El problema de la uniformidad detrás de esos menús generados por IA poco apetecibles

Al principio, podrías cuestionar tu cordura. Entras en una cafetería y escaneas un menú lleno de sándwiches de bagel, pero cada imagen aparece de manera inquietantemente perfecta: simétrica a la perfección y excesivamente lisa, lo que desencadena una sensación instintiva de que algo no está bien. No estás imaginando cosas; tu intuición es correcta. Las visuales de la IA generativa se han infiltrado en la industria de los restaurantes, impulsadas por modelos entrenados con una estética «agradable» y estrecha que resulta inherentemente incorrecta, incluso si no puedes explicar inmediatamente por qué.

A veces, estas imágenes son abiertamente falsas, como un burrito con queso tan burbujeante y derretido que se asemeja más al arte de vanguardia que a la comida. Con mayor frecuencia, parecen mundanas, revelando su artificialidad solo cuando te detienes a examinarlas de cerca.

«Es como si un alienígena intentara crear una pizza sin comprender sus principios fundamentales», declaró Alex Lisle, CTO de Reality Defender, a TechCrunch. (Reality Defender forma parte de un sector en crecimiento de startups que ofrecen herramientas de detección de IA y verificación de contenido, un mercado que existe en gran medida debido a problemas como este.)

Lanza una piedra por Nueva York y golpearás un anuncio de comida generado por IA ligeramente desagradable. pic.twitter.com/lLXVkFIFoG

— Maggie (@maggiemoda) 28 de agosto de 2026

Lisle explica que la arquitectura de estos modelos ayuda a aclarar por qué las ilustraciones convergen en una estética específica: una en la que cada bola de helado es perfectamente esférica y los camarones parecen modificados genéticamente para comerse sus propias colas, creando lo que él denomina «horrores lovecraftianos de la comida».

Los modelos de lenguaje grande (LLM) y los modelos de difusión, los sistemas de IA que impulsan chatbots como ChatGPT y generadores de imágenes como Midjourney, se entrenan con conjuntos de datos masivos. Estos modelos identifican patrones dentro de los datos para predecir la intención del usuario cuando se les formula una solicitud como: «Crea un menú para un restaurante de hamburguesas».

«Gran parte de esto se parece a un menú de Chili’s de 2015, y hay una razón para ello», señaló Lisle. «Ese fue el corpus de trabajo del cual [los modelos] derivaron su estilo».

Créditos de la imagen:ChatGPT Image 2.0

Los nuevos datos de entrenamiento son cruciales para los desarrolladores de IA; Amazon, por ejemplo, es conocido por adquirir libros raros para escanearlos como datos de entrenamiento, solo para desecharlos después. Es inevitable que algún contenido generado por IA se infiltre en estos vastos conjuntos de datos. Sin embargo, cuando los modelos de IA se entrenan excesivamente con sus propias salidas, corren el riesgo de colapso del modelo.

«El colapso del modelo es similar a la enfermedad de las vacas locas… cuando alimentas las salidas de un modelo con sus propias salidas, la endogamia eventualmente se vuelve insostenible, lo que provoca el fallo del sistema», explicó Lisle. «Lo que observamos aquí es convergencia, lo cual no es necesariamente un colapso del modelo».

La convergencia es menos extrema, degrada la calidad de las salidas sin hacer que la IA sea completamente inútil.

Si le pides a una IA que genere un menú de comida rápida, es probable que haga referencia a diseños de Wendy’s, Burger King o McDonald’s. Dado que estos menús existentes comparten un estilo similar, las salidas de la IA imitarán esa estética, reforzándola aún más si el menú generado se añade posteriormente a los datos de entrenamiento.

Sin embargo, los anuncios de comida siempre se ven mejor que la realidad, al igual que una Big Mac en un comercial de McDonald’s donde cada capa está meticulosamente dispuesta por un diseñador de utilería para maximizar el atractivo. Este efecto puede amplificarse en el contenido generado por IA.

«La optimización de los conjuntos de datos prioriza la «agradabilidad» o evitar ofender, lo que conduce a la homogeneización», declaró Lee Rainie, director del Centro Imaginando el Futuro Digital de la Universidad Elon, a TechCrunch. «Se sabe que la IA suaviza los bordes tanto en las imágenes como en el lenguaje».

A una escala más pequeña, este suavizado ocurre cuando los usuarios generan un menú con un generador de imágenes de IA y aplican ediciones repetidas. En X, un usuario llamado Labtec demostró lo que sucede cuando se edita un menú generado por ChatGPT 100 veces, mostrando cómo la comida pierde gradualmente su apariencia realista. (Replicamos el experimento y observamos resultados similares).

«El resultado final en realidad me resulta incómodo», escribió Labtec.

Hice un menú de restaurante en ChatGPT y luego lo edité 100 veces para ver cómo terminan esos menús horribles y desiguales. El resultado final en realidad me resulta incómodo pic.twitter.com/sDIUKlabdp

— Labtec (@labtec901) 19 de agosto de 2026

Los restaurantes pueden estar cayendo víctimas de este problema al refinar repetidamente sus menús generados por IA, ajustando pequeños detalles como los precios o los nombres de los artículos. Con cada edición, las imágenes de la comida se vuelven ligeramente más redondas y suaves.

«Las personas tienen una sensación casi inexplicable al ver contenido generado por IA en comparación con imágenes reales», dijo Rainie. «Existe una sensibilidad que a veces las personas luchan por articular, pero la reconocen cuando la ven. Creo que esta es la razón por la que la reacción negativa contra los restaurantes que utilizan menús de IA ha sido tan pronunciada».

Existe respaldo científico para nuestra aversión a estos menús de IA. Investigadores de la Universidad de Duisburg-Essen en Alemania descubrieron que las imágenes de comida generadas por IA desencadenan un efecto de «valle inquietante», donde las imágenes de comida casi realistas provocan más asco e incomodidad que las obviamente falsas. Esta incomodidad se intensifica por el contexto cultural actual en torno a la IA.

Si los consumidores reaccionan negativamente a estas imágenes, los restaurantes deberían reconsiderar el uso de menús generados por IA. Sin embargo, las implicaciones de las hamburguesas perfectamente doradas van más allá de la restauración.

«Ver y oír siempre ha sido creer, hasta el punto de que incluso nuestros sistemas legales se basan en la idea de que el estándar de oro de la evidencia son las confesiones grabadas y las grabaciones de video», afirmó Lisle. «Ese ya no es el caso. El mundo ha cambiado fundamentalmente, para bien o para mal».