El escalofrío del plato perfecto
Entrar a un café y encontrar en la carta un bagel con una simetría tan exacta que parece dibujado por un obsesivo del compás. Esa sensación de que algo no cuadra, esa perturbación que muchos describen como “inquietante”, tiene nombre y apellido: inteligencia artificial generativa aplicada a la gastronomía. Los modelos entrenados con miles de imágenes de menús de cadenas populares producen resultados visualmente atractivos, pero extrañamente vacíos. Son platos que nunca existieron, que no huelen a nada y que, cuando llegan a la mesa del cliente, generan decepción.
Esta columna no busca demonizar la tecnología. Busca advertir a los directivos de restaurantes, cadenas de comida y plataformas de delivery en América Latina: usar IA para inventar menús es un atajo peligroso. La evidencia crece: comensales que detectan la falsedad de las imágenes, estudios que confirman un efecto de “valle inquietante” ante alimentos irreales, y plataformas como DoorDash o Uber Eats que, tras la ola de quejas, se apresuran a marcar el límite entre mejorar y fabricar.
La homogeneización que delata a la IA
Los generadores de imágenes como Midjourney o el modelo de ChatGPT no crean desde cero. Reciclan patrones estadísticos aprendidos de un corpus visual dominado por las cartas de las grandes cadenas estadounidenses. El resultado es una convergencia estética: hamburguesas con queso exageradamente fundido, camarones que parecen doblarse sobre sí mismos en espirales imposibles, pasteles con glaseados de una suavidad plástica. Todo luce “correcto” según un promedio, pero nadie reconoce esa comida como comida real.
Investigadores de la Universidad de Duisburg-Essen han asociado este rechazo visceral con el 'valle inquietante'. No era una preferencia estética; era una alarma biológica. Nuestro cerebro asocia la comida con texturas, brillos naturales e imperfecciones. Un plato perfectamente simétrico y saturado no activa la recompensa esperada, sino una sensación de amenaza.
Los directivos deben entenderlo: la perfección visual no es neutral. Cuando una carta muestra croquetas de camarón cuyo diseño parece salido de un laboratorio de formas, el cliente no piensa “qué delicioso”, piensa “¿esto es real?”. Esa duda inoculada al inicio de la experiencia gastronómica es el primer paso hacia la decepción.
Expectativas infladas y reembolsos en serie
El caso de Forkable, la plataforma de catering que reemplazó fotos reales por imágenes generadas, es una advertencia para la región. Los restaurantes afectados denunciaron que los clientes recibían platos que no se parecían en nada a lo publicado. La fundadora de Boichik Bagels lo resumió con crudeza: “parece que estás pidiendo comida falsa, falsa”. En redes sociales, los hilos criticando estos menús acumularon miles de reacciones. El daño a la confianza fue inmediato y difícil de revertir.
El problema no es solo estético. Las imágenes generadas tienden a exagerar el tamaño de las porciones, la cantidad de acompañamientos y el brillo de las salsas. Un estudio de la Universidad de Oxford lo confirmó: la IA hace que la comida parezca más calórica y abundante de lo que realmente es. Cuando el comensal recibe su pedido, la brecha entre lo prometido y lo entregado se convierte en reseña negativa, solicitud de reembolso o, en el peor de los casos, en una denuncia por publicidad engañosa.
Para un restaurante independiente en Ciudad de México, Bogotá o São Paulo, la reputación digital es su activo más valioso. Una oleada de comentarios señalando “la foto no coincide con el plato” puede destruir años de trabajo. La tecnología que prometía reducir costos de fotografía termina multiplicando los costos de atención al cliente y de reparación de imagen.
La regla de oro: mejorar, no inventar
La solución no es abandonar la IA. Es redefinir su papel. En lugar de generar imágenes de platos que no existen, los restaurantes deberían usar herramientas que mejoren fotos reales: ajustar iluminación, limpiar el fondo, corregir el encuadre, pero preservando la autenticidad del plato. Así lo entendieron DoorDash y Uber Eats, que implementaron funciones de mejora con IA pero con una advertencia explícita: no se permite subir imágenes generadas que distorsionen el producto.
Este matiz técnico es crucial para los tomadores de decisiones. No basta con comprar un software de IA; hay que elegir el tipo correcto. Las herramientas de generación (texto a imagen) son útiles para conceptualizar un plato nuevo o crear una maqueta para una campaña interna. Pero jamás deben reemplazar la fotografía real del producto que se vende. Las herramientas de mejora (foto a foto) trabajan sobre la realidad y ofrecen beneficios sin el riesgo de la decepción.
América Latina: la oportunidad de no repetir el error
En nuestra región, la adopción de IA en restaurantes está en una fase temprana. Es el momento de establecer criterios claros antes de que el problema se masifique. Las asociaciones de restauranteros podrían publicar guías de buenas prácticas: qué tipo de IA usar, cómo etiquetar imágenes generadas y cómo garantizar la correspondencia entre la propaganda y el producto. Las plataformas de delivery latinoamericanas deberían seguir el ejemplo de sus contrapartes globales y vincular a los restaurantes con herramientas de mejora, no de generación.
La tentación de la imagen perfecta es fuerte. Un menú digital que muestre hamburguesas con el pan brillante y el queso fundido al milímetro parece una ventaja competitiva. Pero la realidad gastronómica tiene texturas, sombras y asimetrías que cuentan historias de cocina auténtica. La IA puede pulir esas historias, pero jamás sustituirlas.
Quienes lideran cadenas, plataformas o restaurantes independientes tienen una decisión estratégica por delante. Pueden seguir el camino fácil de la generación y pagar el costo invisible de la desconfianza. O pueden usar la IA con inteligencia, como un aliado que realza lo real. La pregunta no es si la tecnología sirve para crear menús atractivos. La pregunta es si el plato que sirves puede sostener la promesa de la imagen. En un mercado donde la competencia es feroz, la credibilidad es el diferenciador más rentable.
Este artículo fue elaborado con base en reportajes de TechCrunch y estudios académicos citados, y no representa una recomendación de inversión.
