Breaking
Tecnología

Las películas «slop» de IA explicadas: el negocio directo a video, reinventado

The Vergehace 3 h
Una sala de cine vacía con una pantalla de proyección iluminada
Una sala de cine vacía con una pantalla de proyección iluminadaPhoto: Bence Szemerey / Pexels

La adaptación de gran presupuesto de La Odisea de Christopher Nolan atrae multitudes a los cines este fin de semana, con una recaudación proyectada de entre 80 y 100 millones de dólares en sus primeros días. Surfeando esa misma ola de atención pública, un pequeño estudio llamado Fountain 0 anunció que corre para terminar su propia reinterpretación de la misma epopeya homérica generada por IA, un proyecto con una fracción del presupuesto y ninguna de la infraestructura de producción de la versión de Nolan, con el objetivo de captar parte del tráfico de búsqueda y la curiosidad generados por la película más grande.

El término en el que críticos y público han coincidido para esta categoría de películas es «slop de IA», una etiqueta deliberadamente poco favorecedora que ha surgido en los últimos años para describir contenido producido rápida y económicamente con herramientas de IA generativa, priorizando la velocidad y el volumen sobre el oficio. El término se originó en discusiones sobre imágenes generadas por IA y videos cortos que inundan los feeds de redes sociales, y desde entonces se ha ampliado para abarcar largometrajes que usan IA para la escritura de guiones, la generación visual, la síntesis de voz, o alguna combinación de las tres, producidos en plazos y presupuestos que serían imposibles con el cine tradicional.

Lo que hace notable este patrón no es que el cine barato y oportunista sea nuevo. Los estudios de direct-to-video han aprovechado la estela de los grandes estrenos en salas durante décadas, produciendo títulos imitadores diseñados para confundir a los compradores que ojean los estantes de las tiendas de video o, más recientemente, los resultados de búsqueda de las plataformas de streaming. Los títulos diseñados para confundirse con el estreno de un gran estudio, a menudo con nombres similares o portadas casi idénticas, son una táctica bien establecida que precede a la IA por mucho tiempo. Lo que ha cambiado es el costo y la velocidad de producción: una imitación direct-to-video solía requerir, como mínimo, actores, un equipo, escenarios o locaciones, y semanas o meses de tiempo de producción. Una versión generada por IA puede, en principio, ser ensamblada por un equipo mucho más pequeño en una fracción de ese tiempo.

Esa ventaja de velocidad es precisamente la razón por la que las películas «slop» de IA tienden a agruparse en torno a los grandes estrenos en lugar de surgir según su propio calendario. Ser el primero, o al menos de los primeros, en captar el interés de búsqueda y los algoritmos de recomendación de las plataformas de streaming en torno a un título de tendencia importa más que igualar su calidad, ya que el público al que se apunta suele ser gente que busca casualmente «película Odisea» sin una intención preexistente fuerte de ver la película específica de Nolan. Una alternativa producida barata y rápidamente que aparece en los mismos resultados de búsqueda puede captar una parte significativa de ese tráfico simplemente por existir en el momento adecuado.

La brecha de calidad entre estas dos categorías de producción tiende a ser inmediatamente obvia para cualquiera que vea más de unos minutos, lo que plantea la pregunta de por qué las películas «slop» de IA se siguen haciendo pese a que rara vez convierten a espectadores casuales en espectadores satisfechos. La economía responde a esa pregunta más que el oficio: como los costos de producción son tan bajos, incluso un número modesto de visualizaciones o una pequeña fracción de los ingresos por streaming pueden hacer rentable un proyecto de una manera que sería imposible para una película producida tradicionalmente, con escenarios, actores y salarios de equipo reales que cubrir.

Para las plataformas de streaming y los motores de búsqueda, el slop de IA presenta un desafío de moderación inusual, distinto de los problemas de desinformación o spam a los que esas plataformas están más acostumbradas a hacer frente. No se trata de afirmaciones fraudulentas ni información falsa; son películas producidas legítimamente, aunque hechas a las apuradas, que resultan estar posicionadas para captar una atención destinada a otra cosa. Eso hace más difícil justificar su eliminación directa, incluso mientras degradan la experiencia de cualquiera que busque información sobre un estreno genuinamente importante y en su lugar se encuentre con un oportunista de menor calidad que surfea su estela.

Para el público, la conclusión práctica se acerca al tipo de alfabetización mediática que se volvió necesaria una vez que el contenido generado algorítmicamente empezó a aparecer ampliamente en los resultados de búsqueda y los feeds sociales: un título, una miniatura o un resultado de búsqueda que se parezca a un gran estreno no garantiza que esté conectado con él, y comprobar el estudio real, el reparto o los créditos de producción antes de decidirse a ver algo se ha convertido en un paso pequeño pero cada vez más necesario para navegar por un panorama mediático donde imitar se ha vuelto drásticamente más barato de producir que aquello que se imita.

Que las películas «slop» de IA sigan siendo una curiosidad confinada a pequeños estudios oportunistas o se conviertan en una parte más arraigada de cómo se produce y descubre el contenido probablemente dependerá de la rapidez con que mejoren las herramientas para generarlas en comparación con la rapidez con que las plataformas y el público desarrollen formas de filtrarlas. Por ahora, el proyecto Odysseus de Fountain 0 es un dato más dentro de un patrón que se ha vuelto familiar cada vez que un gran estreno en salas atrae suficiente atención pública como para valer la pena imitarlo barata y rápidamente.

Este artículo es un resumen editorial asistido por IA basado en The Verge. La imagen es una foto de archivo de Bence Szemerey en Pexels.

Para seguir leyendo

Una forma de onda de audio digital mostrada en una pantalla en un estudio de grabación
Tecnología

Cómo obtienen sus datos de entrenamiento los generadores de música por IA, y por qué siempre termina en polémica

Un hackeo que expuso el código fuente interno del generador de música con IA Suno parece revelar que la empresa recopiló décadas de audio de YouTube para entrenar sus modelos, reavivando una disputa habitual sobre cómo las empresas de IA generativa obtienen el material con el que entrenan. Este es el patrón subyacente detrás de estas disputas recurrentes.

TechCrunchhace 3 h