Las imágenes de producto con IA chocan con un muro de cumplimiento que nadie incluyó en el cálculo

Durante los últimos dos años, la propuesta de la fotografía de producto con IA ha sido sencilla: generar más variantes, gastar menos y lanzar más rápido. En la segunda mitad de 2026, esa propuesta se topó con una restricción que no tiene nada que ver con la calidad de la imagen, sino con lo que se permite que la imagen afirme.

La restricción es la divulgación. Desde el 2 de agosto de 2026, entraron en vigor las obligaciones de transparencia del Reglamento de IA de la UE, que exigen que el contenido generado por IA se etiquete o se divulgue de otro modo a los usuarios finales. La legislación estatal en Estados Unidos ha avanzado en paralelo. Y en el avance más concreto para el comercio electrónico, Amazon ha empezado a aplicar requisitos a las imágenes de listado generadas por IA, incluido el etiquetado de personas generadas por IA después de que entraran en vigor las normas de imagen de Nueva York.

Qué exigen realmente las normas

En Estados Unidos no existe una única norma federal que exija que toda imagen de producto con IA lleve una etiqueta visible. En su lugar, el cumplimiento es por capas, y eso es lo que lo vuelve difícil de gestionar.

California regula las herramientas de divulgación de los proveedores y cómo las utilizan los responsables del despliegue. Nueva York regula a los intérpretes sintéticos en anuncios comerciales. La política de vendedores de Amazon añade requisitos contractuales vinculados a su marketplace. El Reglamento de IA de la UE impone deberes de transparencia que dependen del papel y el contexto del sistema, en lugar de aplicar una etiqueta universal.

Como estos sistemas regulan a distintos actores, una empresa puede tener que satisfacer varios a la vez, y una etiqueta que satisface uno puede no satisfacer otro. Una divulgación dentro de una publicación de Instagram puede perderse cuando la imagen se recorta o se incrusta en otro lugar. Un aviso en la página de un listado de Amazon viaja con el listado, pero no con una republicación.

La dificultad práctica es que los requisitos no están alineados. Cada jurisdicción y plataforma define de manera distinta un sistema cubierto, y cada una espera el aviso en un lugar diferente.

La distinción que decide la mayoría de los casos

Las normas dependen de una cuestión de clasificación en la que los equipos de catálogo rara vez piensan: ¿la imagen es generada, alterada de forma sustancial o editada de manera convencional?

Una imagen totalmente sintética podría mostrar un modelo ficticio, una habitación generada o una disposición de producto que nunca existió físicamente. Una imagen alterada de forma sustancial podría reemplazar un fondo, añadir un objeto, eliminar una característica o reconstruir una superficie. Una fotografía editada de manera convencional implica recorte, corrección de exposición, eliminación de polvo o corrección de color.

La línea divisoria pasa por lo que creería un espectador razonable. Si un comprador asumiera que el producto se fotografió físicamente, que la persona es real o que el resultado mostrado refleja un uso normal, la imagen conlleva un riesgo de engaño. Ese riesgo aumenta cuando la imagen aporta una afirmación fáctica sobre dimensiones, textura, compatibilidad o rendimiento, porque la generación con IA no hace que una afirmación sea verdadera, y la divulgación no subsana un anuncio falso.

Aquí es donde las herramientas generativas se vuelven peligrosas en un catálogo. Inventan detalles plausibles, como botones, etiquetas, ingredientes, tejidos, texto de envases y accesorios. Una mano generada, el movimiento de un tejido o un reflejo pueden parecer convincentes y ser fácticamente incorrectos. La imagen pulida es el riesgo, no la tosca.

El problema de las personas es distinto

Una cara generada por IA plantea un segundo conjunto de problemas que la divulgación por sí sola no resuelve. Una persona generada sin una indicación clara de que es sintética puede dar lugar a problemas de falso aval o falso testimonio. Si la cara se parece a una persona real, a una celebridad, a un cliente o a un empleado, la empresa podría enfrentarse a exposición por derechos de imagen, privacidad o marcas registradas, además del deber de divulgación.

Una autorización de modelo no ayuda cuando la persona de la imagen nunca apareció. El permiso de una plataforma de IA no transfiere derechos de personalidad que la empresa no posee. Para personas ficticias ordinarias, sigue siendo sensato conservar en archivo avisos de intérprete sintético, sobre todo cuando el mismo personaje aparece en toda una línea de productos y se vuelve reconocible.

Dónde tiene que cambiar el flujo de trabajo

La solución operativa tiene menos que ver con las herramientas que con el proceso. Asignar responsabilidades en lugar de dejar la decisión a cualquier diseñador que conozca la herramienta. Hacer que la persona que prepara la imagen documente el software, el prompt, las fotografías de origen, las ediciones, la afirmación prevista y los canales previstos, porque el registro de la herramienta suele ser la mejor evidencia de qué categoría eligió realmente la empresa.

Mantenga el producto fuera de la generación siempre que la precisión importe. Componga fotografía real con entornos generados en lugar de generar el producto, y especifique explícitamente en el prompt que la botella, el reloj, el zapato, el dispositivo, la etiqueta, el logotipo y las proporciones deben permanecer sin cambios. Utilice edición de imagen a imagen o basada en referencias con el producto enmascarado, para que el modelo tenga menos libertad de alterar características que definen su identidad.

Después, inspeccione el resultado dos veces, con un aumento del 100 % y a tamaño de miniatura, y compare las formas de las letras del logotipo, las costuras, los puertos, la textura, las sombras y los nombres de los colores con el artículo real. Cualquier característica inventada o dimensión modificada es motivo de rechazo, incluso si la imagen se ve mejor que el producto.

El modelo de costes que nunca se midió correctamente

La economía de las imágenes de producto con IA se debatió en términos de coste por activo y tiempo de comercialización, y ambas cifras siguen favoreciendo a la generación. Ninguna de las dos fue nunca el cálculo completo.

La partida que falta es la revisión. Generar mil variantes es barato, pero clasificar cada una, decidir cuál necesita una divulgación y cuál no, y aplicar el aviso correcto para cada canal no lo es. La unidad honesta de comparación es el coste de cien activos aprobados, no el precio anunciado de mil generaciones, porque la tasa de aprobación varía enormemente según la categoría. Un flujo de trabajo que funciona con una taza de cerámica mate puede desmoronarse con joyería, cosméticos o tejidos ligeros.

Por eso, las herramientas más caras que conservan las máscaras de producto y ofrecen controles por lotes pueden acabar siendo más baratas una vez contabilizada la mano de obra. La ganga aparente se cotiza por generación. El coste real se cotiza por activo que sobrevive a la revisión.

Cómo se ve un piloto sensato

Empiece con 20 a 50 SKU representativos e incluya a propósito los difíciles. Las superficies reflectantes, los objetos transparentes, el branding exacto, los casos de uso con personas y los artículos cuyas dimensiones deben ser veraces deben formar parte de la muestra, porque un piloto con productos sencillos saldrá bien y no le dirá nada.

Después, mida lo que decide si el flujo de trabajo escala: el tiempo de ciclo desde la referencia del producto hasta el activo aprobado, el número de ediciones manuales por activo, la tasa de fallos en la precisión del producto y si las variantes generadas realmente mejoran la conversión o la tasa de clics. Si ninguno de esos indicadores se mueve, el flujo de trabajo es un centro de costes disfrazado de capacidad.

Conserve el archivo original y una nota de auditoría que describa cada edición. Ese registro es lo que responde a una pregunta de divulgación, una pregunta de derechos o una consulta de un marketplace, y es mucho más barato conservarlo que reconstruirlo.

Lo que nadie incluyó en el cálculo

La economía de las imágenes de producto con IA se debatió en términos de coste por activo y tiempo de comercialización. Esas cifras siguen siendo válidas, pero nunca fueron el cálculo completo. La partida que falta es el cumplimiento, y escala de forma distinta a la generación.

Generar mil variantes es barato. Auditar mil variantes, clasificar cada una y aplicar la divulgación correcta para cada canal no lo es. Es probable que el flujo de trabajo ganador se parezca al que describe el artículo que está leyendo: un piloto pequeño con SKU difíciles, fotografía reservada para todo lo que deba ser verdadero, generación limitada a fondos y recortes, y un registro documentado de cada decisión.

Ese es un proceso más pesado de lo que sugieren los vídeos de demostración, y es el proceso que seguirá en pie cuando llegue la próxima acción de ejecución. Las marcas que trataron la divulgación como una restricción de diseño en lugar de un formulario que presentar encontrarán que las normas son más baratas de cumplir que aquellas que las descubren a nivel de listado.