⏱️ Lectura: 12 min
Un cartel de feria de pueblo hecho con inteligencia artificial se reconoce a la distancia: tipografía redondeada, acuarelas de flores, bordes con textura de papel viejo y un fondo pastel casi idéntico al del cartel de la feria vecina. John Hartnup, desarrollador y autor del blog personal ‘Ere I Am, JH!, documentó el fenómeno el 7 de junio de 2026 después de ver decenas de carteles casi calcados circulando en Facebook para ferias de primavera y festivales de cerveza en Reino Unido.
📑 En este artículo
- TL;DR
- Qué pasó: el experimento con carteles generados con IA
- Contexto e historia: el problema no es la capacidad, es el prompt
- Detalles técnicos: los doce estilos que ofreció ChatGPT
- Cómo empezar a probarlo
- Impacto y análisis
- Qué sigue
- Preguntas frecuentes
- ¿Qué modelo de IA generó los carteles del experimento?
- ¿Por qué los carteles generados con IA suelen verse todos iguales?
- ¿Esta técnica funciona con Midjourney o Stable Diffusion?
- ¿Hace falta saber diseño gráfico para aplicar esta técnica?
- ¿Sirve solo para carteles de eventos?
- ¿Qué pasa con el texto que aparece dentro del cartel generado?
- Referencias
Su conclusión fue simple: la repetición, no la calidad, era el problema real. Para probarlo armó un experimento con ChatGPT, usando los mismos datos que cualquier organizador real escribiría en un encargo, y después forzó al modelo a abandonar su respuesta por defecto para carteles generados con IA.
TL;DR
- El 7 de junio de 2026, John Hartnup documentó el estilo repetitivo de los carteles de feria generados con IA en Reino Unido.
- Su primer intento con ChatGPT reprodujo el mismo look pastel y con bunting que buscaba evitar.
- Pedirle explícitamente ‘una estética de diseño completamente distinta’ produjo un cartel Bauhaus/geométrico modernista.
- ChatGPT identificó su propio resultado como ‘Bauhaus-inspired geometric minimalist poster’ al preguntarle el nombre del estilo.
- El modelo entregó un menú de doce estilos alternativos, agrupados en cuatro categorías de diseño.
- Entre las opciones aparecieron risografía, cut paper collage, brutalismo gráfico, Memphis Design y minimalismo japonés.
- La técnica funciona igual en DALL-E 3, Midjourney o Stable Diffusion: nombrar el movimiento de diseño cambia el resultado.
- Esa brecha real no está en el modelo, sino en el vocabulario de diseño que maneja el usuario promedio.
Qué pasó: el experimento con carteles generados con IA
Hartnup le pidió a ChatGPT un cartel para una feria de primavera ficticia: fecha, horario, ubicación, entrada libre, tómbola, puestos de artesanías y actuaciones de una banda de samba y otra de dhol. Agregó instrucciones de estilo explícitas: un diseño limpio, sin adornos, con un gráfico llamativo de primavera, evitando el estilo pastel, aerografiado o pintura al óleo, y sin imágenes de personas.
El resultado no cumplió lo pedido. Pese a las instrucciones, ChatGPT devolvió una variación del mismo cartel de feria artesanal que Hartnup quería evitar: ilustración suave, colores apagados, la estética por defecto que domina miles de carteles comunitarios generados con IA. La restricción negativa, decirle al modelo qué no hacer, no alcanzó para sacarlo de su plantilla habitual.
El segundo intento cambió de táctica. En vez de describir lo que no quería, Hartnup le pidió a ChatGPT que usara una estética de diseño completamente distinta, de su elección, y que tratara el primer resultado como un ejemplo de qué no hacer, no porque estuviera mal, sino porque el objetivo era que el cartel se distinguiera de otros similares. El resultado fue un cartel con formas geométricas, tipografía sans-serif en negrita y una paleta de alto contraste: un giro total respecto al primer intento.
Contexto e historia: el problema no es la capacidad, es el prompt
El fenómeno que documentó Hartnup tiene nombre en la conversación tech reciente: ‘AI slop’, la avalancha de contenido visual generado con IA que se ve genérico por repetición, no por mala calidad individual. Cada cartel aislado puede pasar una revisión rápida, pero la exposición acumulada (veinte carteles de feria con el mismo look en el mismo feed) convierte un resultado aceptable en una señal de pereza.
Los modelos de generación de imágenes no fallan por falta de variedad en sus datos de entrenamiento. Fallan porque un prompt corto y genérico como ‘cartel para una feria de primavera’ colapsa hacia la respuesta estadísticamente más probable, la que el modelo asocia con más frecuencia a esa combinación de palabras. Nombrar un movimiento de diseño concreto saca al modelo de esa zona de máxima probabilidad y lo obliga a buscar en un rincón distinto de su espacio de estilos.
Detalles técnicos: los doce estilos que ofreció ChatGPT
Cuando Hartnup le preguntó a ChatGPT cómo se llamaba el estilo que acababa de usar, el modelo respondió con precisión: modernista, con influencia Bauhaus, y algo de ilustración plana contemporánea encima. Lo desglosó en tres componentes reconocibles: tradición Bauhaus (jerarquía asimétrica, tipografía sans-serif en negrita, paleta limitada de alto contraste), minimalismo geométrico (formas básicas, casi sin textura ni sombreado) e influencia del Swiss Style o International Typographic Style (retícula limpia, layout centrado en la información).
Pedirle un nombre no fue el final: Hartnup pidió además un menú completo de estilos entre los cuales elegir la próxima vez. ChatGPT devolvió doce opciones agrupadas en cuatro categorías, cada una con una descripción concreta de cómo se vería aplicada al mismo cartel de feria.
| Categoría | Estilos incluidos | Cuándo usarla | Limitación |
|---|---|---|---|
| Limpia pero con carácter | Bauhaus, Swiss Style, editorial de revista | Eventos que quieren verse curados, casi de museo o galería | Puede sentirse frío para un público muy local o familiar |
| Gráfica e ilustrativa | Risografía, collage de papel recortado, ilustración botánica | Cuando el evento tiene componente artesanal real y se quiere conservar sin caer en lo genérico | La risografía necesita simular grano y desalineación de tinta, un efecto difícil de controlar |
| Audaz o poco común | Brutalismo gráfico, rave de los 90, Memphis Design | Eventos jóvenes, música electrónica, festivales con energía alta | Puede alejar a un público mayor o más conservador |
| Discreta y distinta | Minimalismo japonés, monocromo con un acento, señalética o wayfinding | Cuando el objetivo es destacar por contraste, no por volumen visual | Exige mucho espacio en blanco: no sirve si hay demasiada información que meter |
💭 Clave: el modelo no necesitaba entrenamiento adicional ni un plugin de diseño: toda la variedad ya estaba disponible, solo hacía falta pedirla por su nombre.
Cómo empezar a probarlo
La técnica se replica en cualquier generador de imágenes conversacional (ChatGPT con gpt-image-1, Midjourney o Stable Diffusion) en tres pasos. Primero, un prompt inicial con los datos reales del evento y una restricción negativa simple. Segundo, si el resultado es genérico, pedir explícitamente un estilo distinto y nombrar el anterior como referencia de qué no repetir. Tercero, preguntarle al propio modelo el nombre técnico del estilo resultante para poder reutilizarlo sin iterar de nuevo.
Prompt inicial:
"Produce un poster para una feria de primavera.
21 de abril, 11am a 3pm.
Parque Mill Beach, Honeyford. Entrada libre.
Tombola, pasteles y bebidas, banda de samba y banda de dhol,
puestos de artesanias, taller de circo.
Diseño limpio, sin adornos, grafico llamativo de primavera.
Evita pastel, aerografiado, oleo o imagenes de personas."Ese primer prompt no alcanza por sí solo. El segundo paso es el que realmente cambia el resultado:
Prompt de refinamiento:
"Hace otra version usando una estetica de diseño completamente
distinta, de tu eleccion. Trata la version anterior como un
ejemplo de que NO hacer (no porque este mal, sino porque
queremos que la nuestra se distinga de posters similares)."Para automatizarlo en un pipeline propio, por ejemplo generar variantes de cartel para varios eventos seguidos, alcanza con llamar a la API de imágenes de OpenAI pasando el estilo ya identificado en el prompt, sin repetir el paso de refinamiento cada vez.
En macOS y Linux, con curl:
curl https://api.openai.com/v1/images/generations \
-H "Authorization: Bearer $OPENAI_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "gpt-image-1",
"prompt": "Poster Bauhaus-inspired geometric minimalist para feria de primavera, tipografia sans-serif en negrita, paleta de alto contraste, sin personas",
"size": "1024x1536"
}'En Windows, el mismo llamado con PowerShell:
$headers = @{ Authorization = "Bearer $env:OPENAI_API_KEY" }
Invoke-RestMethod -Uri "https://api.openai.com/v1/images/generations" `
-Method Post -Headers $headers -ContentType "application/json" `
-Body '{"model":"gpt-image-1","prompt":"Poster Bauhaus-inspired geometric minimalist para feria de primavera","size":"1024x1536"}'⚠️ Ojo: los modelos de generación de imágenes todavía cometen errores tipográficos al renderizar texto dentro del cartel. Revisá cada palabra (fecha, horario, dirección) antes de imprimir o publicar, porque un dato mal escrito en el cartel final es peor que un estilo genérico.
Para confirmar que el estilo realmente cambió y no es una variación cosmética del mismo template, sirve un chequeo simple: pedirle al modelo que describa en una frase el estilo de cada versión generada. Si dos respuestas describen esencialmente lo mismo con otras palabras, por ejemplo ‘ilustración suave y cálida’ versus ‘diseño amigable y colorido’, el prompt no salió de la zona genérica.
flowchart TD
A["Prompt inicial con datos del evento"] --> B["Resultado con estilo generico"]
B --> C["Pedir estetica completamente distinta"]
C --> D["Resultado con estilo definido (Bauhaus)"]
D --> E["Preguntar el nombre del estilo"]
E --> F["Guardar el prompt como plantilla reutilizable"]Impacto y análisis
El caso de Hartnup importa más allá de un cartel de feria. Cualquier negocio chico, ONG o comunidad que hoy usa IA para generar material gráfico (flyers, portadas de podcast, banners de redes) enfrenta el mismo problema con carteles generados con IA: el resultado por defecto tiende a un promedio visual reconocible, y esa homogeneidad diluye la identidad de marca justo cuando más barato se volvió producir imágenes.
La limitación real no está en el modelo, sino en el vocabulario del usuario. Nombrar ‘Bauhaus’ o ‘risografía’ requiere conocer historia del diseño gráfico, algo que un organizador de feria comunitario o un community manager no necesariamente tiene. La solución que encontró Hartnup, pedirle el menú de estilos al propio modelo, resuelve justamente esa brecha: convierte al generador de imágenes en su propio catálogo de referencia.
El trade-off aparece en la tipografía. Ninguno de los estilos audaces (rave de los 90, Memphis Design) resuelve el problema más citado de los generadores de imágenes con texto: errores de ortografía y kerning en las palabras del propio cartel. Cambiar el estilo visual no cambia esa limitación técnica, así que cualquier cartel generado con IA necesita una revisión manual del texto antes de imprimirse.
Qué sigue
Es esperable que aparezcan bibliotecas de prompts o paquetes de estilo reutilizables, colecciones de instrucciones ya probadas para Bauhaus, risografía o brutalismo, como respuesta directa a este problema, de forma similar a como ya existen presets para fotografía generada con IA. También es previsible que las herramientas de generación de imágenes empiecen a exponer selectores de estilo más explícitos en su interfaz, en vez de dejar todo el trabajo de vocabulario en manos del usuario dentro del prompt de texto libre.
📖 Resumen en Telegram: Ver resumen
Probalo vos: armá el prompt de refinamiento de este artículo con los datos de tu próximo evento y compará el resultado contra el primer intento genérico.
Preguntas frecuentes
¿Qué modelo de IA generó los carteles del experimento?
ChatGPT, usando su generador de imágenes integrado (basado en gpt-image-1), sin plugins ni herramientas externas.
¿Por qué los carteles generados con IA suelen verse todos iguales?
Porque un prompt genérico como ‘cartel para una feria de primavera’ activa la respuesta estadísticamente más probable en los datos de entrenamiento del modelo: ilustración pastel, tipografía redondeada y bordes con bunting.
¿Esta técnica funciona con Midjourney o Stable Diffusion?
Sí. El principio es el mismo en cualquier generador: nombrar un movimiento de diseño concreto reduce la ambigüedad del prompt y saca al modelo de su respuesta por defecto.
¿Hace falta saber diseño gráfico para aplicar esta técnica?
Ayuda, pero no es obligatorio. Pedirle al propio modelo un menú de estilos, como hizo Hartnup, resuelve el problema de no conocer los nombres técnicos.
¿Sirve solo para carteles de eventos?
No: aplica igual a portadas de podcast, miniaturas de video o banners de redes sociales, cualquier pieza donde el estilo genérico de IA sea un problema de marca.
¿Qué pasa con el texto que aparece dentro del cartel generado?
Los modelos de imagen todavía cometen errores de ortografía y espaciado al renderizar texto. Conviene revisar cada palabra antes de publicar o considerar agregar el texto después en un editor aparte.
Referencias
- Ere I Am, JH!: artículo original de John Hartnup con capturas de cada intento y la lista completa de doce estilos.
- OpenAI: página oficial del generador de imágenes usado en el experimento.
- Wikipedia: historia y principios de la escuela Bauhaus, la referencia de estilo que reprodujo ChatGPT.
- Wikipedia: el Swiss Style o International Typographic Style, la otra influencia que citó el modelo.
📱 ¿Te gusta este contenido? Únete a nuestro canal de Telegram @programacion donde publicamos a diario lo más relevante de tecnología, IA y desarrollo. Resúmenes rápidos, contenido fresco todos los días.
0 Comentarios