¿IA y creatividad?

Por qué la IA no puede crear arte: Una revisión de los argumentos de Chiang

Licencia Creative Commons

Antoni Hernández-Fernández

El escritor de ciencia ficción Ted Chiang ha expuesto recientemente sus razones por las cuales la inteligencia artificial no puede crear arte (Chiang, 2024). Recomiendo encarecidamente la lectura de su artículo (¡y por supuesto, de sus libros!). Yo mismo he propuesto algunos contraargumentos (Hernández-Fernández, 2025), que, al igual que este texto, pretenden invitar a la reflexión. Los argumentos de Chiang contra la capacidad artística de la IA pueden resumirse del siguiente modo (Chiang, 2024; Hernández-Fernández, 2025):

1. El argumento de las microdecisiones – El arte implica multitud de decisiones conscientes e inconscientes. Chiang sostiene que la IA se basa exclusivamente en modelos estadísticos y en la imitación, produciendo resultados previsibles y mediocres, en línea con la idea de Wagensberg (2017) de que lo opuesto a la creatividad es la mediocridad.
2. El argumento de la falta de intencionalidad – El arte verdadero requiere intención. Como la IA no posee emociones, gozo intelectual ni deseos, no puede crear con una intención significativa.
3. El argumento del esfuerzo y el proceso – El proceso creativo y el esfuerzo son componentes esenciales del valor artístico. La IA genera contenido sin esfuerzo, lo que, según Chiang, resta valor artístico a sus creaciones.
4. El argumento de la inteligencia general y la eficiencia – A la IA le cuesta adquirir nuevas habilidades con la eficiencia que lo hacen los humanos. Aunque destaque en juegos como el Go, necesita grandes cantidades de datos, mientras que los humanos aprenden de forma más intuitiva, algo clave en la creación artística.
5. El argumento de la falta de originalidad – La IA es generativa, pero no creativa. Sus productos, construidos a partir de mecanismos automatizados, carecen de verdadera originalidad, resultando en obras estadísticamente promedio.

Estos puntos han generado debates en aulas y reuniones académicas sobre el arte (y la enseñanza artística), despertando contraargumentos que podrían nutrir futuras investigaciones y discusiones (Hernández-Fernández, 2025):

1. IA y microdecisiones artísticas – Aunque las decisiones de la IA se basan en datos previos y algoritmos (con sesgos inherentes), los avances futuros podrían permitirle replicar mejor los procesos artísticos humanos. Esto abre la puerta a interacciones creativas híbridas entre humanos y máquinas (microdecisiones en la elaboración de “prompts”, retroalimentación IA-humano, etc.).
2. Intencionalidad y uso ético de la IA – Aunque la IA carece de intención propia, educadores y artistas pueden emplearla de forma expresiva a través de técnicas como el prompting (Hernández-Fernández & Ferrer-i-Cancho, 2023). Reconocer la relación entre la tecnología y su uso es fundamental para evitar falsas percepciones de autonomía en la IA (Diéguez, 2024). En este sentido, los docentes tienen un papel clave en guiar al alumnado hacia una creatividad responsable e intencionada.
3. Optimización del esfuerzo creativo – La IA puede encargarse de tareas técnicas repetitivas, permitiendo a los artistas centrarse en los aspectos conceptuales y creativos, del mismo modo que la fotografía revolucionó el cine. La IA podría democratizar la creación digital, facilitando que personas sin conocimientos de programación generen software para producir obras gráficas o piezas impresas en 3D (Hernández-Fernández, 2023).
4. Sostenibilidad y eficiencia de la IA en el arte – Si bien actualmente la IA conlleva un alto coste medioambiental (Crawford, 2021), los futuros desarrollos sostenibles podrían permitir una integración responsable en la educación artística, abriendo nuevas vías de creación.
5. Creatividad colaborativa entre humanos y máquinas – La IA puede ampliar los límites de la creación artística colaborativa. En el ámbito educativo, la IA podría actuar como un socio creativo más que como una simple herramienta, transformando la expresión artística y la innovación. Esta interacción, lejos de deshumanizar el arte, podría enriquecerlo, recordándonos que la creatividad siempre ha estado influenciada por factores externos—incluida la tecnología.

Por otro lado, el reciente fenómeno del «efecto Ghibli», impulsado por la IA, demuestra cómo la viralidad digital puede globalizar la expresión artística, pero también nos obliga a reflexionar sobre la ética y la legalidad de estos procesos (¿cómo se entrenan estos modelos de IA? ¿sin permiso?), así como sobre su impacto ambiental, ya que requieren ingentes cantidades de datos y energía. Si bien celebramos la capacidad de la IA para generar imágenes cautivadoras al estilo Ghibli, deberíamos preguntarnos cuál es el coste real de esta creatividad acelerada: ¿estamos sustituyendo el esfuerzo humano y el alma artística por un consumo energético insostenible para el circo global?

Así como los artistas siempre se han inspirado en otros humanos, las máquinas podrían empezar a desempeñar un papel similar. Puede que la IA no sea creativa en el sentido humano, pero está llamada a convertirse en una herramienta invaluable dentro del proceso creativo, ampliando y redefiniendo nuestro concepto de creatividad (Wingström et al., 2024) y transformando tanto la producción artística como su enseñanza.

Referencias:

Chiang, T. (2024). Why A.I. Isn’t Going to Make Art. New Yorker, 31th August, 2024. https://www.newyorker.com/culture/the-weekend-essay/why-ai-isnt-going-to-make-art

Crawford, K. (2021). Atlas of AI: power, politics, and the planetary costs of artificial intelligence. New Haven: Yale University Press.

Diéguez, A. (2024). Pensar la tecnología. Barcelona: Shackleton books.

Hernández-Fernández, A. (ed.) (2023). Creativitat digital. Barcelona: Iniciativa Digital Politècnica, colecció Diàlegs UPCArts. https://upcommons.upc.edu/handle/2117/395833

Hernández Fernández, A. (2025). Inteligencia Artificial y diseño. Revista Grafica, en premsa.

Hernández Fernández, A. i Ferrer Cancho, R. (2023). Lingüística quantitativa i lleis lingüístiques: de la lingüística a la intel·ligència artificial i la tecnoètica. Terminàlia, 27. https://doi.org/10.2436/20.2503.01.190

Holmes, W., Bialik, M., & Fadel, C. (2019). Artificial intelligence in education: promises and implications for teaching and learning. Center for Curriculum Redesign.

Wagensberg, J. (2017). Teoría de la creatividad. Barcelona: Tusquets.

Wingström, R., Hautala, J. y Lundman, R. (2024). Redefining creativity in the era of AI? Perspectives of computer scientists and new media artists. Creativity Research Journal, 36(2), pp. 177-193.

Fuente: educational EVIDENCE

Derechos: Creative Commons