Los rostros generados por IA podrían estar reduciendo la empleabilidad de las personas reales

No hacen falta científicos para saber que el atractivo personal abre puertas, pues probablemente usted haya sido víctima o beneficiario de ello en alguna medida a lo largo de su vida; tampoco para descubrir que los rostros generados por IA suelen ser más atractivos que las personas reales (por diversas razones, muchas relacionadas con preferencias y procesos humanos).

Sin embargo, hoy me llamó la atención una nueva colaboración académica estadounidense sobre un tema relacionado, que aporta indicios de que la belleza generada por IA podría estar costándoles entrevistas de trabajo a personas reales. En un estudio con 570 personas, quienes habían visto rostros generados por IA excepcionalmente atractivos juzgaron después a candidatos reales como menos empleables y menos fiables; su disposición a ofrecer entrevistas cayó del 77,4 % al 72,5 %, pese a evaluar a exactamente los mismos candidatos.

Ejemplos de rostros generados por IA del estudio que muestran la gran variación de sus puntuaciones de atractivo. Los investigadores probaron 27 generadores de imágenes con instrucciones normales que no mencionaban la belleza. La fila superior muestra rostros con algunas de las puntuaciones más altas de los sistemas automáticos; la inferior, algunas de las más bajas. Las ocho personas retratadas son generadas por IA, no reales. Fuente

Los investigadores también analizaron cuán atractivos parecen los rostros generados por IA frente a los reales, utilizando imágenes producidas por diversos modelos comerciales y de pesos abiertos. Al pedir a 550 personas que valoraran fotografías de personas reales junto con rostros generados por IA, descubrieron que los sintéticos obtenían sistemáticamente puntuaciones superiores; en una comparación adicional, métricas apropiadas determinaron que el 37 % de los rostros femeninos generados por IA se consideraban más atractivos que la modelo profesional de moda típica.

Comparación de rostros generados por IA con modelos profesionales de moda en 27 generadores de imágenes. El gráfico muestra el porcentaje de rostros generados con puntuaciones superiores a la mediana de los modelos profesionales, según medidas automáticas de atractivo. Los puntos negros representan todos los rostros generados y los círculos amarillos solo los femeninos. En total, el 23 % superaba este umbral, proporción que ascendía al 37 % en los rostros femeninos. Las líneas discontinuas indican ambas medias.

El artículo^† afirma:

«Auditamos 27 generadores de texto a imagen publicados entre 2022 y 2026 utilizando instrucciones sencillas que nunca mencionan el atractivo ni la belleza, y analizamos 51.300 rostros generados y 160.196 fotografías de personas reales en comparaciones principales y complementarias.

«Utilizamos tres medidas automáticas y recopilamos las valoraciones de 550 evaluadores humanos sobre un subconjunto de imágenes.

«Casi todos los generadores produjeron rostros con puntuaciones superiores a los fotografiados según las medidas automáticas, y los evaluadores humanos consideraron los resultados de los 23 generadores significativamente más atractivos que los rostros fotografiados, incluso después de corregir por comparaciones múltiples.

«Al centrar el análisis en el género, observamos que el 37 % de los rostros generados a partir de instrucciones femeninas superaban la mediana de los modelos profesionales de moda.»

Los autores también señalan que, aunque los expertos —humanos y de IA— pueden discrepar y debatir sobre quién encabeza la categoría de lo «bello», no existe esa granularidad en el rango de puntuaciones «no atractivo» o «mínimamente atractivo», que es, por comparación, una especie de cubo de basura genérico*:

«El mayor acuerdo entre medidas sobre quién recibe menos valoración que sobre quién recibe más se asemeja a una característica importante de la clasificación estética en ámbitos como el modelaje de moda: personas e instituciones no necesitan coincidir en un único ideal para producir desigualdades recurrentes sobre qué apariencias se valoran menos.»

El valor de los rostros

Muchos resultados del estudio reiteran la experiencia humana habitual de la percepción contextual y relativa: por ejemplo, si usted era la persona más inteligente o atractiva de su colegio, entrar en una universidad de la Ivy League puede elevar considerablemente los estándares del entorno y reducir su posición relativa en el nuevo grupo.

Sin embargo, el mundo no está lleno de personas generadas por IA que caminen realmente por la calle y aparten a codazos a personas de carne y hueso en entrevistas laborales; ¿cómo puede entonces influir el fenómeno cultural de la estética de belleza de la IA generativa?

Además de la inquietante posibilidad de que las personas recurran a la cirugía estética para ajustarse más al «estándar de la IA», el efecto descrito en el nuevo estudio se parece a la cultura de la belleza anterior a la IA en el cine, la televisión, la moda y otros sectores visibles e influyentes de la cultura humana: un entorno donde estábamos y estamos saturados de ideales físicos poco realistas, y aprendemos a lidiar con ellos como con un problema de relación señal-ruido. Soñamos con estrellas de cine, pero nos casamos con quien podemos.

El artículo describe la creciente influencia de la estética visual propia de la IA en un contexto similar*:

«Si los rostros generados son más atractivos que los reales, y lo son de forma desigual, surge [the] la pregunta: ¿qué consecuencias tiene esto para los juicios sobre personas reales? La exposición a imágenes muy seleccionadas o editadas modifica la comparación de apariencias y el juicio posterior, y los experimentos clásicos de contraste muestran que ver a personas muy atractivas puede reducir los juicios de atractivo posteriores.

«La IA generativa puede ofrecer flujos repetidos de rostros distintos moldeados por los mismos procesos estéticos. Sigue sin estar claro si la exposición a rostros generados por IA altera las evaluaciones de personas reales que tienen consecuencias concretas.»

Los autores no proponen un remedio específico, sino que reclaman más investigación para establecer cuándo la belleza generada por IA afecta a nuestros juicios sobre personas reales, qué aspectos de los rostros sintéticos impulsan el efecto y si los resultados se mantendrían fuera del experimento de contratación simulada.

Método y preparación de datos

Para determinar hasta qué punto los generadores de imágenes por IA favorecen los rostros atractivos, los investigadores probaron 27 sistemas publicados entre 2022 y 2026: Stable Diffusion 1.5, 2.1, XL, 3, 3.5-medium, 3.5-large y 3.5-large-turbo; FLUX.1 dev y schnell, FLUX.2, FLUX.2-klein 9B y FLUX.2-klein 4B; GPT Image 1.5 y GPT Image 2; Grok Image y Grok Imagine; Nano Banana 2 y Nano Banana Pro; Midjourney v6, v7 y v8; PixArt-Sigma; Playground 2.5; HunyuanDiT; Qwen-Image; Sana; y Lumina-2.

Se empleó la misma instrucción sencilla en todos los sistemas para generar retratos que representaran 14 categorías demográficas, tanto masculinas como femeninas, y ocho profesiones (médico; abogado; veterinario; farmacéutico; cocinero; trabajador de la construcción; enfermero y trabajador del comercio minorista), sin mencionar belleza ni atractivo.

También se probaron instrucciones que omitían datos demográficos, sexo o profesión, produciendo un total de 51.300 imágenes para analizar.

Como comparación, se extrajeron 94.249 fotografías de FairFace, IdenProf, SCUT-FBP5500, MEBeauty, Chicago Face Database y sus extensiones multirracial e india, y el conjunto Face Research Lab London. Se detectaron rostros utilizables en 89.435 fotografías.

Diversos rostros occidentales y asiáticos del conjunto SCUT-FBP5500, uno de los seis empleados en el nuevo estudio. Fuente

Se realizaron comparaciones adicionales con 10k US Adult Faces Database, una colección de 15.182 fotografías de modelos profesionales de moda, LookismBench-SyntheticFaces, FFHQ y StyleGAN2. Las fotografías de modelos sirvieron como referencia de «alto atractivo», mientras que las colecciones restantes se analizaron por separado para evaluar las medidas de atractivo y aportar más comparaciones.

Los rostros se detectaron y recortaron con MTCNN y después se estandarizaron. El atractivo se evaluó mediante modelos ResNet-50 entrenados con SCUT-FBP5500 y MEBeauty, y con SwinFace, entrenado con anotaciones de CelebA.

Para comprobar si las puntuaciones automáticas de atractivo coincidían con las opiniones humanas, 550 adultos residentes en Estados Unidos evaluaron una selección de 1.374 rostros reales y generados por IA.

En otro experimento, 570 adultos estadounidenses se dividieron en tres grupos y vieron candidatos laborales con fotografías reales, retocadas o rostros generados por IA. Después, los tres grupos evaluaron a los mismos candidatos reales, lo que permitió medir diferencias en las decisiones de contratación. Los análisis principales del estudio se prerregistraron.

Pruebas

Según las dos métricas principales de atractivo, los rostros generados por IA obtuvieron puntuaciones significativamente superiores a las fotografías reales en 24 de los 27 generadores probados; la métrica CelebA/SwinFace también respaldó este resultado, como se muestra abajo:

Diferencias de atractivo entre rostros generados por IA y fotografías reales en 27 generadores de imágenes, expresadas como puntuaciones d de Cohen medias en tres métricas automáticas. Los valores positivos indican puntuaciones de atractivo mayores para los rostros generados.

Según el artículo, en las tres métricas, 13 generadores produjeron rostros valorados más de una desviación estándar por encima de las fotografías reales, aunque no se halló ventaja para Nano Banana Pro, Grok Image ni Nano Banana 2.

La tendencia a producir rostros inusualmente atractivos era menos pronunciada en los modelos más recientes de Midjourney y OpenAI, mientras que el efecto era aproximadamente el doble de intenso en los modelos de pesos abiertos que en las ofertas comerciales de OpenAI, Google, Midjourney y xAI.

En las evaluaciones humanas, los rostros de los 23 generadores con suficientes imágenes para una comparación fiable fueron considerados más atractivos que las fotografías reales. En una escala de 1 (menos atractivo) a 7 (más atractivo), los rostros reales recibieron 3,10 de media, mientras que los generados por IA obtuvieron entre 0,34 y 2,06 puntos más, según el generador, como se indica abajo:

Valoraciones humanas del atractivo de rostros de 23 generadores de imágenes por IA, en una escala de 1 a 7. Los generadores superaron la media de las fotografías reales, indicada por la línea azul discontinua. Los puntos rojos indican las medias y las barras horizontales la incertidumbre en torno a cada una.

Los rostros generados por IA recibieron mayores valoraciones humanas en las seis categorías raciales y étnicas (véase abajo), incluso Nano Banana Pro, Grok Image y Nano Banana 2, cuyos rostros no habían superado a las fotografías reales en las pruebas:

Valoraciones humanas del atractivo de rostros generados por IA (rojo) y fotografías reales (azul) en seis categorías raciales y étnicas. Los rostros de IA recibieron medias superiores en todas las categorías, con diferencias de 0,74 a 1,37 puntos en una escala de siete puntos. Las barras verticales indican la incertidumbre en torno a cada media.

Las valoraciones humanas también diferían de los resultados automáticos en modelos más recientes. Hubo pocos cambios entre GPT Image 1.5 y GPT Image 2 de OpenAI, mientras que las versiones 6, 7 y 8 de Midjourney recibieron puntuaciones de atractivo progresivamente mayores.

En otras palabras, las personas seguían considerando que los modelos de IA más recientes producían rostros inusualmente atractivos, aunque las métricas automáticas sugirieran que esa tendencia había disminuido.

La ventaja injusta

El experimento final investigó si la exposición a rostros atractivos generados por IA podía afectar a la valoración de candidatos laborales reales.

Para una vacante simulada de «asociado de éxito del cliente», se dividió a 570 adultos estadounidenses en tres grupos. Tras evaluar a cuatro candidatos idénticos, cada grupo vio ocho perfiles con fotografías reales, retocadas o rostros generados por IA. Los rostros de IA habían obtenido previamente 5,75 sobre siete en atractivo, frente a 2,99 de las fotografías reales. Las imágenes retocadas se habían suavizado e iluminado con un efecto basado en la función One-tap Enhance de Facetune.

Se incluyeron otros doce candidatos, con fotografías y cualificaciones idénticas en los tres grupos, para comprobar si la exposición a las distintas imágenes afectaba a las decisiones de contratación.

Los candidatos con rostros generados por IA recibieron valoraciones ligeramente superiores de empleabilidad y fiabilidad, aunque no aumentaron significativamente las invitaciones a entrevistas. Después de ver estos rostros, sin embargo, los mismos candidatos reales fueron juzgados menos empleables y fiables, y las invitaciones a entrevistas cayeron del 77,4 % al 72,5 %:

Resultados de la prueba de contratación que muestran cambios en la empleabilidad percibida, la fiabilidad y la probabilidad de entrevista de los candidatos reales tras ver distintos tipos de rostros. Las valoraciones bajaron tras ver rostros generados por IA, pero no fotografías retocadas. Los puntos muestran diferencias respecto al grupo de control de fotografías reales; las líneas verticales indican intervalos de confianza del 95 %.

No se registró una caída comparable tras ver fotografías retocadas: los humanos reales supuestamente mostrando su mejor aspecto no «elevaron el listón» como las imágenes de IA.

Los autores comentan:

«Los candidatos asociados a rostros generados por IA recibieron valoraciones directas solo ligeramente mejores, pero los participantes que vieron esos rostros evaluaron después más negativamente a los mismos candidatos reales en los tres resultados.

«Los propios candidatos generados por IA recibieron valoraciones directas de fiabilidad ligeramente superiores, lo que hace menos probable una simple aversión generalizada a los perfiles con rostros de IA.

«Aun así, el experimento nos dice que la exposición importó, no por qué.»

Conclusión

Como observación anecdótica, los personajes generados por IA sin duda han pasado a dominar la publicidad callejera de la ciudad donde vivo, pero eso es arte en 2D. Está por ver si el vídeo generativo basado en difusión en televisión y cine superará las limitaciones jurídicas y éticas actuales; si lo hace, quizá podamos esperar muchos más actores generados o mejorados por IA que «eleven el estándar estético» y hagan realidad el escenario de «belleza ambiental de IA» que describe el nuevo artículo.

El principio no es nuevo, pero sí el potencial de automatización. En ese caso, se podría destilar la esencia de celebridades, modelos y representantes públicos reales, actuales o pasados, reproducirlos o «mejorarlos» y difundirlos ampliamente sin costosas negociaciones contractuales. Pero eso está por venir, si llega a ocurrir.

^† Titulado Generative AI Produces and Transmits Beauty Bias, de ocho investigadores de Cornell, University of Florida y University of Pennsylvania.

* Mi conversión de las citas integradas de los autores en hipervínculos.

Publicado por primera vez el lunes 19 de octubre de 2026