Durante casi doscientos años, la fotografía estuvo acompañada por una promesa silenciosa, nos prometía que frente a una fotografía había estado, de alguna manera, aquello que la imagen mostraba.
No importaba demasiado que la fotografía pudiera manipularse, recortarse, escenificarse o falsificarse. Existía una relación material entre la luz, el dispositivo, la superficie sensible y el referente. Una fotografía podía mentir, pero para hacerlo necesitaba partir de algo que había estado frente a la cámara.
La inteligencia artificial generativa altera esta relación. Por primera vez, una imagen que conserva todos los signos visuales de una fotografía puede existir sin que haya existido nunca un acontecimiento fotográfico. No hubo cámara, no hubo lente, no hubo luz reflejada por ese cuerpo, no hubo un lugar, una persona ni un instante delante del dispositivo. Y, sin embargo, la imagen es perfectamente real.
Aquí comienza uno de los desplazamientos de la cultura visual contemporánea, el tránsito de la huella hacia la probabilidad. La imagen ya no necesita registrar algo que sucedió, puede calcular algo que podría haber sucedido.
Esta transformación es el punto de partida de la investigación de Jacob Bañuelos-Capistrán, Del índex al algoritmo. Fotografía, imagen generativa y régimen visual emergente (2018–2025), publicada en 2026 en la Revista Panamericana de Comunicación. El estudio cartografía una producción académica reciente y encuentra veinte conceptos emergentes que intentan nombrar aquello que está sucediendo frente a nuestros ojos: la postmemoria algorítmica, las memorias larvales, las imágenes medias, la fotografía no humana, la máquina de percepción, el índex algorítmico, la fotografía virtual, la promptografía, el prompt minoritario.
No estamos solamente ante nuevas herramientas para producir imágenes, estamos ante la aparición de otro régimen de visualidad.
Hablar de una ruptura provocada por la inteligencia artificial exige primero desmontar una ilusión, la de que alguna vez existió una fotografía completamente objetiva, la fotografía siempre fue una construcción, desde los trucajes del siglo XIX hasta el fotomontaje de las vanguardias, desde la manipulación de laboratorio hasta Photoshop, la imagen fotográfica nunca fue un espejo transparente del mundo. Joan Fontcuberta insistió durante décadas en que la fotografía debía entenderse también como ficción, precisamente porque su fuerza cultural había dependido de presentarse como verdad.
La crisis de la fotografía tampoco comenzó con DALL-E o Midjourney, el tránsito de lo analógico a lo digital ya había debilitado el vínculo entre huella y referente, el fotomontaje había demostrado mucho antes que una imagen podía producir una realidad visual que jamás había existido como un acontecimiento unitario, los satélites, las cámaras automáticas, los endoscopios y otros dispositivos habían desplazado progresivamente al fotógrafo humano del centro de la producción visual.
Incluso la creatividad humana actualmente puede entenderse, como lo ha planteado Joanna Zylinska, como parcialmente algorítmica, ya que seguimos reglas, repetimos procedimientos, combinamos elementos, reconocemos patrones.
La inteligencia artificial no aparece entonces desde fuera de la historia de la fotografía, llega desde dentro de ella, pero lleva algunas de sus contradicciones hasta un punto en el que ya no podemos ignorarlas.
Durante mucho tiempo la fotografía se organizó alrededor de una pregunta ¿esto ocurrió? Actualmente la imagen generativa introduce otra pregunta ¿podría haber ocurrido?
Esta diferencia parece pequeña, pero modifica profundamente el estatuto de la imagen. Una fotografía tradicional mantiene una relación causal con aquello que estuvo delante del dispositivo. Una imagen generativa mantiene una relación estadística con un universo de imágenes, conceptos, estilos, objetos y relaciones visuales aprendidas durante el entrenamiento.
La imagen no remite necesariamente a un acontecimiento, remite a una distribución de posibilidades. De ahí surge la noción de índex algorítmico, donde se crea una forma de referencialidad que ya no depende de una conexión física entre imagen y objeto, sino de una relación computacional. La imagen parece señalar algo, pero aquello que señala no tiene que haber existido.
La consecuencia es inquietante, ya que una fotografía tradicional podía decir estuve aquí, sin embargo ahora la imagen generativa nos dice esto podría haber estado aquí. Y el problema es que la diferencia entre ambas afirmaciones puede resultar imperceptible para quien observa.
Bañuelos-Capistrán identifica precisamente este tránsito como una de las rupturas de la imagen algorítmica, llevándonos a la sustitución de la huella por la probabilidad y la desaparición del referente óptico-lumínico. La fotografía deja de ser necesariamente el resultado de una mirada sobre el mundo y se convierte en la visualización de una posibilidad estadística.
Quizá el territorio donde esta transformación resulta más perturbadora sea la memoria. Una fotografía siempre tuvo una relación privilegiada con el recuerdo. Guardamos fotografías porque queremos conservar algo que sucedió, queremos recordar a una persona, un cuerpo, una casa, un viaje, una ausencia. La fotografía archivaba el pasado, la inteligencia artificial introduce una inversión, el pasado puede ahora ser producido visualmente sin haber sido fotografiado.
Esta inversión abre un territorio que Bañuelos-Capistrán denomina postmemoria algorítmica. La noción de postmemoria ya había permitido pensar cómo acontecimientos que no vivimos personalmente pueden transmitirse entre generaciones mediante relatos, fotografías, objetos y representaciones. La inteligencia artificial introduce una nueva posibilidad, la de reconstruir visualmente aquello que no fue registrado.
Y es aquí donde aparecen las memorias larvales, creándonos recuerdos que no están vivos ni muertos, permanecen latentes dentro de archivos, bases de datos, documentos fragmentarios, fotografías incompletas y relatos. La inteligencia artificial opera sobre esos materiales para producir una imagen que no existía, pero que intenta dar forma sensible a aquello que permanece ausente.
Esta posibilidad resulta particularmente significativa en contextos de desaparición, violencia y fractura histórica. Existen proyectos en los que comunidades utilizan inteligencia artificial para animar fotografías de personas desaparecidas o reconstruir visualmente rostros y cuerpos que no fueron documentados. El caso de las Fichas vivas de búsqueda, impulsado por el Colectivo Luz de Esperanza y Desaparecidos Jalisco, muestra cómo una tecnología asociada a grandes infraestructuras corporativas puede ser apropiada por comunidades de búsqueda y resistencia.
Aquí aparece una paradoja, ya que la misma tecnología capaz de producir imágenes falsas puede utilizarse para reparar simbólicamente una memoria verdadera. La misma máquina que erosiona la confianza en la imagen puede convertirse en una herramienta para recuperar aquello que la historia dejó sin imagen. No hay una resolución sencilla para esta contradicción y quizá no debería haberla.
En este sentido y recordando a Roland Barthes el cual pensó el punctum como aquello que, dentro de una fotografía, nos hiere, nos toca, nos alcanza de manera inesperada ¿puede existir un punctum en una imagen de algo que nunca ocurrió?
Bañuelos en su investigación alrededor del punctum sintético plantea precisamente esta posibilidad. Una imagen generada artificialmente puede carecer de referente fotográfico y, sin embargo, producir una respuesta afectiva auténtica. Una persona puede emocionarse frente al rostro reconstruido de alguien que nunca fue fotografiado de esa manera, puede reconocer una casa que ya no existe, puede experimentar nostalgia ante una escena que jamás vivió. La emoción del espectador no es necesariamente falsa porque el referente sea inexistente, la imagen puede ser ontológicamente artificial y afectivamente verdadera.
Esto nos obliga a separar dos preguntas que durante mucho tiempo estuvieron estrechamente vinculadas ¿la imagen ocurrió? ¿lo que siento frente a ella es real?
La primera puede responderse negativamente mientras la segunda permanece abierta.
De ahí que los llamados vestigios visuales sintéticos resulten tan relevantes, ya que estas imágenes no son huellas de un acontecimiento, pero funcionan como formas de aproximación a una experiencia ausente. La inteligencia artificial puede fabricar la imagen de una memoria que no tiene fotografía y esa imagen convertirse, paradójicamente, en parte de la memoria.
Pero toda memoria producida algorítmicamente tiene un problema adicional ¿quién administra el archivo?
Las inteligencias artificiales funcionan a partir de enormes cantidades de información. Imágenes, textos, etiquetas, relaciones semánticas y patrones visuales son procesados mediante infraestructuras cuya arquitectura permanece en buena medida fuera del acceso de los usuarios. La antigua caja negra de la cámara se ha transformado en una caja negra de datos, ya no solamente desconocemos qué sucede dentro del dispositivo, ahora desconocemos también qué archivo habla a través de él. ¿Qué imágenes fueron utilizadas para entrenar el modelo? ¿Qué cuerpos están sobrerrepresentados? ¿Qué cuerpos fueron excluidos? ¿Qué culturas aparecen como norma? ¿Qué rostros son considerados reconocibles? ¿Qué paisajes son considerados bellos? ¿Qué formas de familia, género, raza, edad o corporalidad aparecen como predominantes?
La cuestión de la inteligencia artificial es, por ello, inseparable de una cuestión archivística, ya que toda IA generativa es también una política del archivo y todo archivo es una política de la memoria.
En este sentido Hito Steyerl ha utilizado la noción de imágenes medias para pensar aquellas imágenes que aparecen como resultado de distribuciones estadísticas y que pueden terminar reproduciendo aquello que ya ocupa el centro de nuestras convenciones visuales.
La máquina aprende de millones de imágenes, pero aprender de millones de imágenes no significa necesariamente escapar de los estereotipos, puede significar reforzarlos. La imagen generativa puede producir una extraordinaria variedad superficial y, al mismo tiempo, una profunda homogeneización cultural, millones de posibilidades pueden terminar pareciéndose, ese es el problema de la imagen promedio, creándonos el paisaje perfecto, el cuerpo perfecto, el rostro perfecto, la fotografía perfecta, el museo perfecto, la ruina perfecta, el futuro perfecto, dejándonos ante una estética sin accidente, ante una estética sin resistencia, ante una estética sin error.
La paradoja consiste en que una tecnología capaz de producir imágenes casi infinitamente puede terminar produciendo una imaginación limitada. Steyerl relaciona este problema con conceptos como la visibilidad subprime, el zombie canon y la posibilidad de un model collapse, ya que cuando los modelos comienzan a alimentarse recursivamente de imágenes producidas por otros modelos, la diversidad del archivo se reduce progresivamente. La máquina corre entonces el riesgo de convertirse en un espejo de sus propios espejos.
Aquí nos encontramos ante el concepto de la máquina de percepción, desarrollado por Zylinska. En ella se plantea que la inteligencia artificial no es simplemente una herramienta que nosotros utilizamos para producir imágenes, también participa en la producción de aquello que nosotros aprendemos a mirar. Esto modifica la relación clásica entre observador y dispositivo.
Ya no existe solamente yo miro → la máquina registra, ahora existe un circuito más complejo yo miro → la máquina registra → la máquina aprende → la máquina produce → yo miro nuevamente aquello que la máquina produjo. La percepción se vuelve circular, los algoritmos participan en la selección de lo visible, en su clasificación, en su distribución y en su repetición.
En términos de Jacques Rancière, podríamos decir que la inteligencia artificial interviene en la distribución de lo sensible, en aquello que puede aparecer, aquello que permanece fuera del campo y aquello que se vuelve visible para una comunidad.
Por eso la discusión sobre la IA no puede reducirse a una discusión estética, también es una discusión sobre poder, sobre quien controla los archivos, también controla parte de las posibilidades de representación, sobre quien controla los modelos participa también en la definición de aquello que puede ser visualizado y quien controla la infraestructura participa también en la construcción del futuro de las imágenes.
En otro ámbito la fotografía moderna construyó una figura relativamente clara, la del fotógrafo, ya que incluso cuando reconocemos la existencia de cámaras, laboratorios, asistentes, editores y contextos sociales, la imagen suele atribuirse a un sujeto.
La inteligencia artificial vuelve esta relación mucho más compleja. ¿Quién hizo una imagen generada? ¿La persona que escribió el prompt? ¿El modelo? ¿Las millones de imágenes utilizadas para entrenarlo? ¿Los programadores? ¿La empresa que posee la infraestructura? ¿Los fotógrafos y artistas cuyas imágenes participaron del archivo de entrenamiento?
La noción de zombie canon, propuesta por Wasielewski, señala precisamente una de las tensiones de este escenario, el que nos muestra como las imágenes y estilos del pasado continúan operando dentro de sistemas que los recombinan sin que exista necesariamente un autor individual localizable.
La imagen parece tener autor, pero detrás de ella aparece una multitud, la autoría se vuelve distribuida, la creatividad deja de parecer exclusivamente individual y comienza a presentarse como una operación colectiva, estadística, infraestructural.
Ante esta situación, el problema artístico no puede consistir solamente en aprender a utilizar mejor la inteligencia artificial, ya que surge una pregunta anterior en el proceso creativo ¿cómo debo intervenir el aparato?
Vilém Flusser planteó que los aparatos contienen programas. El usuario puede operar dentro de ellos siguiendo las posibilidades previstas por el sistema, pero también puede intentar jugar contra el programa, encontrar sus límites y producir comportamientos que el aparato no esperaba.
La inteligencia artificial exige precisamente ese tipo de intervención, llevándonos a que el prompt deje de ser una simple orden y se convierta en una forma de escritura, en una estrategia de desviación, en una herramienta crítica.
De ahí surgen conceptos como promptografía y prompt minoritario. El primero reconoce el prompt como una forma de producción fotográfica; el segundo propone utilizar la instrucción para tensionar las lógicas hegemónicas de representación de los sistemas generativos.
El artista no tendría entonces que preguntarse solamente ¿qué imagen puedo obtener de la máquina? Mas bien debe cuestionarse ¿qué puedo hacerle a la máquina para que deje de producir aquello que ya sabe producir?
Aquí aparece una de las paradojas políticas del arte con inteligencia artificial, ya que los modelos generativos reproducen sesgos, pero pueden ser utilizados para cuestionarlos, estos lenguajes fueron construidos dentro de infraestructuras corporativas, pero pueden ser apropiados por comunidades, estas tecnologías aprenden de archivos hegemónicos, pero pueden utilizarse para recuperar memorias excluidas, estas herramientas buscan producir imágenes convincentes, pero el artista puede buscar precisamente la fisura, el accidente, la contradicción.
Esta es la paradoja que Bañuelos-Capistrán plantea a partir de la conocida formulación de Audre Lorde, quien plantea utilizar las herramientas del sistema para desmontar las estructuras del propio sistema. No se trata de resolver la contradicción, sino de trabajar dentro de ella.
En este sentido, el prompt minoritario adquiere una dimensión que supera la técnica, ya que es una práctica de desviación, es una manera de introducir una diferencia en una máquina entrenada para reconocer patrones.
Quizá por eso el error se convierte en uno de los territorios más interesantes de la creación algorítmica, ya que en una lógica industrial, el error debe eliminarse, planteándonos que una máquina eficiente es aquella que falla menos, pero el arte ha trabajado de otra manera.
El accidente fotográfico, la sobreexposición, el desenfoque, la doble exposición, el ruido, el montaje, la interferencia, la deformación y el glitch han permitido descubrir posibilidades que no estaban previstas.
La inteligencia artificial nos vuelve a plantear esta posibilidad, mediante una mano deformada, un rostro imposible, una arquitectura que desafía la física, un cuerpo que no corresponde a ninguna anatomía, una memoria que aparece mezclada con otra, una palabra que provoca una asociación inesperada.
Desde una perspectiva técnica, son errores, desde una perspectiva artística, son acontecimientos. El error revela el límite del sistema y al revelar el límite, revela también el sistema.
Por eso la llamada “pequeña IA”, propuesta por Zylinska, resulta sugerente, ya que reivindica a las tecnologías imperfectas y sus usos menos orientados hacia la optimización, creando espacios de experimentación estética y crítica.
Debemos preguntarnos ¿qué imagen aparece cuando dejamos que la máquina se equivoque?
En este sentido Bañuelos nos plantea que el paso del índex al algoritmo no significa que la fotografía haya muerto, significa que su definición se ha vuelto insuficiente.
La fotografía continúa heredando la historia de la cámara, del encuadre, de la luz, del archivo, de la memoria y del testimonio. La imagen generativa prolonga muchas de esas tradiciones, pero al mismo tiempo introduce discontinuidades que no tienen equivalente exacto en los doscientos años anteriores, dejándonos ante la desaparición del referente óptico, la producción de imágenes sin acontecimiento previo, la sustitución de la huella por la probabilidad estadística, la transformación de la autoría y la posibilidad de producir visualmente memorias de aquello que nunca fue registrado.
Por eso quizá sea insuficiente hablar de una “muerte de la fotografía” ya que estamos frente a otra cosa, frente a una mutación, ya que la fotografía pasa de ser exclusivamente un dispositivo de registro para convertirse en un campo de negociación entre archivo, cálculo, memoria, imaginación y probabilidad.
Una imagen generada por inteligencia artificial no documenta necesariamente un acontecimiento, pero documenta algo, ya que puede documentar los imaginarios de un archivo, los sesgos de un modelo, las convenciones visuales de una época, las ausencias de una cultura, los deseos de quien escribe el prompt, las posibilidades estadísticas de una máquina y en determinados casos, puede incluso convertirse en un instrumento para hacer visible aquello que la historia dejó sin registro.
Por eso la distinción entre verdadero y falso resulta insuficiente, ahora necesitamos otras preguntas por ejemplo ¿Quién produjo esta imagen? ¿Con qué archivo? ¿Bajo qué condiciones ¿Qué queda fuera de ella? ¿Qué memorias reproduce? ¿Cuáles transforma? ¿Qué cuerpos puede imaginar? ¿Cuáles no puede imaginar? ¿Qué entiende por belleza? ¿Qué entiende por humanidad? ¿Qué entiende por pasado? Y, sobre todo ¿qué futuro está aprendiendo a mirar por nosotros?
Tal vez el verdadero desafío de la inteligencia artificial no sea distinguir las imágenes verdaderas de las falsas, tal vez consista en recuperar nuestra capacidad de intervenir críticamente en los sistemas que producen imágenes.
La investigación de Bañuelos-Capistrán muestra que el campo artístico ya está construyendo un vocabulario para hacerlo, mediante la postmemoria algorítmica, las memorias larvales, el índex algorítmico, las imágenes medias, las máquina de percepción, la fotografía no humana, la promptografía, el prompt minoritario y los vestigios visuales sintéticos.
Estas no son solamente palabras nuevas, son herramientas para pensar una transformación cultural que todavía está ocurriendo.
La inteligencia artificial no ha eliminado la fotografía, ha llevado algunas de sus preguntas hasta un punto límite, preguntándonos ¿Qué significa registrar? ¿Qué significa recordar? ¿Qué significa representar? ¿Qué significa ser autor? ¿Qué significa mirar? Y finalmente, ¿qué significa que una imagen sea real?
Durante casi dos siglos, la fotografía nos enseñó a mirar el mundo a través de una huella, ahora las máquinas producen imágenes a partir de probabilidades. Entre ambas cosas existe una distancia enorme, pero también un territorio por descubrir, un lugar donde los artistas pueden intervenir al archivo, desprogramar al aparato, introducir el error, activar una memoria latente y producir una imagen que no estaba esperando ser encontrada.
Quizá una de las tareas del arte sea producir aquello que la máquina todavía no sabe mirar.