Generar una imagen de moda con inteligencia artificial dejó de ser difícil. Hoy cualquiera, con una herramienta y cinco minutos, produce una modelo con un vestido y una luz favorecedora. Lo difícil, y lo que decide si esa imagen sirve para vender, es otra cosa: que la prenda de la imagen sea la prenda real, y que lo siga siendo en las treinta fotos siguientes del catálogo. Ahí es donde la mayoría de imágenes generadas con IA se caen.

Qué sustituye la IA y qué no

La IA generativa no ha eliminado la fotografía de moda. Ha eliminado una parte concreta de su logística: el set, la iluminación, la localización, la agenda de la modelo, la producción de muestras físicas solo para fotografiarlas. Para determinadas piezas, ese ahorro es real y es grande.

Lo que no sustituye es el juicio sobre el producto. Una cámara fotografía lo que hay delante; un modelo de IA no fotografía nada, construye una imagen plausible a partir de una descripción. Y «plausible» y «fiel» no son lo mismo. Esa distinción, que parece menor, separa una imagen que se puede publicar de una que no.

¿Dónde se ve el fallo?

El problema rara vez es la calidad estética: las herramientas actuales generan imágenes técnicamente impecables. El problema es de fidelidad. La imagen es bonita, pero la prenda que enseña no existe, o no es la que la marca vende. Se ve con crudeza en tres tipos de prenda, las que dependen de un detalle físico que la IA no entiende, solo imita.

Los bordados. Un bordado real tiene una lógica: una dirección de puntada, una densidad de hilo, un relieve concreto, un motivo que se repite de una forma exacta. La IA reproduce el aspecto general de «algo bordado», pero inventa la puntada, aplana el relieve y rompe la repetición del motivo. Para una marca que tiene un bordado propio, esa pieza patronada durante semanas, la versión generada no es su prenda: es otra que se le parece de lejos.

Los tejidos vaporosos, delicados y transparentes. Gasas, chiffon, organzas, tules. Su comportamiento depende de cómo la luz los atraviesa, de cómo se superponen las capas y cambian de opacidad al solaparse, de cómo caen por su propio peso. La IA los resuelve de más o de menos: los vuelve demasiado sólidos, inventa pliegues que ese tejido nunca haría, o pierde el punto exacto de transparencia. El resultado se ve, y se ve que algo no encaja, aunque quien lo mira no sepa nombrar qué.

La ropa interior con transparencias. Es el caso extremo del anterior, y el más técnico. Aquí la transparencia es controlada y es el producto en sí: cuánto se transparenta, dónde el encaje es opaco y dónde no, cómo interactúa un panel de tul con uno forrado. La IA no reproduce esa transparencia concreta a partir de una descripción genérica: la exagera, la borra o inventa una estructura de encaje que no es la de la marca. Y en una categoría donde el detalle del encaje y el grado de transparencia son literalmente lo que se compra, una aproximación no vale.

El patrón es siempre el mismo: una herramienta genérica, con una descripción genérica, produce algo verosímil, no algo fiel. Y una imagen de catálogo tiene una única función, mostrar el producto que el cliente va a recibir. Una imagen preciosa de una prenda que no existe no es un activo, es un problema.

Que sea difícil no significa que no tenga solución. No está en encontrar la herramienta perfecta, está en el criterio, y el criterio se aprende: es parte de lo que trabajamos en nuestros workshops de Academy. En la segunda parte (Fotos de producto con IA: qué separa una profesional de una genérica (Parte II) vemos qué mira un profesional para que una imagen generada sea, de verdad, la prenda que vende.

Este artículo refleja el estado de las herramientas de IA en Agosto de 2026. Dado el ritmo de evolución del sector, es posible que algunas de las funcionalidades o herramientas mencionadas hayan cambiado desde entonces.