La imagen que acompaña a este artículo muestra una calle de la antigua Roma. A la izquierda, puestos de mercado con toldos ocres; a la derecha, una columnata corintia que se prolonga hasta un templo con frontón triangular; entre ambos, ciudadanos con togas blancas caminan sobre un pavimento inmaculado bajo una luz dorada. Todo encaja con lo que esperamos ver cuando pensamos en Roma.
Sin embargo, esa conformidad, esa sensación de que la imagen “está bien”, es el problema: la escena no procede de un archivo histórico ni de una reconstrucción arqueológica. La generó un programa de inteligencia artificial a partir de una instrucción de texto. Es el resultado de un cálculo estadístico sobre millones de pinturas, fotogramas, capturas de videojuegos e ilustraciones escolares. El algoritmo ha extraído los patrones visuales más frecuentes de todo ese material y ha producido una imagen que condensa lo que nuestra cultura visual entiende por “Roma”. No documenta una ciudad. Confirma una expectativa.
He llamado a este fenómeno pasado sintético: las representaciones del pasado generadas por IA, ya sean textos, imágenes o vídeos, que funcionan como relatos coherentes y convincentes sin estar ancladas al trabajo del historiador. El pasado sintético no aspira a documentar lo que fue; aspira a parecerse a lo que esperamos que fuera. Lo que está cambiando con esta tecnología es la relación que mantenemos con la historia: quién produce el relato del pasado, qué esfuerzo exige conocerlo y qué esperamos obtener de él. Un cambio que a su vez tiene profundas implicaciones políticas.
Cómo fabrica el pasado la IA
Herramientas como Midjourney, DALL-E o el generador integrado en ChatGPT o Gemini no almacenan un archivo de imágenes al que acuden cuando reciben una petición. Contienen un mapa de probabilidades construido durante el entrenamiento, en el cual procesan millones de imágenes acompañadas de descripciones textuales. Cuando un usuario escribe una instrucción, el modelo calcula qué combinación de formas, colores y composiciones resulta más probable para esa descripción.
Cuando pedí una escena de la antigua Roma, el modelo no consultó fuentes arqueológicas, sino que buscó las asociaciones visuales más frecuentes: columnas, togas, mármol blanco, luz cálida, un templo al fondo… Esas asociaciones no proceden de la Roma histórica, sino de cómo nuestra cultura la ha representado durante dos siglos. La Roma del algoritmo es un destilado de Gladiator, de la serie Rome, de los libros de texto de la ESO y de videojuegos ambientados en este momento. Es lo que llamo memoria estética: no recordamos el pasado tal como fue, sino a través de la estética de las imágenes que nos lo han contado.
Esta operación, cabe aclararlo, no la inventó la máquina. Los pintores de historia del siglo XIX acudían con más frecuencia a las novelas, al teatro popular y a los cuadros de sus predecesores que a los archivos, aunque el archivo siguiera siendo la instancia ante la que pretendían o aspiraban a rendir cuentas. El cine histórico aprendió de esos lienzos, el videojuego aprendió del cine, y cada medio fue depositando su capa en el repertorio compartido. La IA hereda esa cadena completa y la procesa de una sola vez en pocos segundos. La diferencia, sin embargo, ya no es sólo de escala, sino que por primera vez la operación se ejecuta sin nadie. El pintor decidía, erraba, respondía a su error; el algoritmo calcula.
Hay otro detalle que ilustra hasta qué punto el mecanismo opera sin que nos demos cuenta: la instrucción para generar esa imagen la redacté en inglés, porque los resultados son mejores. Los modelos están entrenados mayoritariamente con datos en lengua inglesa, de modo que la Roma que producen es la de Hollywood y la BBC. Pero esta capacidad no se agota en escenas relativamente inofensivas como una calle romana. Investigadores como Mykola Makhortykh han demostrado que los grandes modelos de lenguaje ofrecen respuestas muy distintas sobre los mismos hechos según se les pregunte por el Holocausto en inglés, en ruso o en ucraniano. El idioma no es un detalle técnico: determina qué pasado se produce y jerarquiza la visibilidad de las diferentes tradiciones e historias mundiales.
La imagen anterior muestra a mujeres y niños con uniformes de rayas tras las alambradas de lo que parece un campo de concentración nazi, vigilados por un soldado de espaldas, con una torre de vigilancia al fondo. El blanco y negro, el grano fotográfico y la composición replican el código visual de las fotografías documentales del Holocausto y el de películas como La lista de Schindler. Parece otro documento histórico del mayor crimen del siglo XX, pero no lo es. La generó el mismo programa, con la misma facilidad que la calle romana y con idéntica indiferencia, porque la máquina no tiene una relación ética con el pasado que representa. No distingue entre lo que puede representarse con ligereza y lo que exige responsabilidad.
Por qué funcionan estas imágenes
Estas imágenes generadas con IA contienen errores históricos más detectables, como las togas impolutas de la escena romana, herederas del mármol que perdió su policromía y no de cómo vestían realmente los romanos. El problema, sin embargo, está en los errores que no identificamos porque coinciden con lo que ya esperábamos ver. A este mecanismo lo he denominado estética de la plausibilidad, y conviene distinguirlo de un concepto vecino. Los estudios de cultura visual han trabajado con la noción de verosimilitud, es decir, la fidelidad a un referente real. Una pintura del siglo XIX que representara la muerte de César aspiraba a ser verosímil: intentaba ajustarse a las fuentes, al registro arqueológico, a lo que se sabía de la época sobre algo que existió, aunque se equivocara con frecuencia.
La plausibilidad funciona de otro modo. Una imagen plausible no busca parecerse a la realidad histórica, sino a lo que el espectador espera que ésta pareciera. Lo verosímil mira hacia las fuentes; lo plausible mira hacia el espectador. Las imágenes generadas por IA son plausibles, rara vez verosímiles, y funcionan porque nuestras expectativas sobre el pasado apenas proceden del conocimiento histórico: proceden del repertorio visual acumulado durante décadas, que es el material con el que la máquina trabaja.
El resultado es un retrolugar: un “no-lugar” del pasado, un espacio que no remite a ninguna realidad material documentada sino a la memoria estética de esa realidad. La calle romana que abre este artículo no representa ninguna calle concreta en ningún momento concreto. Cada elemento está colocado para confirmar un estereotipo visual. Y aquí reside una fortaleza desconcertante del pasado sintético: por su perfección, resulta más convincente que el documento real. Una fotografía auténtica de unas ruinas es fragmentaria, borrosa, incluso decepcionante frente a la imagen mental que el espectador lleva dentro; la imagen sintética ofrece un pasado completo, sin fisuras. Es un pasado más romano que Roma.
Aunque la perfección de estas imágenes puede despertar sospechas entre quienes se detienen a ver, esto requiere un tiempo y una alfabetización que aún no tenemos en la apresurada cultura digital contemporánea. Cuanto más pulida es la imagen, más inclinado está el espectador a aceptarla sin más. La imagen del campo de concentración opera bajo la misma lógica en el registro más grave posible, pero la IA ignora ese debate y produce la imagen porque sus patrones estadísticos se lo permiten, haciéndola casi indistinguible de una foto de archivo. En una red social, donde las imágenes se consumen en fracciones de segundo, esa plausibilidad basta para que la fabricación funcione como documento. Y en esa circulación el fenómeno deja de ser un problema de imágenes para convertirse en uno más profundo.
Una historia alterada y bajo demanda
El problema de fondo es que las imágenes sintéticas no permanecen en los ordenadores de quienes las generan: se comparten sin etiquetas en redes sociales, ilustran artículos de prensa e incluso han empezado a aparecer en instituciones garantes de la autenticidad del pasado mostrado. Pensadores como Claude Lanzmann sostuvieron que fabricar imágenes de lo ocurrido en los campos de concentración trivializa el sufrimiento de quienes lo vivieron. El propio Memorial de Auschwitz ha advertido que estas imágenes erosionan el conocimiento de la verdadera historia del campo y atentan contra la memoria de las víctimas.
En septiembre de 2025, la Casa Blanca y la organización conservadora PragerU inauguraron junto al Despacho Oval el Founders Museum, una exposición pública que incluye más de cuarenta vídeos en los que John Adams, Mercy Otis Warren o Alexander Hamilton, recreados por IA, hablan en primera persona, como si volvieran a la vida para contar su propia historia. El problema es que dicen cosas que nunca dijeron: el John Adams sintético llega a recitar “los hechos no se preocupan por tus sentimientos”, muletilla del comentarista conservador Ben Shapiro. Mientras tanto, la animación de la escritora afroamericana Phillis Wheatley, secuestrada en África y vendida como esclava siendo niña, omite su condición de esclavizada y la presenta como si hubiera sido “educada en la casa de un comerciante bostoniano”.
Meses después, en enero de 2026, el British Museum publicó en redes una serie de imágenes generadas por IA en las que una mujer asiática ficticia paseaba por la colección vestida con prendas que mezclaban tradiciones de Asia oriental y mesoamericana, como si todas las culturas fueran intercambiables. Las críticas obligaron al museo a retirarlas en pocas horas y a anunciar que elaboraría unas normas internas para el uso de esta tecnología. El peligro con ambos casos es que cada imagen que circula y es aceptada alimenta la memoria estética compartida y se convierte en material de entrenamiento para la siguiente generación de modelos, un bucle que tiende a consolidar la memoria hegemónica anglosajona.
La primera transformación es, por tanto, una pérdida silenciosa de pluralidad: los pasados posibles se estrechan. La segunda afecta a la confianza. Una fotografía de archivo y una imagen sintética pueden tener la misma apariencia y circular por los mismos canales; la diferencia entre ambas, abismal para el conocimiento histórico, resulta invisible a simple vista. La Unesco ha calificado esta situación de emergencia patrimonial, y no exagera: cuando el archivo deja de funcionar como garante de autenticidad, se resquebraja la infraestructura sobre la que se ha construido el conocimiento histórico durante dos siglos.
La dimensión política es inmediata: la imagen del campo de concentración de este artículo es una fabricación declarada, pero el mismo mecanismo permite generar, sin advertencia, una manifestación que no existió o un dirigente en un lugar donde nunca estuvo. Basta observar las guerras de narrativas de la invasión rusa de Ucrania o los actos de genocidio en la Franja de Gaza llevados a cabo por Israel, donde las imágenes sintéticas se emplean para documentar atrocidades ficticias o negar atrocidades reales.
La tercera transformación es la más profunda, porque no ocurre en las imágenes, sino en nosotros. Conocer el pasado exige buscar fuentes, descifrarlas, tolerar la contradicción, aceptar que hay zonas que permanecerán ocultas para siempre. Ese esfuerzo no es un inconveniente, es el método: la incomodidad ante lo diferente, la distancia temporal y la visita a ese país extraño que es el pasado distingue el conocimiento histórico de la confirmación de lo que ya creíamos. Pero la IA ofrece algo distinto: un pasado bajo demanda, generado en segundos, consumido sin resistencia y ajustado a lo que esperamos ver e incluso a lo que deseamos sentir. El pasado deja de ser una herencia que se interpreta para convertirse en un servicio que se solicita, y en esa transición ya no preguntamos qué ocurrió, sino qué versión del pasado queremos que se nos muestre. Esta situación, a su vez, favorece la disolución del pasado compartido, esa base mínima de la conversación democrática, en versiones privadas e incomunicadas entre sí.
¿Qué se puede hacer? Las etiquetas de procedencia y la regulación legal son deseables, pero comparten una limitación de fondo: actúan sobre las imágenes, no sobre nuestra relación con ellas. Por eso la herramienta más robusta a largo plazo es la alfabetización visual, la capacidad de preguntarse ante cualquier imagen del pasado de dónde procede, quién la produjo y qué espera de nosotros. Estonia, Finlandia, China o Singapur han comenzado a integrarla en el currículo escolar de historia, aunque siguen siendo la excepción. La tarea no consiste en demonizar la tecnología, sino en comprender qué hace con nuestras representaciones del pasado y defender el valor de lo que amenaza con volver innecesario. La memoria de confort que ofrece el pasado sintético lo hace peligroso, porque sustituye la pregunta por una respuesta que nadie ha formulado. Recuperar la pregunta es, hoy, la primera tarea de cualquier ciudadanía que aspire a tener historia.
El libro del autor:
Pasado sintético: el desafío de la inteligencia artificial a la historia y la memoria (Marcial Pons)
“¿Cómo distinguir lo verdadero de lo plausible cuando cualquier relato puede fabricarse en segundos? ¿Qué ocurre cuando los recuerdos generados por algoritmos desplazan a los testimonios y documentos tradicionales? ¿Qué papel le queda al historiador en un entorno de automatización masiva? Lejos del alarmismo y del entusiasmo tecnológico, este libro propone una mirada crítica e interdisciplinar que articula historiografía, estudios de la memoria y cultura digital. Nos interpela como ciudadanos y como sujetos históricos que habitan una nueva cultura histórica en la que la autenticidad, la veracidad y la autoridad se negocian constantemente entre humanos y máquinas”.
