Ética & sociedad Un póster con IA desata una crisis de confianza en un maratón japonés
Un póster hecho con IA generativa desató críticas en Japón y obligó a aclarar su proceso creativo. Una lección de transparencia para los equipos de comunicación en América Latina.
La organización del Maratón Ibusuki Nanohana, que cada enero se corre en la ciudad de Ibusuki, en la prefectura japonesa de Kagoshima, vivió el 8 de septiembre el tipo de crisis que ningún área de comunicación quiere enfrentar: tuvo que publicar un comunicado para explicar cómo se hizo su propio póster. La pieza, difundida desde el 24 de julio para promocionar la 44ª edición, prevista para enero de 2027, no generó reparos por su estética, sino por la distancia entre lo que mostraba y lo que su web decía sobre su autoría.
Los primeros cuestionamientos aparecieron en X hacia el 7 de septiembre. Varios usuarios señalaron que las flores de colza representadas tenían una morfología que no coincide con la planta real y que el resultado tenía "cara de generación por IA". Hasta ese momento, el sitio oficial presentaba el trabajo como encargo a "un ilustrador de la prefectura". La organización salió a corregir la descripción: el proyecto estuvo a cargo de un diseñador gráfico que utilizó IA generativa como parte del flujo y que, según el comunicado, realizó la composición, el diseño y el retoque final. El texto original, dijo la entidad, contenía "una parte inapropiada": la palabra ilustrador no describía el proceso real.
El comunicado también abordó el detalle botánico. La organización reconoció que algunas flores del afiche "se ven diferentes de la colza real" y lo atribuyó a una verificación insuficiente en la etapa de producción y corrección. En la misma declaración defendió el resultado: el póster integra paisajes y atractivos turísticos de Ibusuki y logra, a su juicio, transmitir el espíritu del evento.
Un error con doble capa
El caso tiene dos dimensiones que trascienden lo estético. La primera es técnica: las flores son uno de los puntos ciegos clásicos de los modelos de generación de imágenes. Los sistemas actuales producen texturas orgánicas que parecen verosímiles pero no resisten comparación con la referencia real, y el público suele tener esa referencia. Para cualquier organización que use estas herramientas, la lección es que el control de calidad no puede limitarse al estilo; debe incluir verificación de atributos objetivos.
La segunda dimensión es de gobernanza. El error no fue que se usara IA, sino que el uso de IA no se declaró con precisión. La organización no tenía una obligación legal de revelarlo, pero al atribuir el trabajo a un ilustrador fijó una expectativa que el proceso no cumplía. Cuando los usuarios detectaron la inconsistencia, la confianza se resintió. La respuesta institucional, correcta a medias, confirmó que la transparencia no es un gesto de buena voluntad: es un activo que evita el desgaste.
El episodio se entiende mejor junto a otro fracaso viral reciente. En agosto, la medalla del Maratón de Sídney incluyó por error un estadio de Alemania en lugar de un ícono australiano, según informó Infobae. Ese fue un fallo humano clásico, sin generación automática de por medio. Pero ambos casos comparten un rasgo: los objetos deportivos conmemorativos, por su carga emocional, son revisados con lupa por la audiencia. La IA no crea esa exposición, pero la amplifica al permitir producir a gran escala piezas que parecen correctas sin serlo.
Mientras el debate regulatorio global sobre etiquetado de contenido sintético sigue abierto, las organizaciones no deberían esperar a que la ley les diga qué hacer. Para los equipos de marketing, comunicación y diseño de América Latina, que adoptan estas herramientas con velocidad creciente, el caso deja un estándar mínimo de tres pasos. Declarar el uso de IA en la ficha de cada pieza pública. Verificar que los elementos representados sean fieles al referente real, no solo que luzcan bien. Y describir con precisión el rol del humano en el proceso, para evitar términos que generen expectativas incorrectas sobre la autoría. Los tres pasos cuestan poco y reducen el riesgo de una corrección pública posterior.
El caso del maratón japonés no terminó en sanción ni en escándalo mayor, pero sí mostró cómo se distribuye hoy la rendición de cuentas en el diseño asistido por IA: la responsabilidad final sigue siendo humana, incluso cuando la imagen la generó una máquina. La pregunta que queda es directa para cualquier organización que use estas herramientas sin un protocolo: si su próxima pieza publicada contiene un error que el público detecta, ¿tiene una respuesta preparada que explique quién la hizo, con qué asistencia y bajo qué controles?
