AI ART DESDE AMÉRICA LATINA: MATERIALIDAD OCULTA Y AGENCIA DISTRIBUIDA FRENTE AL MITO DE LA CREATIVIDAD AUTÓNOMA
AI ART FROM LATIN AMERICA: HIDDEN MATERIALITY AND DISTRIBUTED AGENCY AGAINST THE MYTH OF AUTONOMOUS CREATIVITY
Mario Alberto Bracamonte Ocaña
Universidad Autónoma del Estado de México
DOI: 10.33732/ASRI.988
.........................................
Recibido: (08 06 2026)
Aceptado: (03 09 2026)
.........................................
Cómo citar este artículo
Bracamonte Ocaña, Mario Alberto. (2026). AI Art desde América Latina: materialidad oculta y agencia distribuida frente al mito de la creatividad autónoma. ASRI. Arte y Sociedad. Revista de investigación en Arte y Humanidades Digitales, (31), e988. Recuperado a partir de https://doi.org/10.33732/ASRI.988
Resumen
Las imágenes generadas por inteligencia artificial suelen presentarse como productos de una creatividad técnica autónoma. Este artículo examina esa atribución como un efecto producido por la convergencia de la opacidad de la interfaz, el antropomorfismo discursivo y la invisibilización de las condiciones materiales que sostienen el sistema. Su objetivo es reconstruir las mediaciones materiales, laborales, territoriales y epistemológicas del AI Art para analizar cómo redistribuyen la agencia de la imagen, desde una perspectiva latinoamericana. El manuscrito adopta la forma de artículo de reflexión teórica sustentado en revisión crítica documental, hermenéutica filosófica y economía política de la tecnología. La literatura se organiza en cuatro conjuntos y se contrasta con casos artísticos vinculados con infraestructura, archivos y clasificación visual. El análisis muestra que la autonomía atribuida al modelo posee causas múltiples y que la materialidad oculta funciona como mecanismo articulador al conectar la apariencia estética con recursos, trabajo, datos y desigualdades territoriales. Se concluye que las prácticas artísticas adquieren capacidad crítica cuando hacen perceptibles esas dependencias y permiten asignar responsabilidades dentro de la red sociotécnica.
Palabras clave
AI Art, materialidad oculta, colonialidad estética, agencia distribuida.
Abstract
Images generated by artificial intelligence are often presented as products of autonomous technical creativity. This article examines that attribution as an effect produced by interface opacity, discursive anthropomorphism, and the invisibilization of the material conditions that sustain the system. Its objective is to reconstruct the material, labor, territorial, and epistemological mediations of AI Art in order to analyze how they redistribute image agency from a Latin American perspective. The manuscript takes the form of a theoretical reflection article grounded in critical documentary review, philosophical hermeneutics, and the political economy of technology. The literature is organized into four groups and contrasted with artistic cases related to infrastructure, archives, and visual classification. The analysis shows that the autonomy attributed to the model has multiple causes and that hidden materiality functions as an articulating mechanism by connecting aesthetic appearance with resources, labor, data, and territorial inequalities. It concludes that artistic practices gain critical capacity when they render these dependencies perceptible and allow responsibility to be assigned within the sociotechnical network.
Keywords
AI Art, hidden materiality, aesthetic coloniality, distributed agency.
Introducción
La imagen producida por inteligencia artificial llega a la pantalla bajo una apariencia de inmediatez, limpieza técnica y disponibilidad ilimitada. El discurso corporativo, la publicidad de las plataformas y una parte de la recepción cultural describen estos sistemas mediante verbos asociados con imaginar, aprender, soñar y crear. Ese repertorio antropomórfico refuerza la impresión de que el modelo posee capacidades cognitivas propias y favorece que la imagen aparezca como obra de un agente técnico autónomo. La discusión académica reciente ha examinado este problema desde la autoría, la originalidad, la creatividad computacional y la legitimidad estética (Bernaschina, 2025; Cetinic y She, 2022; Grba, 2022; Puertollano Galán y Castro Díaz, 2025).
Este artículo desplaza el problema hacia las condiciones que producen esa apariencia de autonomía. La forma de creatividad autónoma surge por cuatro mecanismos: comunicación corporativa, opacidad de interfaz, antropomorfismo discursivo e invisibilización de infraestructuras, recursos y trabajos. La materialidad oculta constituye el centro analítico porque conecta estos mecanismos con unidades de procesamiento gráfico, servidores, refrigeración, electricidad, bases de datos, plataformas y trabajo de clasificación (Crawford y Joler, 2018; Van Dijck et al., 2018; Zuboff, 2019). Al hacerse visibles esas mediaciones, el crédito causal deja de concentrarse en el modelo y la agencia puede analizarse como una relación distribuida entre actores humanos, sistemas técnicos, archivos, infraestructuras y territorios.
De esta tesis se deriva la pregunta central de la investigación: ¿de qué manera la reconstrucción de las condiciones materiales, laborales, territoriales y epistemológicas del AI Art permite explicar la autonomía atribuida a los sistemas generativos y comprender la redistribución sociotécnica de la agencia de la imagen en América Latina? Esta pregunta articula dos ejes de análisis. El primero reconstruye las condiciones materiales, laborales y territoriales que permiten que una imagen generativa llegue a la interfaz como un resultado inmediato. El segundo examina las operaciones estéticas y sociopolíticas que administran su visibilidad, con atención a la clasificación de datos, el diseño de plataforma, el antropomorfismo y la colonialidad estética. Ambos ejes permiten evaluar el peso específico de la materialidad dentro de una explicación multicausal de la autonomía atribuida al modelo.
América Latina constituye el espacio crítico de ambos ejes. La región aporta minerales, energía, agua, infraestructuras y trabajo digital, al tiempo que depende de sistemas técnicos y visuales diseñados desde centros corporativos del Norte global. Esta posición permite analizar la colonialidad del AI Art como una relación material, económica y epistemológica. Visibilizar esas dependencias modifica la comprensión de la agencia estética y abre prácticas artísticas críticas.
Estado del arte y posición del artículo
Un primer conjunto de estudios ofrece revisiones generales y marcos técnico estéticos del campo. Cetinic y She (2022) distinguen entre el uso de inteligencia artificial para analizar colecciones artísticas y su empleo para producir nuevas obras. Grba (2022) organiza el AI Art a partir de sus condiciones técnicas, poéticas, culturales y políticas. Bernaschina (2025) y Puertollano Galán y Castro Díaz (2025) concentran la discusión en las tensiones entre ética, originalidad, homogeneización y autoría. Estos trabajos permiten delimitar el campo, aunque su centro permanece en la relación entre sistema, artista y resultado visual.
Un segundo conjunto estudia prácticas artísticas, conjuntos de datos y procesos de clasificación. Stark y Crawford (2019) analizan las decisiones éticas de artistas que trabajan con datos e inteligencia artificial. Crawford y Paglen (2021) examinan la política de los archivos de entrenamiento y muestran que sus categorías condensan historias de vigilancia, racialización y normalización. Martínez Yepes (2024) traslada esta discusión hacia la resistencia artística frente a la racialización algorítmica. Este grupo es importante para comprender que el archivo y la taxonomía participan activamente en la producción estética.
Un tercer conjunto aborda la infraestructura y la sostenibilidad. Crawford y Joler (2018) reconstruyen la inteligencia artificial como un ensamblaje de recursos naturales, trabajo humano y datos; Parikka (2020) vincula los medios digitales con procesos geológicos, minería y residuos; Jääskeläinen et al. (2022) incorporan la sostenibilidad ambiental al análisis de las prácticas artísticas con inteligencia artificial. Li et al. (2023), Malamud (2024), Hao (2019) y Patterson et al. (2022) aportan indicadores y posiciones contrapuestas sobre agua, energía y emisiones. Estas fuentes permiten observar la escala material del fenómeno, aunque rara vez se conectan con el análisis formal de obras concretas.
Un cuarto conjunto reúne estudios críticos de datos, trabajo y dependencia tecnológica desde América Latina y el Sur global. Milan y Treré (2019) cuestionan el universalismo de los datos; Ricaurte (2019) relaciona las epistemologías de datos con la colonialidad del poder; Tironi y Valderrama (2021) proponen metodologías de diseño crítico desde el Sur; Valente y Grohmann (2024) defienden una producción teórica realizada con América Latina; Tubaro et al. (2025) documentan el trabajo digital que sostiene la inteligencia artificial en la región. Hui (2020) y Venier (2023) amplían este horizonte mediante la tecnodiversidad y los derechos digitales.
Por lo tanto, la pertinencia de esta investigación reside en articular estos cuatro conjuntos alrededor de una misma pregunta sobre la producción de autonomía y la distribución de la agencia. La hipótesis no atribuye el fenómeno a una causa única. Propone que la materialidad oculta funciona como un mecanismo articulador porque enlaza la interfaz, los archivos, el trabajo, los recursos y las relaciones geopolíticas que suelen estudiarse por separado.
Marco conceptual
En este artículo, la materialidad oculta designa mediaciones físicas, laborales, energéticas, territoriales y epistemológicas que hacen posible la imagen generativa y quedan excluidas de su presentación en la interfaz. Su especificidad reside en una triple función: estética, porque interviene en la apariencia de autonomía; sociotécnica, porque reconstruye condiciones de producción ocultas; y política, porque permite localizar beneficios, costos y responsabilidades. El concepto articula así dimensiones que los estudios de infraestructura, materialidad de los medios y datos críticos suelen examinar por separado.
La colonialidad estética se entiende como la persistencia de relaciones asimétricas que determinan qué archivos se incorporan al entrenamiento, qué categorías organizan los cuerpos y los territorios, y qué repertorios visuales adquieren validez universal. En el AI Art, esta colonialidad opera mediante bases de datos, taxonomías y plataformas desarrolladas desde centros tecnológicos con capacidad para imponer sus criterios de clasificación. Las propuestas de Ricaurte (2019), Milan y Treré (2019), y Tironi y Valderrama (2021) permiten situar este problema en las continuidades entre colonialidad del poder, universalismo de los datos y diseño algorítmico desde el Sur.
El régimen de visibilidad nombra la organización técnica y política de aquello que la interfaz muestra, jerarquiza u oculta. Las plataformas regulan el acceso a los modelos, delimitan las operaciones disponibles y transforman la actividad de los usuarios en datos aprovechables dentro de economías de vigilancia y extracción de valor (Van Dijck et al., 2018; Zuboff, 2019). Desde la gubernamentalidad algorítmica, Rouvroy y Berns (2013) permiten comprender que la clasificación automatizada también interviene en la producción de perfiles, anticipaciones y posibilidades de acción. La apariencia inmediata de la imagen depende de este régimen, pues la interfaz exhibe el resultado y mantiene fuera de campo las operaciones que lo producen.
La agencia distribuida se emplea aquí como una categoría relacional. Agencia, autonomía, intencionalidad y creatividad designan problemas distintos, la agencia refiere a producir efectos dentro de una red; la autonomía, a la independencia relativa de la acción; la intencionalidad, a la orientación de estados mentales; y la creatividad, a la producción y valoración de configuraciones novedosas. Un modelo puede intervenir causalmente en una imagen sin que ello implique conciencia, intencionalidad fuerte o creatividad soberana. A partir de Gell (1998), la eficacia de la imagen surge de conexiones entre artistas, usuarios, modelos, datos, plataformas, trabajadores, infraestructuras y territorios. Esta perspectiva distribuye responsabilidades sin reducir la producción estética a una voluntad individual. Hui (2020) y Venier (2023) aportan la tecnodiversidad como horizonte para pensar sistemas vinculados con historias y necesidades diversas.
Como resultado, el objetivo de este artículo se centra en reconstruir conceptualmente las condiciones materiales, laborales, territoriales y epistemológicas que hacen posible el AI Art, con el propósito de analizar su participación dentro del conjunto de mecanismos que sostienen la autonomía atribuida a los sistemas generativos. Desde una perspectiva latinoamericana, el estudio examina la relación entre extracción de recursos, infraestructuras computacionales, trabajo de datos, clasificación visual, diseño de plataforma y dependencia tecnológica.
Enfoque metodológico y construcción del corpus
El manuscrito adopta la forma de artículo de reflexión teórica sustentado en una revisión crítica documental de selección intencional y alcance no sistemático. Su función heurística consiste en relacionar estética, infraestructura, trabajo, ecología política y estudios críticos de datos, sin pretender exhaustividad bibliométrica. La hermenéutica filosófica interpreta el sentido cultural y político de esas mediaciones, mientras la economía política de la tecnología examina cadenas de valor, poder y desigualdades territoriales.
La localización de materiales se actualizó hasta julio de 2026 mediante búsquedas dirigidas en motores académicos, repositorios institucionales, portales editoriales y páginas oficiales de artistas, museos y proyectos. Se emplearon descriptores en español e inglés relacionados con AI Art, generative art, data labor, digital coloniality, algorithmic classification, AI environmental impact, water footprint, data centers, Latin America y technodiversity. La búsqueda privilegió trabajos publicados entre 2018 y 2026, junto con obras fundamentales anteriores necesarias para definir agencia, gubernamentalidad algorítmica y materialidad de los medios.
Los criterios de inclusión fueron la relación con artes digitales o condiciones materiales de la inteligencia artificial; autoría, fecha y procedencia verificables; presencia de propuesta teórica, análisis de obra, evidencia socioambiental, documentación laboral o planteamiento latinoamericano; y pertinencia para la pregunta central. Se excluyeron duplicados, textos promocionales, opiniones sin aparato documental y materiales sin conexión con producción visual, infraestructura o trabajo de datos. El corpus se organizó en cuatro conjuntos: marcos generales del AI Art; prácticas, datos y clasificación; investigaciones socioambientales e infraestructurales; y perspectivas latinoamericanas sobre colonialidad, trabajo y tecnodiversidad.
El análisis se realizó mediante una matriz de seis campos: tipo de fuente, objeto, evidencia, concepto principal, relación con América Latina y función dentro de la hipótesis. Esto permitió distinguir mediaciones documentadas empíricamente de propuestas conceptuales. Después se construyó una cadena analítica del recurso mineral a la interfaz y del archivo al régimen de visibilidad. Los casos hacen observable una mediación específica, que son: Anatomy of an AI System, infraestructura; Unsupervised y Neural Zoo, archivos, modelos y curaduría; ImageNet Roulette, clasificación algorítmica; y la Bienal Latinoamericana de Inteligencia Artificial y Arte, diversidad regional y vacíos documentales.
El alcance permanece conceptual. Las cifras sobre litio, agua, energía y emisiones funcionan como indicadores documentales y no como mediciones propias. Los casos elegidos tampoco constituyen una muestra representativa del AI Art latinoamericano. Estos límites delimitan tres líneas de investigación: rastrear infraestructuras asociadas con obras concretas, producir mediciones regionales comparables y desarrollar estudios etnográficos con trabajadores de datos y comunidades afectadas por cadenas extractivas. La declaración de estos vacíos evita convertir la reflexión teórica en una generalización empírica.
Desarrollo y articulación conceptual
El desarrollo se organiza a partir de los dos ejes derivados de la pregunta central. Los casos artísticos introducidos entre ambos ejes permiten contrastar las categorías con prácticas concretas.
Primer eje: condiciones materiales, laborales y territoriales de producción
La elaboración de arte por inteligencia artificial depende de hardware especializado como unidades gráficas de procesamiento, servidores, memorias, redes y refrigeración. Su fabricación y operación remiten a cadenas minerales que incluyen tantalio, estaño, tungsteno, oro, cobre, litio y cobalto, cuya función varía según componente y sistema y no constituye una dependencia exclusiva del AI Art. Esta precisión evita trasladar automáticamente al arte generativo la materialidad de toda la industria digital. Crawford y Joler (2018) analizan la inteligencia artificial como un ensamblaje de recursos, trabajo, datos y energía; Parikka (2020) vincula los medios digitales con geología, minería y residuos. El AI Art participa de esas cadenas al depender de la infraestructura necesaria para entrenar, ejecutar y hacer circular modelos e imágenes.
En América Latina esta discusión adquiere una densidad particular. La región ocupa un lugar central en la provisión de minerales, en especial a través del llamado triángulo del litio, que se extiende entre Argentina, Bolivia y Chile. De acuerdo con el Servicio Geológico de los Estados Unidos, esta zona concentra cerca del sesenta por ciento de los recursos mundiales de litio (U.S. Geological Survey, 2026). El caso del coltán en Colombia permite vincular la materialidad tecnológica del AI Art con territorios atravesados por ilegalidad, violencia y circulación opaca de minerales. González Garzón (2015) documenta que la explotación y comercialización ilegal de coltán en el departamento del Guainía produjo afectaciones sociales, ambientales y jurídicas sobre comunidades locales expuestas a redes criminales y a formas de despojo territorial. Por su parte, la Defensoría del Pueblo (2023) advierte que la minería ilegal de oro y coltán en ese departamento ha servido para financiar estructuras armadas organizadas, con presencia atribuida al Ejército de Liberación Nacional y a disidencias surgidas tras el Acuerdo de Paz.
Jääskeläinen et al. (2022) abordan la sostenibilidad ambiental del AI Art y muestran que la creación artística con inteligencia artificial debe evaluarse en relación con sus condiciones computacionales. Entrenar, ajustar y ejecutar modelos generativos implica consumo eléctrico, infraestructura de servidores, refrigeración y mantenimiento constante, de modo que cada imagen generada participa en una ecología técnica que excede el acto individual de creación.
La dimensión hídrica intensifica el problema. Li et al. (2023) han señalado que los modelos de inteligencia artificial poseen una huella de agua vinculada con procesos de refrigeración y generación eléctrica, y Malamud (2024) lleva la discusión al contexto latinoamericano al relacionar la expansión de infraestructuras de cómputo y centros de datos con crisis hídricas regionales. En territorios con estrés hídrico, esta condición modifica el sentido político de la innovación digital. La imagen puede parecer desmaterializada, pero su producción se encuentra enlazada con sistemas térmicos, eléctricos e hidráulicos. Los beneficios simbólicos y económicos de la producción generativa tienden a concentrarse en plataformas, empresas y usuarios con mayor capacidad tecnológica, mientras que los impactos ambientales recaen sobre territorios con menor poder de decisión. Este desfase entre beneficio visual y costo territorial constituye uno de los núcleos de la materialidad oculta del AI Art.
Cuando el arte generado por inteligencia artificial se presenta solo como innovación creativa, se elimina de la escena la cadena material que sostiene los dispositivos, los servidores y las plataformas, y con ella la agencia distribuida que produce la imagen. La pregunta estética se vuelve entonces también territorial. El problema no se limita a determinar quién crea la imagen o si el modelo produce originalidad, sino a establecer qué territorios, cuerpos, minerales y sistemas energéticos quedan integrados en la obra sin reconocimiento visible.
Sin embargo, existe un contraste significativo, la huella ambiental de la inteligencia artificial admite posibles lecturas distintas. Hao (2019) divulgó, en un artículo periodístico, estimaciones sobre las emisiones de dióxido de carbono equivalente asociadas con el entrenamiento de modelos de procesamiento del lenguaje natural. Una de las cifras que alcanzó mayor difusión señalaba que un proceso de búsqueda de arquitectura neuronal podía generar una huella de carbono comparable con las emisiones producidas por cinco automóviles durante toda su vida útil. Patterson et al. (2022) muestran que esa huella puede reducirse hasta mil veces en emisiones mediante la combinación de mejoras de hardware, mejoras algorítmicas, optimización de centros de datos y elección de fuentes energéticas con menor intensidad y dependencia de carbono.
El debate sobre el costo ambiental de la inteligencia artificial suele plantearse en términos binarios, como si la disyuntiva fuera aceptar sin reservas la producción generativa o condenarla en bloque por su huella energética. Esa polarización simplifica un fenómeno que admite matices y que, precisamente por su relevancia para la práctica artística contemporánea, exige un tratamiento más cuidadoso.
Es cierto que el entrenamiento de modelos de gran escala consume cantidades considerables de energía y que esa energía, en la medida en que proviene todavía de fuentes intensivas en carbono, se traduce en emisiones reales y cuantificables. Negar esto sería tan poco riguroso como afirmar que toda producción mediada por inteligencia artificial es ambientalmente insostenible. La evidencia disponible muestra que el consumo energético no es una constante inmodificable, sino una variable sujeta a mejoras técnicas, algoritmos más eficientes, procesadores especializados, centros de datos con mejor gestión térmica y una matriz energética progresivamente menos dependiente de combustibles fósiles pueden reducir de forma sustancial la intensidad de carbono por unidad de cómputo.
Trabajo de datos, clasificación visual y colonialidad estética
Dentro del primer eje, el componente laboral se relaciona con el trabajo de datos y la clasificación visual. Las imágenes generativas dependen de bases de datos masivas y de procesos de etiquetado, limpieza, curaduría, moderación y anotación que organizan lo visible antes de que el usuario escriba una instrucción. Crawford y Paglen (2021) sostienen que los conjuntos de entrenamiento contienen sistemas de clasificación que ordenan cuerpos, objetos, gestos, identidades y conductas mediante categorías históricamente situadas. Esta observación resulta central para pensar la colonialidad estética del AI Art, ya que los modelos generativos producen variaciones visuales y reorganizan imaginarios heredados de archivos construidos bajo lógicas de vigilancia, racialización y normalización cultural.
Stark y Crawford (2019) muestran que las prácticas artísticas vinculadas con inteligencia artificial enseñan algo decisivo sobre la ética de los datos, a saber, que la operación estética no se separa de las condiciones de recolección, procesamiento y uso de información. En el campo del AI Art esto significa que la imagen generada conserva una memoria técnica de los archivos que la entrenaron, incluso cuando esos archivos permanecen inaccesibles para el espectador. Martínez Yepes (2024) profundiza esta problemática al analizar la relación entre inteligencia artificial, racialización y resistencia artística, y permite comprender que la producción visual automatizada puede reproducir jerarquías raciales y culturales, pero también puede ser intervenida desde prácticas críticas que visibilizan la opacidad del sistema.
En América Latina la clasificación visual adquiere una dimensión colonial específica. Milan y Treré (2019) cuestionan el universalismo de los datos y proponen atender las condiciones del Sur global, mientras que Ricaurte (2019) plantea que las epistemologías de datos reproducen formas de colonialidad del poder cuando convierten la experiencia social en recurso computable bajo categorías impuestas por centros técnicos, corporativos y geopolíticos. Desde esta perspectiva, el AI Art puede producir una colonialidad estética cuando las imágenes de cuerpos, territorios y memorias indígenas, afrodescendientes o populares son absorbidas por modelos entrenados bajo clasificaciones que no responden a sus contextos culturales.
El trabajo de datos forma parte de esta materialidad oculta. Tubaro et al. (2025) analizan el trabajo digital de la inteligencia artificial en América Latina y muestran que su producción depende de labores fragmentadas, precarias y poco visibles, en continuidad con lo que Tubaro y Casilli (2019) describen como microtrabajo. Aunque estas investigaciones no se centran en el IA Art, permiten conectar la generación de imágenes con una economía laboral de anotación, verificación y moderación. En términos estéticos, esta condición modifica el estatuto de la autoría, pues el IA Art surge de una red de agencias distribuidas en la que participan programadores, trabajadores de datos, moderadores, diseñadores de interfaz, usuarios, conjuntos de datos y sistemas de clasificación, más allá de la relación simple entre artista y máquina.
En conjunto, la extracción mineral, el hardware, los centros de datos, el consumo de agua y energía, y el trabajo de datos responden al primer eje de la investigación. Estas mediaciones explican cómo la imagen llega a la interfaz bajo una apariencia de inmediatez.
Casos de AI Art: infraestructura, archivo y clasificación
Los casos siguientes cumplen funciones analíticas diferentes. Anatomy of an AI System, de Crawford y Joler (2018), opera como antecedente metodológico al cartografiar minerales, trabajo, datos, logística y residuos del Amazon Echo. Aunque su objeto no es una imagen generativa, demuestra que la visualización crítica puede volver perceptible una infraestructura dispersa y ofrece un procedimiento para relacionar superficie estética y cadenas de producción planetarias.
Unsupervised, de Refik Anadol, empleó un modelo de aprendizaje automático entrenado con datos públicos de más de doscientos años de la colección del Museum of Modern Art y generó animaciones en tiempo real modificadas por variables ambientales del museo (Museum of Modern Art, 2022). La obra hace visible la procedencia del archivo y el carácter procesual del sistema, lo cual distribuye la agencia entre colección, equipo artístico, modelo, software, espacio expositivo y público. Sin embargo, el hardware, la energía y los servicios computacionales permanecen fuera de la experiencia visual. El caso muestra que la transparencia puede operar por grados y que informar sobre los datos no equivale a exponer toda la materialidad.
Neural Zoo, de la artista argentina Sofía Crespo, utiliza redes neuronales convolucionales para recombinar texturas y estructuras biológicas en organismos especulativos (Crespo, 2018–2022). La serie permite observar que la novedad formal surge de elementos previamente conocidos, de la arquitectura del modelo y de decisiones curatoriales sobre el archivo y la selección de resultados. La obra también muestra una posición artística activa: Crespo formula preguntas sobre creatividad, percepción y naturaleza artificial. La agencia aparece como una negociación entre repertorio visual, cálculo y proyecto poético.
ImageNet Roulette, de Crawford y Paglen, convirtió la clasificación automática en una experiencia pública al devolver los retratos de los usuarios con etiquetas procedentes de las categorías de personas de ImageNet. El proyecto reveló términos ofensivos y juicios sociales incorporados en la taxonomía del conjunto de datos (Crawford y Paglen, 2021). Su relevancia para la hipótesis reside en que hace perceptible una operación que habitualmente queda dentro del sistema: clasificar también produce una imagen social del sujeto. La agencia de la salida depende de diseñadores del archivo, anotadores, categorías lingüísticas, modelo y dispositivo artístico.
En el ámbito regional, la Bienal Latinoamericana de Inteligencia Artificial y Arte reúne obras realizadas con GAN, VQGAN y otros sistemas generativos, además de proyectos sobre memoria, escritura, paisajes, autorretrato y archivos políticos (Bienal Latinoamericana de Inteligencia Artificial y Arte, s. f.). Esta diversidad confirma la existencia de una escena latinoamericana activa. Al mismo tiempo, gran parte de la documentación pública se concentra en la técnica y el resultado visual, mientras ofrece poca información sobre procedencia de datos, cómputo, consumo energético o trabajo de plataforma. Ese vacío documental forma parte del problema de visibilidad estudiado.
Segundo eje: régimen de visibilidad, colonialidad y redistribución de la agencia
El segundo eje examina el régimen de visibilidad y la redistribución de la agencia estética. Grba (2022) plantea que su análisis crítico debe considerar las condiciones técnicas, culturales y poéticas, mientras que Bernaschina (2025) y Puertollano Galán y Castro Díaz (2025) examinan las tensiones entre ética, estética, autoría y homogeneización en la era algorítmica. La plataforma participa activamente en esta organización porque regula el acceso, determina las operaciones disponibles y vuelve opacas las mediaciones materiales. La agencia estética se distribuye entre el artista que formula instrucciones, el modelo que genera variaciones, los conjuntos de datos que condicionan el repertorio visual, la plataforma que administra posibilidades y la infraestructura que sostiene el cálculo.
El régimen de visibilidad del AI Art se caracteriza por una paradoja. Produce imágenes de alta disponibilidad, velocidad y plasticidad formal mientras oculta buena parte de las condiciones técnicas, laborales y territoriales de esa producción. Esta opacidad favorece que el crédito causal se concentre en el modelo. Ello no implica negar toda agencia al sistema en sentido relacional: su intervención causal en la generación de resultados no equivale a autonomía, conciencia, intencionalidad fuerte o creatividad soberana. Gell (1998) permite entender la obra como un índice que moviliza relaciones entre agentes y pacientes. Aplicada al AI Art, esta perspectiva sitúa la eficacia de la imagen en la red sociotécnica que integra modelo, artista, datos, plataforma e infraestructura. El mito de la creatividad autónoma surge cuando esa red desaparece del campo perceptivo y discursivo.
Martínez Yepes (2024) muestra que las prácticas artísticas pueden disputar los sistemas de racialización y clasificación algorítmica, lo que abre la posibilidad de una agencia estética crítica capaz de intervenir en esos regímenes de visibilidad. El artista no tiene que limitarse a usar herramientas generativas para producir imágenes atractivas, sino que puede convertir la propia infraestructura algorítmica en objeto de problematización. Puede trabajar con el error, el sesgo, la opacidad, la saturación de estilos, la clasificación racializada, la huella ambiental o la dependencia material del hardware. En ese caso, el AI Art deja de operar como celebración acrítica de la automatización y se convierte en una práctica que expone sus propias condiciones de posibilidad, es decir, en una forma de resistencia al mito de la agencia autónoma.
Desde América Latina, esta agencia crítica debe atender la relación entre estética y dependencia tecnológica. Valente y Grohmann (2024) proponen pensar los estudios críticos de datos con la región, lo que implica reconocerla como lugar de producción teórica y no como simple caso de aplicación. La noción de tecnodiversidad, trabajada por Hui (2020) y por Venier (2023) en diálogo con los derechos digitales, ofrece una vía para imaginar prácticas culturales menos dependientes de una única forma de desarrollo tecnológico. Para el AI Art, esto significa concebir herramientas, metodologías y criterios estéticos capaces de responder a contextos territoriales específicos, de manera que la agencia estética latinoamericana no se limite a insertar contenidos locales en plataformas globales, sino que problematice las condiciones bajo las cuales esos contenidos son procesados, clasificados y estetizados.
Resultados
La literatura revisada tiende a separar la estética de la imagen, la ética de los datos, la economía política de la infraestructura y los estudios latinoamericanos sobre colonialidad. La principal aportación del artículo consiste en articular estos planos. Cetinic y She (2022), Grba (2022) y Bernaschina (2025) delimitan el campo artístico; Crawford y Paglen (2021) y Stark y Crawford (2019) permiten analizar archivos y prácticas; Crawford y Joler (2018), Parikka (2020) y Jääskeläinen et al. (2022) desplazan la atención hacia recursos e infraestructuras; Ricaurte (2019), Tironi y Valderrama (2021) y Valente y Grohmann (2024) sitúan esas mediaciones dentro de relaciones coloniales y regionales. De esta articulación se derivan tres resultados teóricos. El primero concierne a la autonomía atribuida al sistema: su apariencia posee causas múltiples asociadas con diseño de interfaz, antropomorfismo, comunicación corporativa e invisibilización material.
La materialidad oculta interviene como mecanismo articulador porque, al desaparecer hardware, trabajo, energía y datos del campo perceptivo, el modelo concentra el crédito causal. Anatomy of an AI System revela la cadena material, mientras Unsupervised ofrece una transparencia parcial centrada en el archivo y mantiene fuera de campo otras condiciones. El primer resultado, por tanto, no identifica una causa única de la autonomía atribuida, sino el modo en que la invisibilización material refuerza mecanismos discursivos y de interfaz.
El segundo resultado se refiere a la agencia distribuida. Neural Zoo muestra que el resultado depende de repertorios visuales, arquitectura computacional y selección artística. ImageNet Roulette evidencia que las categorías y los anotadores participan en la eficacia social de la imagen. Estos casos respaldan una lectura relacional de Gell (1998) y exigen ampliarla hacia plataformas, centros de datos, conjuntos de entrenamiento y cadenas extractivas. Redistribuir la agencia permite atribuir responsabilidades sin borrar la decisión artística ni convertir el modelo en sujeto soberano.
El tercer resultado cruza ambos ejes desde América Latina. La región participa simultáneamente en extracción mineral, trabajo digital, conflicto hídrico, producción artística y elaboración teórica. Esta posición impide reducirla a contexto de recepción o reserva de contenidos culturales. La colonialidad estética opera cuando archivos y taxonomías globales procesan cuerpos, territorios y memorias mediante categorías descontextualizadas; la dependencia material aparece cuando costos ecológicos y laborales se distribuyen de forma desigual. La tecnodiversidad ofrece un criterio para evaluar prácticas capaces de documentar datos, infraestructuras y decisiones y para impulsar herramientas vinculadas con necesidades regionales.
Conclusiones
En respuesta a la pregunta central, la autonomía atribuida a los sistemas generativos se explica por la convergencia de opacidad de interfaz, antropomorfismo discursivo, comunicación corporativa e invisibilización material. Reconstruir recursos, trabajos, datos e infraestructuras modifica la comprensión de la imagen porque distribuye su eficacia entre artistas, modelos, archivos, plataformas, trabajadores, centros de datos y territorios. Desde América Latina, esta lectura muestra que la producción simbólica global se conecta con extracción mineral, trabajo digital, conflictos hídricos y dependencia tecnológica. La práctica artística adquiere capacidad crítica cuando documenta, representa o altera esas mediaciones. En términos sintéticos, hacer visible la materialidad redistribuye la agencia y esa redistribución permite localizar responsabilidades, beneficios y costos dentro de la red sociotécnica.
El estudio establece un marco conceptual y deja abiertas tareas empíricas. Es necesario comparar obras y plataformas específicas, medir consumo energético e hídrico en contextos regionales, documentar las condiciones del trabajo de datos y estudiar la recepción de proyectos que hacen visible su infraestructura. También se requiere ampliar el registro de AI Art producido en América Latina y analizar sus formas de acceso a modelos, cómputo y archivos. Estas investigaciones permitirán evaluar diferencias entre prácticas que reproducen la opacidad de plataforma y prácticas que construyen formas verificables de responsabilidad estética y tecnológica.
Referencias
Bernaschina, D. (2025). Visual art and artificial intelligence: Tensions between ethics, aesthetics, and authorship in the algorithmic age. Contemporary Visual Culture and Art, 1(1), 68–78. https://doi.org/10.63385/cvca.v1i1.189
Bienal Latinoamericana de Inteligencia Artificial y Arte. (s. f.). Bienal Latinoamericana de Inteligencia Artificial y Arte. https://www.bilia.tech/
Cetinic, E. y She, J. (2022). Understanding and creating art with AI: Review and outlook. ACM Transactions on Multimedia Computing, Communications, and Applications, 18(2), Article 66. https://doi.org/10.1145/3475799
Crawford, K. y Joler, V. (2018). Anatomy of an AI system: The Amazon Echo as an anatomical map of human labor, data and planetary resources. AI Now Institute & Share Lab. https://anatomyof.ai/
Crawford, K. y Paglen, T. (2021). Excavating AI: The politics of images in machine learning training sets. AI & Society, 36(4), 1105–1116. https://doi.org/10.1007/s00146-021-01162-8
Crespo, S. (2018–2022). Neural zoo [Serie de imágenes generadas con redes neuronales convolucionales]. https://sofiacrespo.com/neural-zoo/
Defensoría del Pueblo. (2023, 27 de febrero). Extracción ilegal de oro y coltán financia a grupos armados organizados que están afectando derechos de comunidades en Guainía. https://www.defensoria.gov.co/web/guest/-/extracci%C3%B3n-ilegal-de-oro-y-colt%C3%A1nfinancia-a-grupos-armados-organizados-que-est%C3%A1n-afectando-derechos-de-comunidades-en-guain%C3%ADa-1
Gell, A. (1998). Art and agency: An anthropological theory. Clarendon Press.
González Garzón, H. D. (2015). Trasgresión de derechos humanos a raíz del tráfico ilegal de coltán en el departamento del Guainía. Ciencia y Poder Aéreo, 10(1), 151–168. https://doi.org/10.18667/cienciaypoderaereo.492
Grba, D. (2022). Deep else: A critical framework for AI art. Digital, 2(1), 1–32. https://doi.org/10.3390/digital2010001
Hao, K. (2019, 6 de junio). Training a single AI model can emit as much carbon as five cars in their lifetimes. MIT Technology Review. https://www.technologyreview.com/2019/06/06/239031/training-a-single-ai-model-can-emit-as-much-carbon-as-five-cars-in-their-lifetimes/
Hui, Y. (2020). Fragmentar el futuro: Ensayos sobre tecnodiversidad (T. Lima, Trad.). Caja Negra Editora.
Jääskeläinen, P., Pargman, D. y Holzapfel, A. (2022). On the environmental sustainability of AI art(s). Proceedings of the Eighth Workshop on Computing within Limits, 1–9. https://doi.org/10.21428/bf6fb269.c46375fa
Li, P., Yang, J., Islam, M. A. y Ren, S. (2023). Making AI less thirsty: Uncovering and addressing the secret water footprint of AI models. arXiv. https://doi.org/10.48550/arXiv.2304.03271
Malamud, M. (2024). AI hub in Latin America skyrockets water crises. Middle Atlantic Review of Latin American Studies, 8(1), 42–47. https://doi.org/10.23870/marlas.467
Martínez Yepes, R. (2024). Artificial intelligence, racialization, and art resistance. Cuadernos de Música, Artes Visuales y Artes Escénicas, 19(1), 222–235. https://doi.org/10.11144/javeriana.mavae19-1.aira
Milan, S. y Treré, E. (2019). Big data from the South(s): Beyond data universalism. Television & New Media, 20(4), 319–335. https://doi.org/10.1177/1527476419837739
Museum of Modern Art. (2022). Refik Anadol: Unsupervised. https://www.moma.org/calendar/exhibitions/5535
Parikka, J. (2020). Una geología de los medios. Caja Negra.
Patterson, D., Gonzalez, J., Hölzle, U., Le, Q., Liang, C., Munguia, L. M., Rothchild, D., So, D., Texier, M. y Dean, J. (2022). The carbon footprint of machine learning training will plateau, then shrink. Computer, 55(7), 18–28. https://doi.org/10.1109/MC.2022.3148714
Puertollano Galán, V. y Castro Díaz, M. (2025). La inteligencia artificial en la creación artística: Innovación, homogeneidad y desafíos de la originalidad. Vivat Academia, (158), 1–17. https://doi.org/10.15178/va.2025.158.e1608
Ricaurte, P. (2019). Data epistemologies, the coloniality of power, and resistance. Television & New Media, 20(4), 350–365. https://doi.org/10.1177/1527476419831640
Rouvroy, A. y Berns, T. (2013). Gouvernementalité algorithmique et perspectives d'émancipation: Le disparate comme condition d'individuation par la relation? Réseaux, 177(1), 163–196. https://doi.org/10.3917/res.177.0163
Stark, L. y Crawford, K. (2019). The work of art in the age of artificial intelligence: What artists can teach us about the ethics of data practice. Surveillance & Society, 17(3/4), 442–455. https://doi.org/10.24908/ss.v17i3/4.10821
Tironi, M. y Valderrama, M. (2021). Descolonizando los sistemas algorítmicos: Diseño crítico para la problematización de algoritmos y datos digitales desde el Sur. Palabra Clave, 24(3), e2432. https://doi.org/10.5294/pacla.2021.24.3.2
Tubaro, P. y Casilli, A. A. (2019). Micro work, artificial intelligence and the automotive industry. Journal of Industrial and Business Economics, 46(3), 333–345. https://doi.org/10.1007/s40812-019-00121-1
Tubaro, P., Casilli, A. A., Fernández Massi, M., Longo, J., Torres Cierpe, J. y Viana Braz, M. (2025). The digital labour of artificial intelligence in Latin America: A comparison of Argentina, Brazil, and Venezuela. Globalizations, 1–16. https://doi.org/10.1080/14747731.2025.2465171
U.S. Geological Survey. (2026). Mineral commodity summaries 2026: Lithium. https://pubs.usgs.gov/periodicals/mcs2026/mcs2026-lithium.pdf
Valente, J. C. L. y Grohmann, R. (2024). Critical data studies with Latin America: Theorizing beyond data colonialism. Big Data & Society, 11(1). https://doi.org/10.1177/20539517241227875
Van Dijck, J., Poell, T. y de Waal, M. (2018). The platform society: Public values in a connective world. Oxford University Press. https://doi.org/10.1093/oso/9780190889760.001.0001
Venier, E. (2023). Contribuciones para la formulación de derechos digitales como condición de posibilidad de una tecnodiversidad. Pluriversos de la Comunicación, 1(1), 33–45. https://portalderevistas.unsa.edu.ar/index.php/pluriversos/article/view/3846
Zuboff, S. (2019). The age of surveillance capitalism: The fight for a human future at the new frontier of power. PublicAffairs.
BIO
Mario Alberto Bracamonte Ocaña estudió el Doctorado en Artes en la Universidad de Guanajuato en la línea de investigación: Lenguajes contemporáneos de las artes visuales. Es maestro en Estudios Visuales por la Universidad Autónoma del Estado de México. Estudió la licenciatura en Artes Plásticas en la misma universidad. Su trabajo se caracteriza por una síntesis entre teoría estética, análisis técnico del software y reflexión sobre las condiciones contemporáneas de la experiencia estética digital. Su trayectoria ha consolidado una línea sostenida de indagación sobre cómo los medios computacionales, los algoritmos y las arquitecturas inmersivas reconfiguran no sólo el campo del arte, sino los regímenes de percepción, la creatividad y los modelos de agencia humana y no humana. Un rasgo distintivo de su trabajo es que trata estas teorías como instrumentos para leer casos concretos de producción artística y cultural. Ha delineado proyectos de escritura que convergen en dos líneas de investigación interdependientes. La primera puede describirse como ontología y gramática de los medios digitales. La segunda corresponde a agencia algorítmica, creatividad computacional y ecologías de la percepción. En este eje, integra marcos de creatividad y cognición para explicar prácticas generativas, procesos de automatización y formas de autoría humano máquina. Contacto: mabracamonteo@uaemex.mx.