A OFICINA — ORQUESTRAR, NÃO ENTREGAR

Primero deshacemos el malentendido, porque es el más común y el más perezoso: la máquina no inventa de la nada.

El dibujo que abre esta entrada no salió de un pedido escrito a un modelo genérico. Salió de un modelo base con un LoRA entrenado por encima — un adaptador pequeño, unos cuantos megabytes de pesos, que empuja al modelo hacia un vocabulario visual específico. El mío. Trazos míos, decisiones mías, proporciones mías. La segunda imagen es el croquis a mano del 27 de abril de 2025, hecho sin máquina ninguna. De ahí parte todo. La máquina completa; no concibe.

La fidelidad tiene precio, y la escala es técnica

Hay varias maneras de hacer esto y no son equivalentes. A grandes rasgos, por orden de fidelidad y de coste:

1. Solo prompt sobre modelo genérico. Barato, rápido, y devuelve la media de internet. Sirve para ideas, no sirve para documentos.
2. Prompt + imagen de referencia (img2img, condicionamiento estructural). Ya obedece a la silueta. Cuesta una buena referencia y más iteraciones.
3. Prompt + LoRA propio. Obedece a la mano. Cuesta el dataset, la curaduría de ese dataset — que es el trabajo verdadero — y las corridas de entrenamiento hasta que el adaptador deja de exagerar.
4. Todo eso dentro de un loop humano, con selección en cada paso. El más fiel y el más caro en tiempo. No en dinero: en atención.

Dónde se para depende de lo que se quiera. Un estudio rápido para decidir una proporción no necesita el nivel 3. Un croquis técnico que va al Archive sí. Todo depende — y quien te diga que hay una única respuesta te está vendiendo algo.

El trabajo es la conversación, no el pedido

El ciclo real es este: se escribe, se corre, se mira, se corrige, se corre otra vez. Se genera un lote, se guarda uno. La métrica que importa no es la calidad de la mejor imagen — es la tasa de aprovechamiento del lote, porque es la que dice si el problema está en el modelo o en lo que yo escribí.

Y casi siempre está en lo que yo escribí.

Es lo mismo que en una prueba: se viste, se ve lo que tira, se marca con un alfiler, se vuelve a coser. Solo que el alfiler es una línea de texto y la prueba cuesta segundos en vez de una tarde. Esto es orquestación — secuencia, versionado, selección, repetición — y es aquí donde vive el trabajo. Entregarle el problema a la máquina y aceptar el primer resultado no es usar la herramienta: es firmar debajo de lo que ella devolvió.

Un ejemplo, y es técnico

En casi todos los dibujos los pliegues aparecen dibujados como tejido: caen, drapean, obedecen a la gravedad. La pieza de verdad hace lo contrario — las láminas quedan tensas y el puño mantiene un túnel de 30 cm abierto, como se ve en las dos últimas imágenes.

El modelo no se equivoca por casualidad. Vio un millón de pliegues y ninguno era rígido, así que dibuja el efecto que conoce. La causa está fuera de la imagen: el material es un sintético grueso de marroquinería y no un tejido de vestuario. Eso no se infiere de un píxel — está en la ficha técnica, escrita por alguien que estuvo en el taller.

Por eso el LoRA resuelve la mitad del problema y la otra mitad sigue siendo mía.

La exclusividad no se compra, se alimenta

Modelo genérico devuelve resultado genérico. No es defecto — es la definición: un modelo entrenado en todo devuelve la media de todo. Si una marca quiere producir imagen que nadie más puede producir, tiene que alimentar su propio modelo con su propia identidad. No hay atajo: el material es el dataset, el dataset es el archivo, y el archivo se hace trabajando.

Qué herramientas, qué modelos, qué parámetros — eso queda aquí dentro. No por misterio: porque es la parte que se copia en un minuto y tardó meses en afinarse.

Una última nota de coste, para que no quede demasiado bonito. La mitad de este taller corre local — offline, sin suscripción, nada sale de esta máquina. La otra mitad corre en la nube porque hoy es mejor, y eso quiere decir que es de otra persona. Se elige caso por caso, y se dice cuál fue.