Por qué todas las caras de IA se ven iguales, y por qué los espectadores están empezando a odiarlo

Hay un momento que no deja de repetirse en el auge de los dramas de IA. Un espectador está deslizando el dedo, ve un clip, le gusta y luego se da cuenta de que el protagonista masculino de esta serie tiene la misma cara que el protagonista masculino de la serie anterior, y que el de la anterior a esa. La misma forma de cara, el mismo pelo, el mismo flequillo con raya al medio. Las capturas comparativas se han vuelto virales, y la reacción tiene un nombre en la jerga de internet china: asco fisiológico.

La razón por la que todas las caras de IA convergen en la misma cara no es un misterio. Son las estadísticas. Un modelo de vídeo tiene que mantener una cara consistente de un fotograma a otro, y una cara simétrica, impecable y sin rasgos distintivos tiene la mayor tolerancia a los pequeños errores que provocan parpadeos entre fotogramas. Los rasgos individuales, una nariz torcida, un lunar, unos ojos asimétricos, son precisamente las cosas que se rompen cuando el modelo vuelve a renderizar la misma cara treinta veces por segundo. Así que el modelo recurre a la cara «segura», la que es el promedio de todas las caras con las que se entrenó. Lo que sale es lo que un investigador llamó una «solución óptima promedio» estadística.

La economía empuja en la misma dirección. El vídeo generativo se factura por segundo, y personalizar una cara individual implica iterar sobre los prompts, fijar rasgos y calibrar microexpresiones fotograma a fotograma, lo que duplica el tiempo. La mayoría de los equipos que persiguen un calendario de subidas diarias se saltan todo eso y reutilizan una plantilla de éxito con una biblioteca pública de caras. Incluso hay un mercado gris para esto: un paquete de veinte mil clips de dramas supuestamente infractores para entrenamiento se vende por menos de un dólar. Cuando los propios datos de entrenamiento se extraen del mismo puñado de fuentes, las caras que produce no pueden dejar de parecerse.

El resultado es una categoría de contenido en la que las caras son perfectas e intercambiables. Un profesor de periodismo de Tsinghua formuló el problema en unos términos que se han quedado grabados: el algoritmo puede calcular una puntuación de belleza, pero no puede calcular la densidad de una personalidad humana. La imperfección es lo importante. Las pecas, una ligera asimetría, la forma en que se arruga un ojo cuando alguien sonríe de verdad, la forma en que se relaja una ceja cuando alguien está cansado. Esas son las cosas que te permiten distinguir a una persona de otra, y son exactamente lo que un modelo optimizado para la suavidad se encarga de limar.

Aquí también se esconde un argumento evolutivo. Los humanos estamos programados para leer las caras en busca de identidad y emoción, y dependemos de pequeñas diferencias para distinguir a las personas. Una cara estandarizada y sin marcas distintivas activa la misma alarma que el valle inquietante: se parece lo suficiente a un ser humano como para registrarse como una cara, pero es lo bastante diferente como para sentirse mal. El asco no es esnobismo. Es una respuesta perceptiva ante algo que parece casi humano, pero no del todo.

La misma dinámica se da en cómo trata el modelo la identidad misma. Un «actor» de IA es un ajuste estadístico sobre una distribución de expresiones, no una persona con un sistema nervioso autónomo. Las caras reales se mueven por fisiología y situación; a una persona cansada se le relaja la ceja de cierta manera, y a una persona genuinamente divertida se le arrugan los ojos. El modelo puede aproximarlas, pero no puede originarlas, y la diferencia se manifiesta como una planitud sutil que los espectadores perciben incluso cuando no saben nombrarla. Es la diferencia entre una actuación y un renderizado.

Hay un dato concreto que muestra hasta dónde ha llegado la homogeneización. Los informes describen paquetes de material de entrenamiento que contienen decenas de miles de clips de dramas cortos, presuntamente extraídos sin permiso, que se venden por menos de un dólar. Cuando los datos de entrenamiento son tan estrechos y se reutilizan de forma tan amplia, las caras que producen no pueden sino converger. La uniformidad no es un accidente del gusto. Es una consecuencia derivada de una cadena de suministro optimizada para el volumen barato.

Esto no es solo una queja estética. Está volviéndose comercial. Cuando todas las series parecen la misma serie, nada es memorable, y una categoría que vive de la novedad muere por la uniformidad. El regulador chino ya está redactando un estándar de calidad que convierte la distintividad de los personajes en un ítem de puntuación propio, lo que es una señal clara de dónde espera la industria que esté la próxima ola de competencia. Una categoría que no puede distinguir a sus propios personajes es una categoría que no ha descubierto por qué alguien debería seguir viendo.

Hay un punto más profundo debajo de todo esto que se aplica mucho más allá de los dramas cortos. La IA generativa tiende hacia el promedio porque el promedio es la apuesta más segura, y la apuesta más segura es lo que un modelo de probabilidad está entrenado para hacer. La creatividad humana tiende hacia lo específico porque una elección específica es lo único que destaca. La lucha entre ambas se está desarrollando ahora mismo, en tiempo real y a una escala masiva, en un rincón de internet que la mayoría de los observadores occidentales no está mirando.

La razón por la que esto importa más allá de la estética es que prefigura una cuestión cultural mayor. Si el contenido más barato y más fácil converge por completo en el mismo aspecto, la misma cara, la misma voz, entonces internet se convierte en una sala de espejos que refleja un único promedio estadístico sobre sí misma. Quienes luchan contra esa convergencia, los que insisten en una nariz torcida, un dialecto, una pausa no planeada, no están siendo nostálgicos. Están defendiendo aquello que hace que la cultura merezca la pena.

El paralelismo con el problema más amplio del «slop» de IA es exacto. Deezer informa de 75.000 canciones de IA subidas al día. Una auditoría de periódicos estadounidenses encontró que el 9 por ciento de los artículos nuevos estaban marcados como generados por IA. El hilo común es que las herramientas generativas, usadas sin intención editorial, producen una inundación de resultados competentes pero intercambiables. La cara de IA es solo el ejemplo visualmente más chocante de un fenómeno que está remodelando la música, el texto y las imágenes al mismo tiempo.

La solución no es hacer que los modelos sean menos suaves. Es dejar de tratar la configuración predeterminada del modelo como el producto terminado. La distintividad de los personajes tiene que diseñarse deliberadamente, igual que un director de casting diseña un reparto. Las herramientas ya lo permiten: imágenes de referencia, fotogramas clave, rasgos bloqueados. Lo que falta es la voluntad de dedicar el tiempo extra, porque la economía del boom recompensa la velocidad. Los creadores que se resisten a la cara promedio son los que seguirán teniendo público cuando la novedad se desvanezca. Esa es la apuesta, y es la misma apuesta que todo medio en maduración impone a sus creadores: sé específico, o desaparece en el promedio.

Hay razones para pensar que la presión ya está cambiando. Las plataformas que alimentaron el boom recompensando el volumen ahora están empezando a recompensar la distintividad, porque un feed lleno de caras intercambiables es un problema de retención. El estándar de calidad es una palanca; el algoritmo es otra. Una vez que la plataforma deja de recompensar la uniformidad, la economía se invierte, y los equipos que desarrollaron el músculo del diseño de personajes serán los que estén posicionados para ganar. La cara de IA no va a desaparecer. Lo que sí desaparece es la idea de que se puede ganar con la configuración predeterminada, y eso es un desarrollo saludable para todos los que de verdad quieren hacer algo que merezca la pena ver.