La IA y los diseñadores

Cada vez que un diseñador sube trabajo a un portafolio, publica un archivo comunitario en Figma o envía un activo a una biblioteca de stock, existe una posibilidad real de que ese trabajo se esté usando para entrenar la próxima generación de modelos de IA para diseño, muchas veces sin su consentimiento explícito. Los modelos de IA requieren enormes cantidades de datos para aprender a generar diseños, layouts de interfaz e ilustraciones, y esos datos suelen provenir de las mismas imágenes públicas, comunidades creativas y herramientas de software que los diseñadores usan todos los días.

Cómo usa la IA tu trabajo

Adobe enfrentó una reacción significativa después de que los usuarios descubrieran que Firefly había sido entrenado con contenido de Adobe Stock y Behance. Dribbble no ha confirmado explícitamente si su contenido se usa para entrenamiento de IA. Aunque Figma no ha revelado su uso de datos para IA, es probable que sus archivos comunitarios y plugins de terceros contribuyan a conjuntos de datos de entrenamiento, lo que significa que los mismos archivos que los diseñadores comparten para ayudarse mutuamente a trabajar más rápido también podrían estar alimentando a los modelos construidos para competir con ellos.

Ya hay batallas legales

El caso de datos de entrenamiento más observado en el mundo del diseño hasta ahora llegó a un veredicto en noviembre de 2025: Getty Images v. Stability AI, resuelto en el Tribunal Superior del Reino Unido. Getty alegó que Stability AI copió más de 12 millones de sus fotografías, junto con metadatos y descripciones, para entrenar Stable Diffusion. El tribunal rechazó el reclamo principal de infracción de derechos de autor de Getty, porque el modelo no almacena las imágenes de entrenamiento directamente, no se pudo probar que los resultados se derivaran directamente de las fotos específicas de Getty, pero sí encontró una infracción de marca limitada, ya que algunos de los primeros resultados de Stable Diffusion reproducían marcas de agua parecidas a las de Getty e iStock. Para los diseñadores, la conclusión práctica es preocupante: el fallo sugiere que entrenar con imágenes protegidas por derechos de autor podría no constituir en sí mismo una infracción bajo la ley del Reino Unido, aunque sí puede generar exposición legal por marca registrada.

La demanda de The New York Times contra OpenAI y Microsoft, presentada en diciembre de 2023 por el uso de periodismo protegido por derechos de autor en los datos de entrenamiento de ChatGPT, sigue activa y sin resolver, todavía en fase de descubrimiento de pruebas a mediados de 2026, sin fecha de juicio fijada. Tan recientemente como julio de 2026, el Times y otros editores presentaron un memorial legal acusando a OpenAI de retener evidencia sobre cómo se entrenaron sus sistemas, solicitando sanciones judiciales. Una demanda colectiva aparte sigue acusando a Stability AI, Midjourney y DeviantArt de extraer millones de obras de arte sin consentimiento. En conjunto, estos casos dejan algo claro: el marco legal para el consentimiento y la compensación en datos de entrenamiento de IA todavía se está escribiendo en tiempo real, caso por caso, y los resultados son genuinamente inconsistentes entre jurisdicciones.

Si publicas tu trabajo

El fallo de Getty en particular cambia el cálculo para los diseñadores que asumían que el derecho de autor por sí solo eventualmente protegería su trabajo publicado de ser usado como datos de entrenamiento. Puede que no sea así, al menos no automáticamente, y no en todas partes. Eso no significa que no haya nada que puedas hacer; significa que la protección tiene que ser más deliberada que simplemente poseer el derecho de autor y esperar que la ley se ponga al día.

Cómo proteger tus diseños

• Opta por no participar en el entrenamiento de IA cuando sea posible
• Haz privado tu trabajo en sitios de portafolio
• Lee los términos de servicio con cuidado
• Usa marcas de agua o herramientas que bloqueen la IA

Ninguno de estos pasos es infalible, pero juntos reducen de forma significativa cuánto del trabajo público de un diseñador termina en un conjunto de entrenamiento sin su conocimiento. Las marcas de agua en particular tienen un beneficio secundario interesante después del caso Getty: el hallazgo del fallo sobre infracción de marca sugiere que las marcas visibles pueden importar legalmente de formas en que actualmente los reclamos invisibles de derechos de autor no lo hacen.

Qué hacen las plataformas

Distintas plataformas han tomado posturas distintas, y esas diferencias importan a la hora de decidir dónde publicar. Adobe ahora ofrece una configuración explícita de exclusión para los colaboradores de Adobe Stock y ha declarado que Firefly se entrena de aquí en adelante solo con contenido licenciado y de dominio público, tras la reacción anterior por los datos de Behance y Stock. Otras plataformas han sido mucho menos transparentes, lo cual es en sí mismo revelador, el silencio de una plataforma sobre su política de entrenamiento de IA generalmente no es señal de que no exista una.

Esta desigualdad ha llevado parte de la respuesta fuera de las plataformas individuales por completo. Grupos de defensa de artistas y diseñadores han impulsado estándares a nivel de industria en torno al consentimiento y la atribución, y herramientas como Glaze y Nightshade, construidas por investigadores específicamente para hacer que las imágenes sean resistentes a usarse limpiamente como datos de entrenamiento de IA, han visto una adopción real entre ilustradores y diseñadores que quieren una salvaguarda técnica en lugar de depender únicamente de la política de una plataforma.

Lo que viene

Es poco probable que la incertidumbre legal actual se resuelva rápido. Solo los casos de Getty y The New York Times podrían tardar años en llegar a fallos finales, e incluso una vez que lo hagan, un resultado en una jurisdicción no aplicará automáticamente en otra. Mientras tanto, la postura más realista para un diseñador en activo es tratar el riesgo de entrenamiento de IA como trataría cualquier otro riesgo de negocio, no ignorable, pero tampoco paralizante, simplemente algo a tener en cuenta al decidir dónde y cómo publicar, de la misma forma en que pensarías en los términos de licencia o los contratos con clientes.

La IA en tu práctica de diseño

Más allá de los pasos individuales de protección, los diseñadores que navegan esto mejor tratan el riesgo de entrenamiento de IA como una parte continua de su práctica en lugar de un cambio de configuración de una sola vez. Eso significa revisar periódicamente los términos de servicio de una plataforma, ya que las políticas cambian a medida que evolucionan los litigios y la presión pública, las opciones actuales de exclusión de Adobe no existían hace unos años, y es probable que otras plataformas sigan un camino similar bajo suficiente presión. También significa ser deliberado sobre qué se publica y dónde: las piezas de portafolio pensadas para atraer clientes pueden justificar la exposición, mientras que los archivos de proceso, los conceptos sin usar o el trabajo de clientes bajo NDA generalmente no deberían ser públicos, independientemente de las preocupaciones sobre entrenamiento de IA.

Preguntas frecuentes

¿Optar por no participar en el entrenamiento de IA realmente evita que usen mi trabajo?

Reduce el riesgo, pero no lo elimina. Las configuraciones de exclusión solo aplican en plataformas que las respetan, y no eliminan retroactivamente trabajo ya extraído antes de activar la configuración. Combinar la exclusión con portafolios privados para tu trabajo más sensible es un enfoque más confiable que cualquiera de los dos por separado.

¿Es legal entrenar con mi trabajo?

Depende en gran medida de la jurisdicción y actualmente se está litigando de forma activa. El fallo de Getty v. Stability AI no encontró infracción de derechos de autor bajo la ley del Reino Unido en ese caso específico, pero el resultado podría ser distinto bajo la ley de EE. UU., donde el caso de The New York Times sigue sin resolverse, así que "legal" actualmente varía según el tribunal y el caso.

¿Dejo de publicar mi trabajo?

No necesariamente, la visibilidad sigue siendo importante para construir una carrera, y hacer todo privado tiene costos profesionales reales. El enfoque más práctico es ser deliberado sobre qué plataformas usas, revisar sus políticas de entrenamiento de IA, y tratar las marcas de agua y los términos de licencia como parte de tu flujo de trabajo en lugar de una idea de último momento.

¿Sirven las marcas de agua?

De forma imperfecta, pero no inútil. Herramientas como Glaze funcionan alterando sutilmente una imagen de formas invisibles para un ojo humano pero que interrumpen cómo un modelo de IA la interpreta durante el entrenamiento, lo que eleva el costo y la dificultad de usar esa imagen de forma limpia. Ninguna de estas herramientas ofrece una garantía, y las técnicas de ambos lados siguen evolucionando, pero combinadas con una configuración de exclusión y la política declarada de una plataforma, cambian de forma significativa las probabilidades en lugar de dejar tu trabajo completamente desprotegido.

¿Esto aplica también al trabajo hecho para clientes, no solo a piezas de portafolio personal?

Sí, y podría decirse que aún más. El trabajo para clientes suele conllevar obligaciones contractuales de confidencialidad y propiedad que convierten el uso no autorizado para entrenamiento de IA en una cuestión de responsabilidad mayor, no solo personal. Agregar un lenguaje explícito a los contratos con clientes sobre cómo se pueden y no se pueden usar los entregables para entrenamiento de IA cierra esa brecha, ya que la mayoría de las plantillas de contrato estándar son anteriores a este tema por completo y no dicen nada al respecto en ningún sentido.

¿Hay alguna forma de verificar si mi trabajo específico ya se usó para entrenamiento de IA?

No de forma confiable, en la mayoría de los casos. Un puñado de herramientas permite buscar si una imagen se parece a contenido en un conjunto de datos de entrenamiento conocido, pero la cobertura es parcial y la mayoría de los grandes laboratorios de IA no publican registros buscables de sus conjuntos de entrenamiento completos. Esa brecha es en sí misma una de las quejas centrales en las demandas en curso: sin transparencia sobre con qué se entrenó realmente un modelo, los creadores individuales tienen muy poca capacidad de verificar su propia exposición, y mucho menos de buscar reparación por ella.

El futuro de la IA y la ética del diseño

La intersección entre la IA y el diseño plantea preguntas éticas y legales complejas que no se resolverán rápido. Los diseñadores deben mantenerse informados sobre cómo se está usando su trabajo, no porque las respuestas sean simples, sino porque las plataformas que alojan su trabajo rara vez hacen evidentes esas compensaciones. La misma brecha de responsabilidad aparece en otros ámbitos también, lo cual es parte de por qué hemos argumentado que la regulación de IA necesita avanzar más rápido de lo que lo hace actualmente. Si estás pensando en cómo encaja la IA en el proceso de diseño de tu equipo y no solo en tu portafolio personal, ese es exactamente el tipo de pregunta que nuestro trabajo de diseño de producto está pensado para responder.