Un estudio de Contra Labs encontró que el nuevo modelo de imágenes de ChatGPT supera a otros sistemas en pruebas creativas, pero todavía tropieza cuando debe entregar piezas listas para publicarse sin pasar por Photoshop, Illustrator o Figma.
En medio de una conversación cada vez más polarizada sobre las imágenes generadas con inteligencia artificial, un nuevo estudio concluye que GPT Image 2 puede producir buenos conceptos visuales, pero todavía no resuelve de forma confiable el trabajo completo de producción.
Contra Labs probó ChatGPT Images 2.0 en 41 sesiones con 7 diseñadores y 6 briefs ficticios de campaña. El modelo superó en pruebas cabeza a cabeza a Seedream 5.0 Lite, Gemini 3.1 Flash y Flux 2 Pro, pero el resultado más relevante apareció después: cuando las imágenes debían convertirse en piezas listas para cliente o publicación, el flujo seguía dependiendo de herramientas profesionales.
De las 41 sesiones analizadas, solo 5 terminaron con una pieza lista para salir directamente desde GPT. Otras 10 fueron consideradas presentables para cliente, pero todavía tuvieron que pasar por Photoshop, Illustrator o Figma antes de poder usarse.
El hallazgo matiza tanto el entusiasmo como la campaña de cancelación contra cualquier imagen hecha con IA. GPT Image 2 no aparece como un artista consumado ni como un reemplazo total del diseñador, sino como una herramienta potente para la primera fase del proceso creativo: concepto, composición inicial y exploración visual.
El problema llega en la última milla. Según Contra Labs, la tipografía mejora con iteraciones, pero la adherencia al prompt tiende a deteriorarse: mientras más ajustes piden los diseñadores, más probable es que el modelo pierda partes del brief original. En algunos casos, el fondo cambia sin haber sido solicitado, la anatomía se deforma o la composición se aleja de la instrucción inicial.
La conclusión es menos espectacular, pero más útil: la IA visual ya puede acelerar el boceto ganador, pero el acabado profesional sigue dependiendo del criterio humano y del stack tradicional de diseño. En 2026, el flujo más sólido no parece ser “prompt y publicar”, sino “generar, evaluar, corregir y llevar a producción”.
