La manipulación de imagen tiene historia, efectos medibles en la salud mental y una trayectoria de veinticinco años que va de la portada de revista al filtro de Instagram. Lo que empezó como una herramienta de retoque profesional se convirtió en una práctica cotidiana, accesible desde cualquier bolsillo, y nadie votó exactamente cuándo cruzamos la línea entre mejorar una foto y alterar la percepción de lo real.
Photoshop cumplió en 2015 sus primeros veinticinco años de uso masivo en la industria editorial y publicitaria. Durante ese tiempo, la imagen manipulada pasó de ser un secreto de los estudios de fotografía a ser el estándar invisible de todo lo que vemos. Hoy, la IA generativa ha dado un salto más: ya no se trata de retocar lo que existe, sino de crear lo que nunca existió.
¿Cuándo empezó todo esto y qué hicimos con esa herramienta?
Adobe lanzó Photoshop en febrero de 1990. Durante la primera década, su uso estaba restringido a fotógrafos profesionales, diseñadores gráficos y departamentos de producción editorial. El software costaba caro, requería hardware potente y sabérselo bien. La manipulación de imagen existía antes, claro: los laboratorios de revelado ya hacían retoques, Stalin borraba personas de las fotografías oficiales desde los años veinte. Pero Photoshop democratizó la escala.
La portada de TV Guide de 1989, que pegó la cara de Oprah Winfrey sobre el cuerpo de Ann-Margret sin permiso de ninguna de las dos, es uno de los primeros escándalos documentados de manipulación digital en medios. En 1994, la revista Time oscureció el mugshot de O. J. Simpson para hacerlo «más amenazante», según la crítica generalizada. Estos primeros escándalos revelaron algo importante: la tecnología no creaba la tentación de manipular, solo la hacía más barata y rápida.
El punto de inflexión cultural llegó entre 1999 y 2005, cuando las revistas de moda y belleza adoptaron el retoque digital de forma sistemática. Cinturas reducidas, pieles suavizadas, extremidades alargadas. Todo con una precisión imposible para el aerógrafo. El problema no era el retoque en sí, sino que nadie lo decía. Las imágenes se presentaban como fotografías de personas reales cuando ya no lo eran del todo.
En 2003, la campaña de Victoria’s Secret con Gisele Bündchen fue analizada por investigadores de la Universidad de Carolina del Norte, que documentaron alteraciones significativas en proporciones corporales ya consideradas poco representativas de la población. El estudio formó parte de una oleada de investigaciones que empezaban a conectar la exposición a imágenes retocadas con indicadores de insatisfacción corporal, especialmente en adolescentes.
¿Tiene la imagen manipulada un efecto real en cómo nos vemos a nosotros mismos?
Sí, y hay bastante evidencia al respecto. La investigación más citada en este campo es la de la psicóloga Renee Engeln, autora de Beauty Sick (2017), que documentó cómo la exposición repetida a imágenes de cuerpos irreales genera lo que ella llama «enfermedad de la belleza»: una atención constante y agotadora hacia la apariencia propia. No se trata de vanidad, sino de un desgaste cognitivo real que ocupa recursos mentales que se podrían usar en otra cosa.
Un metaanálisis publicado en Body Image en 2016, revisando 77 estudios entre 1992 y 2014, concluyó que la exposición a imágenes idealizadas produce insatisfacción corporal a corto plazo en la mayoría de los participantes. El efecto era mayor en mujeres jóvenes, aunque los estudios sobre hombres mostraban tendencias similares relacionadas con masa muscular y peso.
Lo que hace especialmente complicado este problema es que la comparación social ocurre incluso cuando sabemos que la imagen está retocada. Varios experimentos mostraron que incluir etiquetas como «esta imagen ha sido modificada digitalmente» reducía marginalmente el efecto, pero no lo eliminaba. El cerebro compara antes de que el razonamiento consciente pueda intervenir.
Esto encaja con lo que ya se sabe sobre cómo los algoritmos moldean lo que vemos sin que seamos conscientes del proceso de selección. El problema de la imagen manipulada no es solo la imagen en sí, sino el sistema que decide cuáles se amplifican y cuáles no.
¿Qué cambió cuando los filtros llegaron a todos los teléfonos?
Instagram se lanzó en 2010 y cambió la escala del problema de forma drástica. Lo que antes hacían diseñadores profesionales en estaciones de trabajo ahora lo hacía cualquier persona en diez segundos desde su teléfono. FaceApp, VSCO, Facetune y después los filtros de realidad aumentada de Snapchat e Instagram llevaron el retoque al tiempo real: ya no se modificaba una foto pasada, sino que se alteraba la imagen en vivo, antes de que existiera la fotografía.
En 2019, la dermatóloga Neelam Vashi publicó en JAMA Facial Plastic Surgery el concepto de «dismorfia de Snapchat»: pacientes que llegaban a su consulta queriendo parecerse a su propia cara filtrada, con la piel suavizada, los ojos más grandes y la nariz más pequeña. Vashi alertó de que, a diferencia de décadas anteriores cuando los pacientes llevaban fotos de famosos o modelos, ahora llevaban versiones alteradas de sí mismos. El ideal ya no era externo: era una versión ficticia de uno mismo.
La industria de la cirugía estética registró un crecimiento sostenido durante esos años. Según la Sociedad Americana de Cirujanos Plásticos, los procedimientos de rinoplastia aumentaron un 15% entre 2010 y 2018, y los de bichectomía (reducción de grasa de mejillas) experimentaron incrementos aún más pronunciados. Correlación no implica causalidad, pero los propios cirujanos señalaban en encuestas que los pacientes llegaban con referencias de filtros de redes sociales con una frecuencia creciente.
Todo esto formaba parte de una economía de la atención que ya genera cantidades de datos personales que pocas personas comprenden realmente. Cada foto subida, cada filtro aplicado, cada reacción recibida alimenta sistemas de recomendación que priorizan lo que más engagement genera, y los cuerpos idealizados generan más engagement.
¿Qué hace la IA generativa que Photoshop no podía hacer?
La diferencia entre Photoshop y las herramientas actuales de IA generativa es fundamentalmente cualitativa. Photoshop requería un operador humano que tomara decisiones: qué retocar, cuánto, cómo. Las herramientas de IA generativa como Midjourney, DALL-E 3 o Adobe Firefly crean imágenes que nunca existieron, con personas que nunca existieron, en cuerpos que no corresponden a ningún ser humano real.
Esto tiene implicaciones que van más allá de la insatisfacción corporal. Si durante veinticinco años el problema era que las imágenes de personas reales estaban retocadas, ahora el problema es que es imposible saber si la persona de la imagen existe. Los modelos de IA generativa producen rostros fotorrealistas de individuos ficticios a una velocidad y un coste que los hace prácticamente indetectables sin herramientas específicas.
El informe de la empresa de ciberseguridad Sensity AI de 2023 documentó que más del 90% del contenido deepfake circulante en internet en ese momento era de naturaleza sexual no consentida, y que el 99% tenía mujeres como objetivo. La manipulación de imagen ha pasado de ser un problema estético a ser un problema de seguridad personal.
Los modelos de lenguaje y los sistemas de IA que aprenden solos también contribuyen a esto de formas menos visibles. Cuando un modelo de IA aprende sin supervisión humana, puede absorber y amplificar sesgos de representación presentes en los datos de entrenamiento: imágenes de cuerpos concretos, rasgos étnicos específicos, estándares de belleza determinados.
Adobe, por su parte, intenta diferenciarse con la iniciativa Content Authenticity Initiative (CAI), un sistema de metadatos que permite rastrear el origen y las modificaciones de una imagen. En 2024, Adobe incorporó la función de credenciales de contenido directamente en Photoshop y Lightroom. La idea es buena. El problema es que funciona si el creador la activa voluntariamente, y la mayoría no lo hace.
Los límites de lo que la IA puede y no puede verificar están siendo negociados ahora mismo, y no siempre con los criterios más transparentes. Vale la pena mirar cómo las empresas deciden qué puede y qué no puede hacer la IA que ofrecen al público, porque esas decisiones tienen consecuencias directas sobre qué imágenes circulan.
En el ámbito legal, la Unión Europea incluyó en el AI Act (aprobado en 2024) la obligación de etiquetar el contenido generado por IA cuando pueda confundirse con contenido real. En Estados Unidos, varios estados aprobaron en 2023 y 2024 leyes específicas contra los deepfakes no consentidos, aunque la aplicación sigue siendo inconsistente.
El debate sobre los derechos de autor en este contexto también está abierto. La pregunta de quién posee una imagen generada con IA, y si los artistas originales que alimentaron los modelos tienen algún derecho, es una de las más urgentes del sector. El marco legal que se establezca influirá directamente en qué imágenes se producen y con qué criterios. Este es exactamente el tipo de tensión que se analiza en el debate sobre la IA generativa y los derechos de autor que se está dirimiendo ahora mismo en los tribunales.
Los modelos de lenguaje que describen o generan imágenes tampoco son neutrales. Lo que nadie te cuenta sobre cómo funcionan estos modelos es que sus salidas dependen de los datos con los que fueron entrenados, y esos datos reflejan los sesgos acumulados de décadas de producción visual humana.
¿Tiene sentido esperar que la tecnología resuelva lo que la tecnología creó?
Las etiquetas de contenido modificado existen desde que Noruega las hizo obligatorias en publicidad en 2021. El Reino Unido y Francia tienen normativas similares. El efecto documentado es modesto: reduce el impacto pero no lo elimina, y no se aplica fuera de la publicidad regulada. Las redes sociales, donde ocurre la mayor parte de la exposición, siguen sin regulación equivalente.
Algunas plataformas han tomado decisiones propias. Pinterest anunció en 2021 que prohibiría los anuncios con contenido relacionado con pérdida de peso que promoviera imágenes corporales irreales. TikTok actualizó en 2023 sus normas comunitarias para limitar ciertos tipos de contenido relacionado con la imagen corporal dirigido a menores. Son pasos reales, pero su alcance es limitado frente al volumen de contenido que circula cada día.
La alfabetización mediática se propone desde los años noventa como solución parcial, y hay evidencia de que funciona cuando se aplica bien y desde edades tempranas. Entender cómo se produce una imagen no vacuna completamente contra sus efectos, pero sí cambia la relación del espectador con lo que ve. El problema es que la velocidad de la tecnología supera sistemáticamente la velocidad de la educación.
El caso de la IA generativa añade una capa nueva: ya no basta con saber que una imagen puede estar retocada. Ahora hay que asumir que puede ser completamente ficticia, creada desde cero por un modelo entrenado con millones de imágenes reales. Los límites de lo que la IA puede hacer están siendo probados en tiempo real, y la imagen es uno de los territorios donde la velocidad del cambio es mayor.
Veinticinco años de manipulación de imagen han producido algo difícil de revertir: una generación que creció sabiendo que las imágenes mienten y que, aun así, se compara con ellas. Ahora empieza otra generación que crecerá sabiendo que muchas de las personas que ve en pantalla directamente no existen. La pregunta que queda abierta no es técnica.
¿Qué le pasa a la identidad cuando ya no hay ninguna imagen en la que confiar?
La pregunta no es exagerada. Si la manipulación de imagen de los últimos veinticinco años ya alteró la percepción que millones de personas tienen de sus propios cuerpos, la siguiente fase, donde la imagen ficticia es indistinguible de la real, plantea algo más profundo: qué ocurre cuando la referencia visual desaparece por completo. No porque no haya imágenes, sino porque ninguna es verificable sin esfuerzo activo.
Los investigadores de salud mental aún no tienen datos suficientes sobre los efectos de la IA generativa en la imagen corporal, sencillamente porque el fenómeno es demasiado reciente. Lo que sí tienen son veinte años de datos sobre los efectos del retoque digital, y esos datos no son tranquilizadores como punto de partida. El salto de «la imagen está alterada» a «la imagen es completamente ficticia» puede ser cualitativamente distinto, o puede ser simplemente más de lo mismo con mayor potencia. No lo sabemos todavía.
Lo que sí se puede decir es que la respuesta no vendrá solo de las plataformas, ni solo de la regulación, ni solo de la educación. Vendrá de las tres, coordinadas, con más velocidad de la que hemos visto hasta ahora. Y mientras eso no ocurra, cada persona que abre una aplicación de fotos sigue navegando en un territorio donde la línea entre lo real y lo construido lleva décadas siendo deliberadamente borrosa.
Preguntas frecuentes
¿Desde cuándo se manipulan las imágenes digitalmente de forma masiva?
El uso masivo de Photoshop en la industria editorial y publicitaria arrancó a mediados de los años noventa, unos cinco años después del lanzamiento del software en 1990. Antes ya existía el retoque analógico, pero la edición digital redujo el tiempo y el coste hasta hacer el retoque sistemático en revistas, catálogos y campañas publicitarias.
¿Es cierto que ver imágenes retocadas afecta a la salud mental aunque sepas que están manipuladas?
Sí, varios estudios lo confirman. La comparación social ocurre de forma rápida y automática, antes de que el razonamiento consciente pueda filtrarla. Saber que una imagen está retocada reduce el efecto marginalmente según los experimentos disponibles, pero no lo elimina. El impacto es mayor en adolescentes y en exposición repetida y sostenida.
¿Qué es la dismorfia de Snapchat?
Es un término propuesto en 2019 por la dermatóloga Neelam Vashi para describir a pacientes que acuden a consultas de cirugía estética queriendo parecerse a su propia cara con los filtros aplicados. A diferencia de lo que ocurría antes, el modelo a imitar ya no es una celebrity sino una versión ficticia y embellecida de uno mismo generada en tiempo real por la aplicación.
¿Cómo puedo saber si una imagen ha sido generada por IA?
Con las herramientas actuales, a simple vista es cada vez más difícil. Existen detectores como los de Content at Scale o los sistemas propios de algunas plataformas, pero tienen tasas de error relevantes. La iniciativa Content Authenticity Initiative de Adobe trabaja en metadatos de trazabilidad, pero su uso es voluntario y no está extendido.
¿Hay leyes que obliguen a etiquetar imágenes retocadas o generadas por IA?
En publicidad, sí en algunos países. Noruega lo exige desde 2021, y Francia tiene normativa similar desde antes. El AI Act europeo obliga a etiquetar contenido generado por IA cuando pueda confundirse con contenido real. En redes sociales, la regulación es mínima o inexistente en la mayoría de jurisdicciones, que es donde se produce la mayor parte de la exposición.
¿Los hombres también se ven afectados por las imágenes corporales idealizadas?
Sí, aunque los estudios iniciales se centraron en mujeres. La investigación posterior documentó efectos similares en hombres relacionados con masa muscular, peso y altura. Las imágenes de cuerpos masculinos hipermuscularidos en medios y redes sociales se asocian con insatisfacción corporal e incluso con el uso de sustancias para modificar la composición corporal.
