Usar inteligencia artificial generativa para producir imágenes de marketing en segundos tiene un costo que no aparece en ninguna factura: la pérdida de identidad visual. Cuando distintas empresas recurren a los mismos modelos, prompts y referencias estéticas, sus campañas convergen en paletas de color, composiciones y estilos casi idénticos. El resultado es un mercado donde una imagen podría asociarse indistintamente a varias marcas, erosionando el reconocimiento construido durante años.

Lo que los datos revelan sobre autenticidad y credibilidad

Un estudio de percepción realizado por VisualGPS —la plataforma de investigación visual de Getty Images— analizó 190 imágenes con la participación de seis mil personas en doce mercados e identificó una tensión de fondo: el 74% de los encuestados considera que una imagen generada por IA puede ser tan realista como una fotografía, pero el 78% sostiene que, por su origen, no puede considerarse auténtica.

Esa brecha entre verosimilitud y autenticidad tiene implicaciones directas sobre el retorno de la inversión en contenido visual. El 80% de los consumidores a nivel global afirmó que las imágenes que "se ven y se sienten auténticas" son determinantes para destacar frente a la competencia, y el 83% considera que este tipo de contenido fortalece la credibilidad de la marca. Producir más rápido, en otras palabras, no equivale a comunicar mejor.

Melanie Vélez, autora del informe en Getty Images, sintetiza el problema con precisión: "La IA puede generar una imagen en segundos, pero no puede definir qué hace reconocible a una marca. Si todos los equipos utilizan las mismas referencias y fórmulas, producir más rápido también puede significar parecerse más a la competencia".

La dimensión cultural como ventaja competitiva

El estudio incorpora una variable que suele subestimarse en las estrategias de contenido global: el contexto local. El 69% de los encuestados cree que las marcas globales deberían adaptar sus imágenes y videos al entorno del país o región donde opera su audiencia. Lugares, idioma, personas, arquitectura y vestimenta funcionan como señales visuales que comunican comprensión cultural —un diferenciador que los modelos de IA entrenados con datos genéricos difícilmente replican con precisión.

Este hallazgo es especialmente relevante para mercados latinoamericanos, donde la representación cultural auténtica puede ser tanto un factor de conexión emocional como un elemento de diferenciación frente a competidores globales que operan con activos visuales estandarizados.

Riesgos legales y de propiedad intelectual

Más allá de la estética, el uso masivo de imágenes generadas por IA introduce riesgos legales que las áreas de marketing y legal deben evaluar en conjunto. Un activo visual creado por IA puede replicar características de obras protegidas, imitar estilos reconocibles o recrear personas reales sin que sea posible rastrear qué materiales participaron en su generación. La falta de trazabilidad complica la asignación de autorías, permisos y responsabilidades, particularmente cuando el contenido tiene fines publicitarios o comerciales.

En Argentina, la ausencia de legislación integral sobre IA ha derivado en que estos conflictos se analicen mediante normas preexistentes de propiedad intelectual, protección de datos y derechos personalísimos. Casos concretos —como la recreación de Diego Maradona con imágenes generadas por IA para una publicidad de apuestas, o los reclamos de actores por el uso de sus voces e imágenes sin consentimiento— anticipan un escenario regulatorio más exigente que las marcas deberían anticipar en su política de contenidos.

La homogeneización visual tampoco es un fenómeno exclusivo de la IA: el reciente lanzamiento de Sorbo, una marca de suplementos, generó comparaciones inmediatas con Rhode por similitudes estéticas señaladas por usuarios y medios especializados. La tendencia de replicar referencias visuales exitosas —con o sin IA— amplifica el riesgo de intercambiabilidad que el estudio de VisualGPS documenta con datos.

La pregunta estratégica no es si usar IA para producir contenido visual, sino cómo establecer criterios de identidad suficientemente sólidos para que ningún modelo pueda diluirlos.