La crisis de continuidad en el video generado por IA

El problema del control de calidad

Acabo de ver un video animado motivacional de YouTube ambientado en una sala de clases, y cada escena de cinco segundos tenía una pizarra, una distribución de alumnos diferente. Fue imposible seguir el hilo de lo que estaba tratando de plantear.

Escena de sala de aula mostrando la inconsistencia en videos generados por IA
Cada cinco segundos el generador destruye el modelo mental del espectador

Lo que describes no es simplemente un defecto estético. Es un fallo narrativo. Imagina que el video pretende transmitir una reflexión sobre la educación, pero cada fragmento individual puede ser bastante bonito. Sin embargo, el cerebro del espectador intenta construir un modelo mental de lo que está viendo: dónde estamos, quiénes son los personajes, qué está sucediendo y cómo evoluciona la situación.

Y cada cinco segundos el generador destruye ese modelo mental. Hay una diferencia fundamental entre generar imágenes bonitas y producir una secuencia audiovisual coherente.

Cinco dimensiones de la continuidad

Esto tiene implicaciones importantes para el uso de IA en video:

  • Consistencia de personajes: mantener identidad, vestuario y apariencia.
  • Consistencia de escenarios: conservar arquitectura, mobiliario y distribución espacial.
  • Continuidad de acciones: que una acción iniciada en un plano tenga sentido en el siguiente.
  • Continuidad narrativa: que cada escena aporte algo a una secuencia de acontecimientos.
  • Continuidad semántica: que los elementos visuales relevantes no cambien arbitrariamente.

Un video puede tener excelente calidad técnica, movimientos fluidos, iluminación atractiva y banda sonora impecable, pero fracasar completamente como comunicación. El espectador no debería tener que dedicar su atención a reconstruir dónde demonios está cada cinco segundos.

La industrialización del contenido

Infografía del proceso de producción de contenido audiovisual generado por inteligencia artificial
Cadena de montaje industrial sin revisión posterior

Siento que estos videos son uno de cientos que pasan por una cadena de montaje y cero revisión posterior. Es posible que estés viendo el resultado de una producción así:

  1. Generación del tema: un LLM produce un guion motivacional
  2. Segmentación: el texto se divide en fragmentos de cinco segundos
  3. Generación visual: un modelo genera una imagen o clip para cada fragmento
  4. Voz sintética: se incorpora una narración
  5. Montaje automático: se ensamblan clips, música y subtítulos
  6. Publicación: el video se sube a YouTube, posiblemente junto con decenas de otros

El detalle es que puede que nadie haya visto el video completo antes de publicarlo. El incentivo económico favorece este comportamiento: si producir cien videos mediocres cuesta poco y basta con que unos pocos consigan muchas visualizaciones, el control de calidad se convierte en un costo que algunos productores prefieren eliminar.

Hay una paradoja interesante: la automatización reduce el costo de producir contenido, pero no necesariamente el costo de producir contenido que merezca ser visto.

Tres niveles de calidad

Diagrama conceptual de los tres niveles de calidad en contenido generado por IA
La calidad editorial es la más difícil de automatizar

Distinguiría tres niveles de calidad:

  • Calidad de generación: ¿las imágenes y el sonido son buenos?
  • Calidad de montaje: ¿existe continuidad entre los fragmentos?
  • Calidad editorial: ¿el producto final comunica algo que justifique el tiempo del espectador?

La tercera es la más difícil de automatizar y, curiosamente, la que más parece estar desapareciendo en ciertos segmentos de producción. Mi sospecha es que veremos una saturación de contenido visualmente competente, pero editorialmente desechable.

Allí puede aparecer una oportunidad para quien entienda que la IA debe producir bajo dirección, no simplemente producir por producir.