Introducción
Este texto ofrece una reflexión personal y crítica sobre el reportaje inmersivo publicado por Nature en julio de 2026, en el que varios ilustradores científicos comparten cómo la inteligencia artificial está transformando su oficio.
El post se comenta sin reproducir contenido protegido, respetando plenamente los derechos de autor y citando la fuente original.
El objetivo es aportar una reflexión útil para el debate sobre gobernanza de la IA, en particular sobre un aspecto poco tratado: la representación visual del conocimiento científico.
Y una pregunta recorre todo el texto: ¿qué ocurre con la confianza en la ciencia cuando la imagen que la representa puede fabricarse sin haberla comprendido?
1. La ilustración científica como forma de conocimiento
El reportaje deja una idea potente: ilustrar ciencia no es decorar, es investigar.
Detrás de una buena imagen hay un proceso de indagación —recopilar fuentes, contrastar datos a veces contradictorios, sintetizar y decidir qué mostrar— que se parece más a un método de conocimiento que a una tarea estética.
Ese matiz es clave frente a la IA: los modelos generan imágenes con rapidez, pero se saltan precisamente ese trabajo de indagación y juicio que da valor y fiabilidad a la ilustración científica.
2. El riesgo de la imagen plausible pero inexacta
El punto más relevante para la gobernanza es este: la IA produce imágenes de aspecto autorizado y convincente que, sin embargo, pueden ser sutil o gravemente incorrectas.
El problema no es que se equivoque, sino que se equivoca con apariencia de rigor.
En un contexto científico o médico, una imagen atractiva pero inexacta puede inducir a error a quien la usa para aprender o decidir.
Cuando la evidencia visual orienta la formación, el diagnóstico o las políticas públicas, esa verosimilitud engañosa se convierte en un riesgo real.
Lo veo con claridad en los ámbitos en los que trabajo, como la economía circular o la acción climática: una infografía errónea pero atractiva puede acabar sustentando una decisión pública o una campaña.
El problema, insisto, no es estético, sino de gobernanza.
3. Sesgos y equidad en la representación
El reportaje señala vacíos históricos en la representación científica: anatomía femenina poco estudiada, escasez de imágenes en distintos tonos de piel, comunidades y condiciones sistemáticamente subrepresentadas.
El peligro es que la IA, entrenada con ese material desigual, reproduzca y amplifique esos sesgos.
Frente a ello, los ilustradores aplican un criterio consciente: representar la diversidad por defecto y no como excepción.
De ahí una conclusión de gobernanza clara:
- la equidad en las imágenes científicas y médicas es una cuestión ética, no solo técnica;
- si la IA gana peso en este ámbito, los modelos deberían orientarse hacia fuentes representativas por diseño.
Esto enlaza directamente con lo que defendemos desde OSICO:
Que la tecnología no reproduzca las desigualdades que ya arrastra el conocimiento, sino que ayude a corregirlas.
4. Autoría, derechos y agencia humana
El texto recoge preocupaciones que van más allá de la calidad: derechos de autor, autoría, responsabilidad y consentimiento sobre los datos con que se entrenan los modelos.
La postura mayoritaria de los profesionales es reveladora: usan la IA como una herramienta puntual —al modo de un pincel o una goma de borrar— para tareas menores, pero no para construir la base de la imagen.
Así preservan su agencia y su responsabilidad sobre el resultado.
El valor sigue estando en el juicio humano:
Decidir qué se sabe, qué es incierto y qué necesita ver cada audiencia.
5. El futuro: la IA como herramienta, no como sustituto
Pese a las diferencias de matiz, hay un consenso de fondo: seguirán haciendo falta ilustradores para aclarar, corregir y verificar.
La IA se entiende como un instrumento que conviene mantener en su sitio, no como un reemplazo.
Se recuerda un paralelismo útil: en su día se temió que la fotografía sustituyera a la ilustración médica, y no ocurrió, porque una foto de una cirugía no explica nada por sí sola.
La pregunta de fondo no es si adoptar la IA, sino cómo seguir siendo intencionales y no perder el criterio y la voz propia por el camino.
Comparto esa conclusión, pero iría un paso más allá: el verdadero reto no es solo mantener la IA en su sitio, sino redefinir qué entendemos por autoría cuando la máquina interviene en el proceso creativo.
Y así vuelvo a la pregunta del principio:
Si una imagen puede fabricarse sin comprender lo que muestra, preservar la confianza en la ciencia dependerá, más que nunca, del criterio humano.
6. Citación y respeto a derechos de autor
Este post no reproduce contenido protegido de Nature. Se basa exclusivamente en análisis personal, síntesis conceptual y comentario crítico.
Referencia: Nature (2026). «‘Good design takes mastery’: scientific illustrators sketch out AI’s future» («El buen diseño exige maestría: los ilustradores científicos esbozan el futuro de la IA»), por Anne Pichon (22 de julio de 2026).
Disponible en este enlace.
Todos los derechos pertenecen a Nature Publishing Group.
Doctor en Comunicación Audiovisual por la Universidad Complutense de Madrid y Licenciado en Derecho por la Universidad CEU. Director de Agencia de Desarrollo, líder en economía circular y pionero en acción climática, colabora con diversas comisiones de Naciones Unidas.
Fundador y director de la Plataforma OSICO, impulsa un espacio innovador de reflexión y cooperación frente a los grandes desafíos contemporáneos.
