La inteligencia artificial ya acorta tiempos y presupuestos en el desarrollo de envases, pero no sustituye el criterio humano. Esa es la idea central de una conversación que tuve con Guillermo Dufranc, gerente de proyectos de Tridimage.
En más de dos décadas, Dufranc ha gestionado cerca de 700 proyectos de branding e innovación de envases en la región, muchos de ellos para marcas propias. Es facilitador de procesos creativos con design thinking, referente en envases sostenibles y economía circular, y autor de varios libros sobre packaging. Aquí un resumen de las conclusiones principales.
Ejecutar rápido, pensar mejor
Hace apenas dos años, explica Dufranc, muchas tareas obligaban a contratar fotógrafos, ilustradores o animadores, con el tiempo, el presupuesto y la coordinación que eso implica. Hoy buena parte de ese trabajo se resuelve en horas. Eso no significa que un proyecto de un mes ahora tome dos días, aclara, pero los tiempos y los presupuestos sí se han ajustado.
Lo que casi no ha cambiado es el tiempo necesario para pensar una idea. Por eso, para Dufranc, «el valor no está en ejecutar, sino en pensar y en saber pensar». La IA es magnífica para producir algo que parece terminado, pero terminado no significa bueno: el criterio, la inspiración y la capacidad de elevar una propuesta siguen siendo humanos.
Ese cambio también redefine los equipos. Más que un especialista en IA, Dufranc busca profesionales con conocimientos complementarios y, sobre todo, curiosidad. Tener acceso a una herramienta no equivale a dominar una disciplina: un fotógrafo que trabaja con IA sigue aportando lo que sabe de luz y encuadre.
Lo que la IA te quita, la IA te da
Esa es la frase de cabecera de Dufranc. La IA puede ampliar las posibilidades creativas, pero también empujar hacia soluciones cada vez más parecidas. Como los modelos generativos aprenden de patrones existentes, si todos piden un envase «premium», «minimalista» o «sustentable», las respuestas tienden a repetir los mismos códigos visuales.
El proyecto Mujeres de la Cañada muestra cómo evitarlo. Son mermeladas de higo de tuna, el fruto de un cactus, elaboradas por campesinas de una zona rural remota y árida del norte de Argentina, para quienes el producto es una fuente de ingresos. Con esa información, la IA genera en minutos tres frascos válidos, pero ninguno cuenta la historia. El concepto salió de la observación: el gesto de la mano que toma el fruto entre espinas, una imagen de riesgo y oportunidad a la vez.
La IA entró después, al servicio de esa idea. Con Midjourney, el equipo generó más de 200 patrones para el interior del fruto ilustrado, uno distinto por etiqueta, para representar la historia única de cada mujer. Una tecnología de impresión de datos variables de HP rota, desplaza y escala esos patrones al azar, lo que multiplica las combinaciones por miles. Ilustrarlos a mano habría tomado semanas y un presupuesto que el proyecto no tenía.
Algo similar ocurrió con un juguete que se arma con piezas de envases plásticos desechados, como tapas o frascos de champú, de modo que cada robot es distinto. La IA ayudó a explorar y descartar materiales, pero no dio con la forma. La respuesta surgió de volver al origen del producto, la basura: un empaque de pulpa de cartón con forma de cesto. La pulpa se fabrica en Tierra del Fuego con cajas de componentes electrónicos, así que el envase es reciclado, como el juguete. El proyecto ganó un oro en los Pentawards en diseño sostenible, y la IA sí fue clave para crear los videos con que se dio a conocer.
¿Decidir con consumidores que no existen?
Hay herramientas que prometen anticipar si un empaque funcionará: renders fotorrealistas, eye tracking predictivo e incluso consumidores artificiales. Dufranc las considera útiles para detectar problemas, formular hipótesis y llegar mejor preparado a la investigación, pero no confiaría en ellas al 100 % para decidir un lanzamiento. Como en cualquier estudio, primero hay que saber qué se quiere averiguar, y queda un factor difícil de simular: la sorpresa que un diseño produce en una persona.
Sostenibilidad: una aliada que exige criterio
Para Dufranc, la mayor amenaza para la sostenibilidad no es la tecnología sino las decisiones humanas. Ve en la IA una oportunidad de optimización para reducir tiempos, impactos y costos, siempre que se tengan claras las prioridades: evitar microplásticos, reducir la huella de carbono o mejorar la reciclabilidad son metas válidas que a veces compiten entre sí.
Con el avance de la responsabilidad extendida del productor en países como Colombia y Chile, la IA puede entrenarse con normativas e informes de materiales para sugerir mejoras, como aligerar un envase. Pero esas sugerencias requieren control estricto, porque un envase más frágil puede generar desperdicio de producto. Además, que un material sea reciclable no significa que se recicle: depende de la infraestructura de recolección y clasificación de cada región. Con los mensajes ambientales pasa lo mismo, ya que la IA puede ayudar a detectar el greenwashing, pero también a producirlo.
Una herramienta al alcance de las pymes
La IA abre a pymes, emprendedores y marcas propias recursos que hasta hace poco eran exclusivos de las grandes compañías. Con suscripciones desde unos 20 dólares al mes es posible investigar mercados, preparar presentaciones y producir imágenes y videos de buena calidad. La condición, insiste Dufranc, es cuidar el criterio: incluso grandes marcas publican anuncios hechos con IA a los que les falta la chispa creativa.
Una línea de alimento para mascotas de una empresa latinoamericana muestra el potencial. Fotografiar animales exige encontrar dueños dispuestos, días de sesión y mucho retoque, y es casi imposible lograr consistencia, por ejemplo, que todos los gatos de una línea aparezcan corriendo. Al principio la IA daba resultados demasiado artificiales, pero en menos de un año el equipo aprendió a combinar fotos reales e imágenes generadas hasta volverlas indistinguibles.
Eso también resuelve un problema de los bancos de imágenes: un cliente llegó a ver en el punto de venta la misma foto en el envase de un competidor. Al buscar las imágenes generadas en Google, nunca aparece una idéntica, lo que da exclusividad sin pagar derechos.
Autoría y confidencialidad
La confidencialidad es, para Dufranc, el punto más delicado. Algunas empresas grandes prohíben por contrato el uso de IA, y su agencia trabaja con carpetas y servidores locales para que los archivos de los clientes no alimenten las plataformas. En cuanto a la autoría, hay precedentes de que la IA no puede ser reconocida como autora: el autor es la persona y la IA es el medio. Lo registrable es la combinación final de elementos, igual que cuando se registra un envase con fotos de un banco de imágenes.
Un proyecto de etiquetas creado para mostrar las posibilidades de los acabados con foil lo ilustra. Tridimage y estudios de Chile, Argentina, Colombia y Perú diseñaron cada uno una parte de la etiqueta sin saber qué harían los demás, y ningún resultado se pareció a otro. La IA sirvió para crear renders y el video de presentación, pero la idea rectora y el conocimiento técnico de impresión fueron humanos. El proyecto recibió hace pocas semanas un Pentaward en Londres.
Donde la IA todavía no llega
En diseño estructural, la IA ayuda a bocetar, mejorar formas y producir renders más rápido, pero el archivo final de producción todavía exige conocer la maquinaria y los moldes. Lo mismo ocurre al adaptar artes para varios países: la IA es muy útil para revisar textos legales y comparar versiones, pero no puede aplicar sola los sellos de advertencia nutricional, cuyos tamaños dependen de cálculos sobre el área frontal de cada envase.
Tres tareas para los próximos 90 días
Para un gerente de marca o un ingeniero de envase que quiera empezar ya, Dufranc propuso tres pasos. Primero, mapear el portafolio de marcas: sus territorios conceptuales, las necesidades que atienden, sus diferencias frente a la competencia y su valor intangible. Segundo, profundizar en las personas que compran, qué valoran, qué las motiva y qué las frustra.
Tercero, construir un mapa de oportunidades por marca o línea, con mejoras de diseño, extensiones, lanzamientos o innovación en materiales, y priorizarlas por impacto y potencial de negocio, sin intentar ejecutarlo todo a la vez. En las tres etapas, la IA ayuda a recopilar información, analizar competidores e identificar patrones.
Al definir la IA en una palabra, eligió «potenciadora». También advirtió contra un mito extendido: que cualquiera puede ser diseñador solo por tener acceso a la IA. La clave, concluyó, es aportarle curiosidad, intención y un punto de vista propio para que el resultado no sea genérico.
