Stanford retira un banner tras usar IA para sustituir a un alumno hispano por una mujer negra

Por The Washington Post · 24 de septiembre de 2026.

Billy Ramirez, estudiante de último curso en Stanford, iba camino de vuelta al campus el viernes cuando un amigo le envió dos fotos: la que le habían tomado en su primer año y la versión que la universidad había colgado ese otoño en un banner del campus. En la segunda, su cara ya no era la suya: había sido sustituida, mediante edición con inteligencia artificial, por el rostro de una mujer negra. Según recoge The Washington Post, Stanford retiró el cartel y reconoció que el modo en que se usó la IA incumplía su propia normativa.

El material disponible se detiene ahí. No sabemos qué herramienta se empleó, quién encargó la edición, si el objetivo era "diversificar" visualmente el material promocional del campus, ni si es un caso aislado o el primero que sale a la luz. Ante esa escasez de datos, lo honesto es no rellenar con conjeturas: lo verificado es que una universidad de primer nivel usó IA para alterar la identidad racial de un estudiante real en una pieza de comunicación institucional, y que al hacerlo pública tuvo que dar marcha atrás.

Nuestra lectura es que el caso importa menos por la excepción y más por lo que anticipa. Las herramientas de edición generativa han abaratado tanto retocar una fotografía que instituciones con departamentos de marketing serios —no aficionados con una app— pueden acabar publicando algo que borra a una persona concreta sin que nadie active una alarma antes de imprimir el banner. Es un problema de gobernanza interna, no de la tecnología en sí: falta un control de calidad tan básico como preguntar al retratado si reconoce su propia cara.

En general, este tipo de incidentes son el coste de fricción de la fase actual de adopción de IA generativa en comunicación institucional: barata, potente y todavía mal supervisada. No cambia nuestra tesis de fondo sobre el potencial de la IA a largo plazo, pero sí confirma que la parte más difícil de gestionar bien no es la capacidad del modelo, sino el criterio humano —y los procesos de verificación— que rodean su uso.