estudio, existen varios recursos con los que los artistas pueden combatir el problema de la posible uniformidad visual de obras asistidas por IA. Una de las estrategias más interesantes es la ingeniería de prompts, ͏que permite a los ͏creadores orientar de un modo más personal el resultado de los modelos. A través de descripciones e instrucciones detalladas, es posible dirigir a la IA hacia resultados que reflejen la visión personal del artista, introduciendo un elemento de singularidad y personalización en las obras.
Otra estrategia consiste en combinar métodos manuales y digitales, de manera que la IA actúe como punto de partida para la experimentación creativa, y posteriormente se apliquen técnicas manuales de edición que aporten autenticidad y distinción. Esta perspectiva híbrida fortalece el papel del artista como un participante activo en el proceso, no solo como un mero usuario de la tecnología. Además, la utilización de inteligencia artificial no libera al creador de tener conocimientos básicos como teoría del color, narrativa o composición, que continúan siendo esenciales para comprender y dar sentido al contenido creado (Sáenz-Velasco et al., 2024).
Además, la probabilidad de una estética homongénea puede disminuirse y el espectro creativo puede ampliarse al diversificar los datos de entrenamiento de los modelos para abarcar un rango más extenso de estilos y culturas visuales (Jiang et al., 2022). Una intervención humana y una planificación estratégica son esenciales para garantizar que el arte creado por la inteligencia artificial no se transforme en un producto estandarizado, sino en un reflejo genuino y variado de la creatividad artística. En esta línea, se ha enfatizado la importancia de incorporar las tecnologías de IA en la enseñanza artística e impulsar su estudio y desarrollo en entidades culturales (de Propios Martínez, 2022).
A pesar de que la mayor parte del debate se ha enfocado en el contexto occidental, surgen propuestas novedosas también en otros entornos (Herrera Ávila, 2025; Manovich y Arielli, 2024; Afegbua, 2023). En América Latina, estudios realizados en México evidencian la incorporación de la IA en prácticas de colaboración y narraciones mitológicas Por otra parte, en Corea del Sur, artistas como L. Manovich se ocupan de modelos que han sido entrenados con lengua coreana para poder ajustar la estética digital a su cultura local. En Nigeria, el creador Malik Afegbua desarrolló The Elders Series (2023), desafiando los estereotipos de la vejez mediante inteligencia artificial. Estos ejemplos muestran que el empleo creativo de la inteligencia artificial no es privativo del occidente, sino que interactúa con distintos contextos culturales.
4.3. Originalidad y autoría en el arte generado por IA
La cuestión de la originalidad y la autoría es otro de los grandes debates en el arte generado por IA. La IA desafía la noción tradicional de autoría, en la que el creador humano es la fuente principal de creatividad y originalidad. Con la IA, especialmente en el caso de sistemas generativos, el creador humano podría verse como un facilitador o editor, mientras que el modelo de IA actúa como un coautor en el proceso creativo. Esta colaboración plantea preguntas sobre el crédito y la autenticidad en las obras generadas por IA, así como sobre quién debería recibir derechos de autor sobre estas creaciones (Paquette, 2021).
El concepto de originalidad en el contexto de la IA es un tema muy complejo y sujeto a un amplio debate. Aunque una obra generada por IA puede considerarse técnicamente original si difiere de las imágenes específicas en su conjunto de datos, a menudo carece de la profundidad emocional y el contexto cultural que asociamos con el proceso creativo, propio de un artista o un creativo. Las regulaciones actuales de derechos de autor en jurisdicciones como la Unión Europea no resuelven cómo tratar las obras generadas autónomamente por IA, aunque se han propuesto enfoques basados en derechos vecinos que reconocerían la contribución de la tecnología sin suplantar la autoría humana (Mazzi, 2023).
Para autores como Paquette (2021) y Hristov (2016), las obras generadas por IA deberían ser de dominio público si no tienen una clara contribución humana directa, ya que no cumplen con los criterios tradicionales de originalidad que requieren una intervención humana. Sin embargo, otros sugieren que el marco de derechos de autor debería adaptarse para permitir un régimen de protección que reconozca el papel de la IA sin desplazar al creador humano. Esto podría lograrse mediante contratos específicos o licencias de uso que estipulen la colaboración entre humanos e IA en la creación artística.
De momento, los creadores no pueden evitar que sus obras formen parte de los bancos de datos utilizados por muchos modelos de IA para su entrenamiento. Esto supone una amenaza para los creadores, ante la posibilidad de que los modelos de IA generen imágenes “nuevas” imitando su estilo. Como apunta Martín Prada (2024), las legislaciones actuales en materia de derechos de autor solo protegen la obra, no el estilo, ignorando que el núcleo de la creatividad artística contemporánea es, fundamentalmente, la creación de un estilo propio. Y esto es algo que todavía la IA por sí misma no está generando de un modo innovador.
4.3.1. La cuestión de la autoría: La IA como creador o como herramienta
El concepto de autoría en el arte generado por IA es un tema central en la discusión sobre los derechos de propiedad intelectual. Tradicionalmente, el autor es considerado la persona que aporta la creatividad e intencionalidad en la obra, atributos que la IA no posee de forma autónoma. En este sentido, se debate si la IA debe ser reconocida como creador o como una herramienta avanzada que asiste al verdadero creador humano.
De acuerdo con algunos estudios como el de Jiang et al. (2022), aunque la IA realiza una gran parte del trabajo de generación visual, la intervención humana a través de la ingeniería de prompts o la manipulación posterior de las imágenes es fundamental para el proceso creativo. En este sentido, el artista funciona como un director que establece la intencionalidad estética y conceptual, lo que refuerza la idea de que la autoría última debe seguir perteneciendo al humano, incluso si la IA aporta una parte técnica significativa del resultado.
Estas tecnologías ofrecen al creador humano una enorme capacidad para visualizar imágenes simplemente describiéndolas. En ese sentido, herramientas como Midjourney o DALL·E 3 pueden funcionar como medio para desbloquear la creatividad de cualquier persona, permitiendo probar representaciones de ideas. Sin embargo, como apuntan Korzynski et al. (2023), esta democratización puede ir acompañada de una pérdida de singularidad autoral, si los resultados no se diferencian de la estética algorítmica común.
4.3.2. Derechos de autor y marcos legales emergentes
El sistema actual de derechos de autor no se diseñó contemplando creaciones generadas por IA, lo que plantea una serie de desafíos legales y regulatorios. En muchas jurisdicciones, la protección de derechos de autor está vinculada a la intervención humana, lo que excluye a las obras generadas de manera autónoma por máquinas. Sin embargo, la rápida adopción de la IA en la creación artística ha impulsado a varios organismos regulatorios, como la Unión Europea, al considerar posibles ajustes en sus marcos legales (Kucukali, 2022).
En 2024, la Unión Europea propuso ajustes normativos a través de la AI Act y directivas complementarias en materia de propiedad intelectual, que incluyen la posibilidad de reconocer derechos vecinos para obras generadas con intervención parcial de IA (European Commission, 2025).
Una de las soluciones propuestas en el ámbito europeo es la creación de un régimen de derechos vecinos, que otorgaría ciertos derechos a los productores o usuarios de sistemas de IA sin que la IA sea considerada como el autor directo. Esto permitiría una protección parcial y evitaría que las obras generadas por IA cayeran automáticamente en el dominio público. Sin embargo, este enfoque plantea debates complejos sobre los límites de la protección y la distribución justa de los derechos, especialmente en escenarios donde el rol de la IA y el creador humano es difícil de diferenciar. En paralelo, en Estados Unidos se han producido resoluciones de la US Copyright Office (2023–2024) que niegan derechos de autor a obras generadas sin intervención humana significativa, reafirmando que la creatividad protegida sigue siendo exclusivamente humana (Gourvitz y Ameri, 2023; Samuelson, 2025).
4.4. Perspectivas éticas sobre la autoría y el crédito en la creación colaborativa
El arte generado por IA implica una reflexión en torno a la autoría de la obra, cuestionando el arte con inteligencia artificial en todo su desarrollo como género artístico (de Propios Martínez, 2022). Más allá de las cuestiones legales, existen implicaciones éticas relacionadas con el reconocimiento y la atribución del crédito en obras generadas por IA. La creación de arte ha sido tradicionalmente vista como una actividad profundamente personal y humana, donde la autoría implica un grado de compromiso emocional y conceptual que la IA no puede replicar.
Según de Propios Martínez (2022), las técnicas propias de IA se suelen considerar como agentes creadores independientes. Pero las relaciones sobre autoría son frecuentemente contradictorias. Como apunta Hristov (2017), el hecho de reconocer a la IA como coautora en una obra podría trivializar el valor del trabajo humano y desdibujar las líneas entre la intervención creativa y la ejecución técnica. Además, la falta de reconocimiento de la contribución humana en el proceso de generación de IA podría llevar a una desvalorización de la función del artista en favor de una dependencia excesiva en la tecnología. Todo esto, podría llevarnos a un modelo de producción artística en el que los creadores humanos son relegados a un rol secundario o, en el peor de los casos, eliminados por completo del proceso creativo. Por tanto, el desafío ético radica en encontrar un equilibrio que nos permita reconocer el valor de la colaboración sin desplazar al artista humano como figura central en la creación.
Como insiste Martín Prada (2024, p. 8), en relación con la utilización de obras de artistas como base para el entrenamiento de modelos generativos:
(…) esto es considerado por muchos artistas como una forma de expropiación no consentida de su trabajo, al emplearse sus obras como base para el desarrollo de otras imágenes nuevas pero sin que se tenga en cuenta ninguna de las tres “C” que conforman el eje de sus reivindicaciones: consentimiento, crédito o compensación.
La originalidad y la autoría en el arte generado por IA representan dos desafíos interrelacionados y complejos. La ambigüedad en la definición de originalidad en el contexto de la IA, junto con la dificultad de establecer una autoría clara, han impulsado la necesidad de un marco legal y ético que permita una protección adecuada sin trivializar la contribución humana. Las posibles soluciones incluyen tanto ajustes en el sistema de derechos de autor actuales como en la creación de derechos vecinos para obras generadas con IA. Al mismo tiempo, la intervención humana en el proceso creativo debe ser reconocida como un componente esencial que mantiene el valor de la creación artística en un contexto de creciente dependencia tecnológica.
5. CONCLUSIONES
La IA presenta tanto posibilidades expansivas como desafíos únicos para el arte contemporáneo. Su dependencia de datos preexistentes puede limitar la innovación y fomentar la homogeneidad, y esto representa un riesgo para la diversidad creativa. Sin embargo, técnicas como la ingeniería de prompts y la intervención manual permiten a los artistas ejercer mayor control en el proceso y resultado.
La cuestión de la autoría en el arte generado por IA permanece sin una respuesta clara y uniforme, lo que destaca la necesidad de un marco legal y ético que considere la colaboración entre humanos y máquinas. Un enfoque flexible que reconozca los derechos tanto de los creadores humanos como de los sistemas de IA podría ser el siguiente paso en la evolución del arte y la propiedad intelectual en la era digital.
La originalidad en el arte generado por IA sigue siendo limitada por la naturaleza algorítmica de la tecnología y su dependencia de los datos de entrenamiento. A pesar de que las redes generativas adversarias y otros modelos de IA permiten producir obras visualmente complejas, estas tienden a reflejar patrones y estilos ya presentes en sus datos de entrenamiento. Esto sugiere que, aunque técnicamente originales en el sentido de que son creaciones nuevas. Las obras generadas por IA suelen carecer de la profundidad conceptual y de la capacidad disruptiva que caracteriza a las innovaciones dadas en la historia del arte. Es cierto que también los artistas desarrollan obras de producción íntegramente humana con repeticiones estilísticas, como se observa en músicos como Beethoven o pintores como Picasso. Sin embargo, en el caso humano, la repetición no es mera copia, sino una exploración progresiva que aporta significados distintos en cada iteración. En la IA, la repetición surge de un cálculo algorítmico sobre datos preexistentes, lo que limita su capacidad de generar rupturas conceptuales genuinas.
Otro resultado importante es la constatación de una “pátina” visual compartida en muchas obras generadas por IA, lo que limita la diversidad estética y plantea un desafío en un contexto de creación artística caracterizado por su heterogeneidad y capacidad para romper moldes. La estandarización que produce la IA podría llevar a una apropiación y saturación de ciertos estilos, especialmente en plataformas digitales donde el arte generado por IA es comúnmente consumido y reproducido. Este hallazgo sugiere la necesidad de técnicas avanzadas, como la ingeniería de prompts y la diversificación de datos de entrenamiento, para mitigar los efectos de la homogeneidad estética y para preservar la individualidad en las obras.
La IA desafía las nociones tradicionales de autoría en el arte, difuminando la línea entre creador humano y máquina: aunque el artista humano proporciona los prompts y establece la dirección estética, el modelo de IA es responsable de ejecutar el proceso (Kasap, 2019), planteando dilemas sobre la autoría y los derechos de autor.
Un resultado positivo es que la IA ha abierto nuevas posibilidades de colaboración creativa, permitiendo a los artistas usar la tecnología como extensión de su proceso creativo. Los artistas pueden mantener su voz creativa mientras exploran la estética digital mediante la ingeniería de prompts y técnicas de intervención manual. Como apunta Vertedor Romero (2023), va a ser fundamental explorar nuevas formas de expresión artística y reflexionar sobre la conexión entre la tecnología y la esencia humana en el arte del siglo XXI.
La evolución acelerada de la IA hasta 2025, con sistemas cada vez más multimodales y sofisticados, confirma que el debate sobre originalidad, homogeneidad y autoría no es estático, sino que requiere actualizaciones constantes. Este trabajo pretende ofrecer un marco teórico que sirva de referencia frente a tecnologías en continua transformación.
Los resultados enfatizan la necesidad de un marco ético y normativo para abordar las implicaciones del arte generado por IA, protegiendo tanto el rol del creador humano como la diversidad artística. Las políticas y regulaciones emergentes, como los derechos vecinos en la Unión Europea, son un primer paso hacia la protección del arte generado por IA.
Será esencial también ampliar la investigación hacia contextos no occidentales, para comprobar si los patrones de homogeneización y autoría observados en entornos europeos y norteamericanos se replican en otras tradiciones culturales, o si, por el contrario, emergen modelos creativos singulares que enriquezcan el panorama global del arte digital.
En conjunto, la IA tiene potencial para enriquecer el proceso creativo, aunque plantea desafíos en cuanto a la originalidad, homogeneidad estética y autoría. La colaboración humano-máquina es una vía viable para mantener la individualidad artística, requiriendo un marco normativo que equilibre los intereses tecnológicos y los derechos creativos humanos.
6. REFERENCIAS
Afegbua, M. (2003). Inclusive Digital Futures. https://www.malikafegbua.com/
Chang, M., Druga, S., Fiannaca, A., Vergani, P., Kulkarni, C., Cai, C. y Terry, M. (2023). The Prompt Artists. En Proceedings of the 15th Conference on Creativity and Cognition (pp. 75-87). Association for Computing Machinery. https://doi.org/10.1145/3591196.3593515
Chi, J. (2024). The evolutionary impact of artificial intelligence on contemporary artistic practices. Communications in Humanities Research, 35(1), 6–11. https://doi.org/10.54254/2753-7064/35/20240006
European Commission. (2025). AI Act. En Shaping Europe’s digital future. https://digital-strategy.ec.europa.eu/en/policies/regulatory-framework-ai
Gourvitz, E. y Ameri, L. (2023). Can works created with AI be copyrighted? Copyright Office issues formal guidance. Ropes & Gray. https://www.ropesgray.com/en/insights/alerts/2023/03/can-works-created-with-ai-be-copyrighted-copyright-office-issues-formal-guidance
Herrera Ávila, T. (2025). Ficciones algorítmicas: Desafíos éticos y políticos de la era de la inteligencia artificial. Astrolabio. Revista Internacional de Filosofía, 30, 1-12. https://doi.org/10.1344/astrolabio.v1i30.50297
Hristov, K. (2017). Artificial Intelligence and the Copyright Dilemma. IDEA: The Journal of the Franklin Pierce Center for Intellectual Property, 57(3), 431-454. https://ssrn.com/abstract=2976428
Jiang, Y., Li, X., Luo, H. y Yin, S. (2022). Quo Vadis Artificial Intelligence? Discover Artificial Intelligence, 2(4). https://doi.org/10.1007/s44163-022-00022-8
Kasap, A. (2019). Copyright and Creative Artificial Intelligence (AI) Systems: A Twenty-First Century Approach to Authorship of AI-Generated Works in the United States. Wake Forest Journal of Business and Intellectual Property Law, 19(4), 335-380. https://doi.org/10.31235/osf.io/gnyha
Korzynski, P., Mazurek, G., Krzypkowska, P. y Kurasinski, A. (2023). Artificial intelligence prompt engineering as a new digital competence. Entrepreneurial Business and Economics Review, 11(3), 25-37. https://doi.org/10.15678/EBER.2023.110302
Kucukali, B. T. (2022). The Protection of AI-Generated Works under European Copyright Law: Toward Adoption of a Neighbouring Rights Approach. University of British Columbia. https://dx.doi.org/10.14288/1.0421298
Manovich, L. y Arielli, E. (2024). Artificial aesthetics: Generative AI, art and visual media. https://manovich.net/index.php/projects/artificial-aesthetics
Martín Prada J. (2024). La creación artística visual frente a los retos de la inteligencia artificial. Automatización creativa y cuestionamientos éticos. Eikón / Imago, 13, e90081. https://doi.org/10.5209/eiko.90081
Mazzi, F. (2023). Authorship in artificial intelligence-generated works: Exploring originality in text prompts and artificial intelligence outputs through philosophical foundations of copyright and collage protection. The Journal of World Intellectual Property,27, 410-427. https://doi.org/10.1111/jwip.12310
Paquette, L. (2021). Artificial Life Imitating Art Imitating Life: Copyright Ownership in AI-Generated Works. Intellectual Property Journal, 33, 183-215. https://www.proquest.com/openview/bd7c4eeb0501273765a62eca437241c0/1.pdf?cbl=46743&pq-origsite=gscholar&utm_source=chatgpt.com
de Propios Martínez, C. (2022). Arte e inteligencia artificial: técnicas de aprendizaje automático en el arte generativo actual [Tesis doctoral]. Universidad Complutense de Madrid. https://hdl.handle.net/20.500.14352/3923
Sáez-Velasco, S., Alaguero-Rodríguez, M., Delgado-Benito, V. y Rodríguez-Cano, S. (2024). Analysing the Impact of Generative AI in Arts Education: A Cross-Disciplinary Perspective of Educators and Students in Higher Education. Informatics, 11(2), 37. https://doi.org/10.3390/informatics11020037
Samuelson, P. (2025). AI authorship revisited. Assessing the evolving perspectives regarding the copyright aspects of generative artificial intelligence outputs. Communications of the ACM, 68(2), 26-28. https://doi.org/10.1145/3732797
Vertedor Romero, J. (2023). Editorial. AI-driven art: la inteligencia artificial en el arte y el diseño. UMÁTICA. Revistas sobre creación y análisis de la imagen, 5(6), 9-20. https://doi.org/10.24310/umatica.2023.v5i6.18315
CONTRIBUCIONES DE AUTORES, FINANCIACIÓN Y AGRADECIMIENTOS
Contribuciones de los autores:
Conceptualización: Puertollano Galán, Virginia y Castro Díaz, Maribel. Metodología: Puertollano Galán, Virginia y Castro Díaz, Maribel. Software: Puertollano Galán, Virginia y Castro Díaz, Maribel. Validación: Puertollano Galán, Virginia y Castro Díaz, Maribel. Análisis formal: Puertollano Galán, Virginia y Castro Díaz, Maribel. Curación de datos: Puertollano Galán, Virginia y Castro Díaz, Maribel. Redacción-Preparación del borrador original: Puertollano Galán, Virginia y Castro Díaz, Maribel. Redacción-Revisión y Edición: Puertollano Galán, Virginia y Castro Díaz, Maribel. Visualización: Puertollano Galán, Virginia y Castro Díaz, Maribel. Supervisión: Puertollano Galán, Virginia y Castro Díaz, Maribel. Administración de proyectos: Puertollano Galán, Virginia y Castro Díaz, Maribel. Todos los autores han leído y aceptado la versión publicada del manuscrito: Puertollano Galán, Virginia y Castro Díaz, Maribel.
Financiación: Esta investigación no recibió financiamiento externo.
AUTOR/ES:
Virginia Puertollano Galán: Profesora en la Universidad Francisco de Vitoria, imparte docencia en los grados de Bellas Artes y Diseño. Licenciada en Bellas Artes y titulada en Aplicaciones 3D en Tiempo Real por la Universidad Francisco de Vitoria. Cuenta con un Máster en Arte y Diseño de Videojuegos por la U-Tad y un Máster en IA e Innovación por Founderz. Especializada en modelado 3D, forma parte del Grupo de Investigación Innovación y Análisis de la Imagen (IAI) y participa como investigadora en el proyecto ANDRÓMEDA. Mito y representación: Actividades teórico-prácticas de innovación en mitocrítica cultural (Comunidad de Madrid, PHS-2024/PH-HUM-76).
Orcid ID: https://orcid.org/0009-0007-6950-2817
Google Scholar: https://scholar.google.es/citations?user=feWfzxoAAAAJ&hl=es
Academia.edu: https://ufvitoria.academia.edu/VirginiaPuertollano
Maribel Castro-Díaz: Profesora Adjunta en la Universidad Francisco de Vitoria, donde imparte docencia en los grados en Bellas Artes y Diseño. Licenciada en Bellas Artes por la Universidad de Vigo (Premio Extraordinario) y Doctora en Bellas Artes por la Universidad Complutense de Madrid (Premio Extraordinario de Doctorado). Acreditada por ANECA como Titular de Universidad, cuenta con un sexenio de investigación. Pertenece al Grupo de Investigación Innovación y Análisis de la Imagen (IAI), y es investigadora del proyecto ANDRÓMEDA. Mito y representación: Actividades teórico-prácticas de innovación en mitocrítica cultural (Comunidad de Madrid, PHS-2024/PH-HUM-76).
Orcid ID: https://orcid.org/0000-0002-7901-6026
Google Scholar: https://scholar.google.com/citations?user=lwr1Eb0AAAAJ&hl=en
ResearchGate: https://www.researchgate.net/profile/Maribel-Castro-Diaz
Academia.edu: https://ufvitoria.academia.edu/MaribelCastro