La paradoja de la mediocridad generativa – inteligencia artificial y creatividad
De todo lo que se habla sobre inteligencia artificial desde que comenzó a imponerse como herramienta, hay algo que no se dice tanto: que estamos produciendo más que nunca y al mismo tiempo, creando menos que nunca. No es una contradicción aparente, sino la descripción exacta de lo que está pasando.
Los modelos generativos de IA son las herramientas más sofisticadas que existieron para crear. Y sin embargo, todavía no apareció ningún Miyazaki generativo, ningún McCartney de los prompts que se haga único por su talento creativo. Lo que sí apareció fue una cantidad industrializada de contenido que se parece a todo y al mismo tiempo carece de personalidad. Entonces hay que preguntarse, ¿cómo evolucionará todo esto? pero antes, intentando entender los motivos.
El suelo que se hundió
Seymour Papert, pionero del MIT en los años 70, describió el diseño ideal de una herramienta educativa con dos criterios: low floor, high ceiling (suelo bajo para que cualquiera pueda entrar, techo alto para que los expertos tengan margen para crecer). La IA cumplió el primero con una eficiencia brutal. Lo que antes llevaba días de trabajo, errores, revisiones y aprendizaje en el proceso, hoy se consigue con dos instrucciones en cinco minutos. El suelo no bajó, se hundió hasta el subsuelo y eso en principio parece bueno, pero…
El problema no es que ahora haya más gente creando, sino qué se crea cuando los obstáculos desaparecen. La fricción no era solo un obstáculo: era el proceso donde se desarrollaba el criterio. Cuando no hay que luchar con el material, tampoco hay que entender como procesarlo. Se obtiene un resultado sin haber recorrido el camino que enseña a distinguir un resultado bueno de uno mediocre.
Y esas dificultades, en muchos casos, es lo que garantiza los mejores resultados en el prceso creativo.
El slop y la estandarización de lo «suficientemente bueno»
El término que circula para describir este fenómeno es slop: contenido genérico, masivo, técnicamente correcto y completamente intercambiable. En diseño web, el slop de 2022 eran los gradientes morados y los botones con efecto brillante.
El mejor ejemplo de slop de 2026 es la tipografía Instrument Serif en cursiva sobre fondo beige. Cambia la estética pero no el mecanismo: alguien vio que funcionaba, la IA lo replicó a escala industrial, y en semanas el diferencial se evaporó.
Esto tiene una consecuencia económica directa. Si cualquier competidor puede clonar un diseño en quince minutos, la identidad visual deja de ser un activo. La única respuesta viable es construir algo que no sea replicable en ese tiempo — lo cual exige un nivel de criterio, experiencia y posición propia que la IA no puede generar porque no tiene ninguna de las tres cosas.
La fantasía del buen gusto algorítmico
Hay quienes creen que el problema es técnico: que con modelos más grandes y mejor entrenados, la IA va a desarrollar buen gusto, pero no es más que una fantasía que parece conveniente. El buen gusto no es un patrón estadístico sino personal, contextual, históricamente situado y muta con una velocidad que ningún entrenamiento puede seguir. Lo que los modelos producen cuando intentan tener gusto es lo que el analista Pablo Bacaus llama el «Uniqlo algorítmico»: funcional, inofensivo, sin alma.
Útil para no ofender a nadie, pero inútil para conectar con alguien.
Cuando algo se vuelve masivo gracias a la IA, pierde inmediatamente el valor que tenía. La escasez no era un defecto de la producción artesanal, era parte de lo que le daba sentido.
Ese Temita de la Rendición cognitiva
El riesgo más serio no es la automatización de tareas. Es lo que sucede cuando alguien acepta el primer resultado sin revisarlo, convencido de que el modelo sabe mejor. Eso tiene un nombre: rendición cognitiva. Y es exactamente lo contrario de pensar.
Una cámara de última generación maneja la exposición, el foco y el balance de blancos mejor que cualquier fotógrafo amateur. Pero el ángulo, la luz elegida, el momento exacto del disparo siguen siendo parte de una decisión humana, y es lo único que diferencia una foto memorable de un archivo más en la nube. La IA funciona igual. Elimina la dificultad técnica, pero si también eliminás la intención lo que queda es un resultado que nadie eligió conscientemente.
¿Y qué tiene que ver pensar con esto?
La paradoja de la mediocridad generativa no es un problema de herramientas, sino de la relación con las herramientas. Y la misma depende de algo que no se entrena con prompts: la capacidad de distinguir una buena pregunta de una mala, un argumento sólido de uno que solo suena bien, una idea propia de una idea prestada que creés tuya o de la que pensás «es justo lo que quería decir pero no sabía cómo».
Eso es pensamiento crítico aplicado pero no como disciplina académica sino como práctica cotidiana frente a cualquier sistema que produce respuestas más rápido de lo que uno puede evaluarlas.
Si te interesa el enfoque con que analizamos la paradoja de la mediocridad generativa, Conversaciones con DarIA es el libro donde desarrollamos con mayor profundidad todos estos temas: un cruce entre investigación crítica, análisis de narrativas y las preguntas que el sentido común no suele hacerse. Conversaciones con DarIA — pensamiento crítico aplicado a lo que nos cuentan
Preguntas Frecuentes
¿Qué es la paradoja de la mediocridad generativa?
Es el fenómeno por el cual las herramientas de IA permiten producir contenido de manera masiva y técnicamente correcta, pero reducen la aparición de obras con criterio, voz propia o valor diferencial real. Más producción, menos excelencia.
¿Qué es el slop en inteligencia artificial?
Es el término que describe el contenido genérico e intercambiable que genera la IA cuando se usa sin intención crítica: textos, diseños e imágenes técnicamente aceptables pero sin identidad ni posición propia.
¿La IA puede tener buen gusto?
No en el sentido relevante. El buen gusto es personal, contextual y cambia históricamente. Los modelos pueden aprender patrones estéticos dominantes, pero eso produce estandarización, no criterio. Lo que imitan es lo que ya fue masivo, no lo que todavía no existe y por eso se da la paradoja de la mediocridad generativa.
¿Qué es la rendición cognitiva?
Es aceptar el primer resultado de una IA sin revisarlo ni cuestionarlo, asumiendo que el modelo sabe mejor. Es el mecanismo por el cual el usuario deja de ejercer juicio propio y convierte la herramienta en un sustituto del pensamiento.
¿Cómo usar la IA sin caer en la mediocridad generativa?
Tratándola como se trata cualquier herramienta técnica: ella maneja la parte operativa, vos tomás las decisiones sobre qué, para qué y desde dónde. La intención no se delega.
¿Qué relación tiene esto con el pensamiento crítico?
Directa. La mediocridad generativa prospera exactamente donde falta pensamiento crítico: cuando se acepta el resultado sin evaluarlo, cuando la velocidad reemplaza al juicio, y cuando la apariencia de competencia sustituye a la competencia real.
