Tever
ES

Ensayo · Ensayos

La IA como herramienta, no como producto final

Por qué entiendo la IA generativa como una herramienta que potencia lo que ya sabes, no como un sustituto del criterio. Con datos reales, no con hype.

Por Tever Díaz García · 16 de julio de 2026 · 9 min de lectura

Infografía sobre fondo azul oscuro: a la izquierda una mano dibujando un boceto rápido en un folio, unida por una flecha naranja a la derecha, donde el mismo boceto se multiplica en varias variantes exploradas más rápido. Rótulo «herramienta, no sustituto».

Cada vez que sale un modelo nuevo, el titular se repite: la IA va a sustituir a los creativos. Llevo años programando sistemas de inteligencia artificial, y mi experiencia me dice justo lo contrario. La IA es una herramienta, no el producto final. Y una herramienta ayuda; no sustituye.

Lo que dice el dato, no el titular

En marzo de 2026, un equipo del Instituto de Neurociencias de la Universidad de Barcelona (UBneuro), junto con IDIBELL, el Centre de Visió per Computador y el Vienna Cognitive Science Hub, publicó un estudio que mide algo muy concreto: qué tan creativo es el resultado de un proceso, no solo si «parece» creativo a primera vista. La jerarquía que encontraron es clara: artistas visuales puntúan más alto, seguidos de la población general, luego la IA guiada por una persona, y por último la IA funcionando sola —significativamente peor que todo lo anterior.

El dato que más me importa de ese estudio es este: a medida que retiraban la guía humana, la creatividad del resultado bajaba de forma significativa. No es que la IA sea creativa por sí misma y a veces se le deje actuar libre. Es que la creatividad estaba, en gran parte, en la persona que la dirigía.

Ese mismo mes, investigadores de la Universidad de Bergen sometieron a tres chatbots (ChatGPT, GPT-4 y Copy.AI) a la Tarea de Usos Alternativos, una prueba clásica de creatividad divergente. Los modelos la superaron. Pero, como matizó Ryan Buell, del Instituto Alan Turing, a MIT Technology Review, eso no prueba que el modelo «genere nuevas ideas creativas»: más bien «se basa en lo que ha visto en sus datos». Anna Ivanova, del MIT, añadía una advertencia que comparto: no deberíamos asumir que una persona y un modelo resuelven el mismo problema de la misma forma solo porque llegan a un resultado parecido.

Superar un test no es lo mismo que ser creativo. Esa distinción es exactamente la que separa la herramienta del producto final.

Polarización, no sustitución

El diseñador industrial Miguel Leiro —Premio Nacional de Diseño 2025, creador de la bienal Mayrit— lo resumía así en una entrevista reciente: la IA «va a polarizar mucho en los sectores creativos, porque no va a haber espacio para la mediocridad». No dice que la IA sustituya al creativo. Dice que sube el listón: quien ya tenía criterio y oficio, con IA llega más lejos y más rápido; quien no lo tenía, la IA no se lo da.

Esa es la clave que veo también desde mi trabajo. La IA no aporta criterio. Aporta velocidad para explorar las consecuencias de un criterio que ya tienes.

El miedo real: no es la herramienta, es el uso sin permiso

Hay un matiz que no quiero pasar por alto, porque viene de quien más se juega en esto —y porque, como socio de la SGAE (Sociedad General de Autores y Editores) en mi faceta de compositor, sigo sus publicaciones con más atención de la habitual. La SGAE lleva desde 2025 hablando de la IA generativa en términos de amenaza, no de herramienta neutral. Un estudio encargado por la SGAE a la consultora Know Media y la Universidad Carlos III, sobre 1.257 creadores musicales españoles, estima que los derechos de autor podrían caer hasta un 28% para 2028 por el uso de IA generativa —unos 100 millones de euros al año, entre 160 y 180 millones acumulados entre 2025 y 2028—. Entre los propios creadores, un 36% teme quedarse fuera del mercado y un 26% teme el reemplazo directo de su trabajo por una máquina.

En una mesa sobre IA celebrada en Bilbao a principios de 2026, Marta Nadal, directora de Servicios Jurídicos de la SGAE, lo resumía así: la IA genera «una incertidumbre doble al colectivo autoral: por un lado se alimenta de repertorio sin la autorización de nuestros autores (y sin remuneración para estos); y aún peor, el efecto sustitución». La SGAE reclama «máxima transparencia, consentimiento autoral, y justa y efectiva remuneración».

Y no es un miedo abstracto. La SGAE prohibió en julio de 2024 usar canciones españolas para entrenar modelos de música generativa. La prohibición se ignoró: han detectado piezas generadas por IA en géneros propios —jota, flamenco— con similitudes suficientes como para vincularlas a autores identificables, el mismo patrón que ya se vio en artes visuales con ilustradores como Greg Rutkowski, entrenados sin consentimiento porque su estilo era reconocible y estaba disponible.

Ese es el problema real, y no lo resuelve llamar a la IA «solo una herramienta». Una herramienta que se entrena con el trabajo de alguien sin permiso ni remuneración no deja de causar daño por ser una herramienta. Mi argumento de este artículo —que la IA potencia lo que sabes en vez de sustituirlo— parte de un uso consentido: mis propios datos, mi propio criterio, mi propia decisión de abrir la herramienta. El miedo de la SGAE es sobre el escenario contrario: un modelo entrenado con tu obra sin que lo sepas, compitiendo después contigo con música indistinguible de la tuya. Ahí no hay potenciación de nadie; hay sustitución sin consentimiento.

Conviene no perder de vista el contraste con la realidad del mercado, ahora mismo: en 2025, la propia SGAE recaudó un récord histórico de 393 millones de euros, un 1% más que el año anterior, que ya era récord. El repertorio español en el extranjero y los conciertos en vivo tiraron de esas cifras. El miedo a 2028 no contradice el récord de 2025 —son horizontes distintos, uno mirando atrás y otro proyectando un riesgo futuro—, pero sí deja claro que la preocupación por la IA no nace de una industria en crisis hoy, sino de una industria que ve venir un cambio de reglas y quiere llegar a él con protecciones, no a ciegas.

Por qué lo entiendo así desde el código

Trabajo a diario con sistemas de IA aplicados a problemas reales de Music Information Retrieval: análisis de señal, reconocimiento de patrones, generación asistida. Y lo que veo, sistemáticamente, es que la calidad del resultado depende de la pregunta que le haces al sistema —y de si sabes reconocer cuándo la respuesta es buena o es ruido con buena pinta. Un modelo generativo no sabe si lo que produce vale la pena. Eso lo decides tú, con el criterio que ya tenías antes de abrir la herramienta.

Por eso la IA potencia lo que eres y, sobre todo, lo que sabes. No inventa saber donde no lo hay. Amplifica el conocimiento previo: si entiendes de armonía, un asistente generativo te ayuda a explorar progresiones más rápido; si no la entiendes, el asistente te da acordes sin que sepas por qué funcionan —o por qué no.

La ventaja real: probar más rápido, más profundo

Donde noto la diferencia práctica es en la iteración. Empezar una idea en un folio en blanco es lento: cada variante cuesta tiempo, así que exploras pocas antes de comprometerte con una. Con una herramienta generativa como apoyo, puedo probar diez variantes de una idea en el tiempo que antes me llevaba esbozar una sola, y descartar nueve sin que me cueste nada haberlo intentado. No es que la herramienta decida por mí qué variante es la buena —eso sigue siendo criterio humano—, pero sí que me permite llegar a esa decisión habiendo visto más opciones, y con más profundidad en cada una, que si me hubiera quedado en el primer boceto por pura economía de tiempo.

Esa es la diferencia entre herramienta y producto final. El producto final —la pieza, la composición, la decisión— sigue siendo mía. La herramienta solo me ayudó a llegar antes y a explorar más.

Soberanía del dato: la condición que hace esto sostenible

Todo lo anterior —herramienta que potencia, no sustituye; iteración rápida sobre criterio propio— solo funciona si la persona que usa la IA sabe qué datos entran en ella y qué se hace con los suyos. El miedo de la SGAE que describía antes no es un miedo a la tecnología: es un miedo a perder el control sobre datos propios sin haberlo consentido. Esa es exactamente la misma preocupación que sostiene el Manifiesto del Vínculo Digital que rige este sitio y el resto de proyectos de Xiringase: contar es ciencia, identificar sin consentimiento es otra cosa.

En la práctica, esto se traduce en tres compromisos que aplico también a mi propio trabajo con IA. Primero, saber qué datos usa cada herramienta: si un modelo se entrena con mi obra, quiero saberlo y decidirlo, no descubrirlo después en un resultado que se parece demasiado a lo mío. Segundo, el RGPD no es un obstáculo burocrático, es la base legal mínima que en la Unión Europea protege justo ese control: qué datos personales se tratan, con qué finalidad y con qué consentimiento. Tercero, la soberanía del dato es también soberanía de silicio cuando es posible: preferir inferencia local o modelos autoalojados sobre depender de un tercero que entrena con lo que le envías, exactamente el sexto principio de ese manifiesto. Desarrollo esta idea con más detalle, incluido el marco legal europeo (RGPD y AI Act), en Soberanía del dato: de los principios a la arquitectura.

No es una postura anti-IA. Es la misma idea de este artículo aplicada al origen de los datos: una herramienta que ayuda de verdad es la que usas con conocimiento y consentimiento, no la que te usa a ti sin que lo sepas.

Bibliografía

Las referencias en las que se apoya este artículo y por dónde seguir leyendo: