Post actualizado el día noviembre 1, 2026 by DeiviSanzPlay
Hay un punto en el que editar una imagen deja de ser cuestión de mover deslizadores. Yo lo topé restaurando la foto de boda de mis abuelos: un tercio del negativo estaba velado, con manchas de humedad y un rostro casi borrado. Ningún ajuste de curvas o niveles recuperaba esos píxeles porque simplemente no existían. Ahí entendí que como modificar una foto con ia no es un atajo para ahorrar clics, sino la única vía cuando la información se perdió. Este artículo va de ese escenario límite, no del selfie con filtro.
La opción obvia —Photoshop, Lightroom, cualquier editor clásico— funciona con lo que hay. La IA generativa, en cambio, infiere lo que falta. Esa diferencia cambia las reglas: ya no corriges, reconstruyes. Y reconstruir tiene consecuencias que conviene conocer antes de pulsar «generar».
El caso donde el editor tradicional se queda sin argumentos
Piensa en una foto de grupo de los años setenta, escaneada a baja resolución, con un arañazo que cruza la cara de alguien. Con herramientas de clonación manual pasas horas copiando texturas de mejilla a mejilla y el resultado parece plastilina. Con un modelo de inpainting (Relleno generativo en Photoshop, por ejemplo) seleccionas la zona dañada, escribes una instrucción breve y el sistema propone un rostro plausible. La diferencia no es de velocidad: es de naturaleza. El algoritmo no copia, inventa.
Ese invento es exactamente lo que buscas en una restauración familiar, pero es lo que jamás querrías en una prueba fotográfica forense o en un catálogo de producto donde el color real importa. Aquí está la primera limitación seria: modificar una foto con inteligencia artificial no sirve para preservar la veracidad documental. Si necesitas que la imagen sea evidencia, la IA generativa es la herramienta equivocada.
Herramientas concretas y qué esperar de cada una
No todas las IA hacen lo mismo. Conviene separar tres familias:
Relleno generativo (Photoshop, Photoroom): borras un objeto y el modelo rellena el hueco con contexto coherente. Funciona bien con fondos texturizados, mal con geometrías repetitivas como rejas o azulejos, donde aparecen patrones falsos.
Restauración de rostros (Remini, Topaz Photo AI): entrenadas con miles de caras, reconstruyen ojos, piel y cabello. El problema es que tienden a «embellecer»: suavizan arrugas reales y a veces cambian la identidad sutilmente. En mi experiencia, conviene bajar la intensidad al mínimo y comparar lado a lado con el original.
Generación desde cero (Stable Diffusion con inpainting, DALL·E): útiles para rellenar fondos amplios o crear elementos que nunca estuvieron. Riesgo: coherencia de iluminación. Si la luz original venía de la izquierda y el modelo genera sombras a la derecha, el ojo lo detecta al instante.
El flujo que sí funciona cuando el daño es grave
Trabajo siempre en capas y con copia del archivo original intacta. Primero corrijo lo global —exposición, balance de blancos— con herramientas tradicionales, porque la IA responde peor a imágenes mal expuestas. Después aíslo cada daño en una selección independiente. Un arañazo, una operación. Un rostro borroso, otra. Nunca pido al modelo que resuelva toda la escena de golpe: cuanto más amplio el prompt, más libertad tiene para inventar.
El detalle clave que casi nadie menciona: los prompts cortos y descriptivos superan a los largos. «Piel con textura natural, luz suave desde la izquierda» funciona; «restaura esta foto antigua de mi abuela en 1972 con vestido azul y sonrisa» confunde al modelo con datos que no puede verificar.
Limitaciones que conviene asumir antes de empezar
Los textos pequeños dentro de la imagen —letreros, matrículas, etiquetas— suelen salir como garabatos. Los modelos generan formas que parecen letras sin serlo. Si la foto contiene documentos legibles, la IA no es fiable para rellenarlos.
Tampoco funciona bien con multitudes: caras diminutas en una gradación escolar terminan como manchas genéricas. Y con imágenes en blanco y negro de muy bajo contraste, el modelo a veces inventa colores al colorear que no corresponden a la época ni al contexto.
Por último, la resolución de salida engaña. Un upscaler puede duplicar píxeles, pero no recupera detalle que la cámara nunca capturó. Un rostro ampliado cuatro veces se ve nítido y, a la vez, ligeramente irreal. Ese «algo» que notas es el modelo rellenando con probabilidades, no con datos.
Una nota sobre derechos y expectativas
Si restauras fotos de otras personas, la imagen modificada deja de ser la original. Documenta el proceso, guarda el archivo fuente y, si el contexto lo exige, indica que hubo reconstrucción asistida. No prometo que el resultado sea indistinguible del original: casi nunca lo es, y quien diga lo contrario está vendiendo humo.
La comunidad de restauración fotográfica coincide en algo: la IA es un colaborador, no un sustituto del criterio humano. Revisar cada propuesta del modelo, descartar las que alteran rasgos y aceptar que algunas zonas quedarán imperfectas es parte del oficio. Saber como modificar una foto con ia en serio implica saber cuándo dejar de pedirle que adivine.
Perfiles verificables: Sitio web
Publicado el 1 de November de 2026. Última revisión: 1 de November de 2026.
