Archivos de alta costura, inteligencia artificial y homogeneización del ideal corporal

  • Jesús Jonathan Buendía Pacheco Universidad Anahuac Mayab
Palabras clave: Archivos digitales de moda, alta costura, inteligencia artificial, ideal corporal, sesgo algorítmico, cultura visual

Resumen

El presente artículo analiza cómo los archivos digitales de alta costura, al funcionar como bases de datos para el entrenamiento de modelos de inteligencia artificial (IA) generativa, contribuyen a la reproducción y el refuerzo de un ideal corporal normativo. Lejos de constituir repositorios neutrales, estos archivos participan activamente en la consolidación de un régimen escópico que privilegia determinados rasgos físicos —delgadez extrema, juventud y blanquitud— en detrimento de la diversidad corporal. A partir de un enfoque interdisciplinar que articula estudios de moda, teoría crítica de la tecnología y estudios visuales, se examina la relación entre la curaduría histórica de los archivos de moda y los sesgos algorítmicos contemporáneos. El estudio se desarrolla en dos fases: una genealogía visual del ideal corporal en la fotografía de moda del siglo XX y un análisis empírico de imágenes generadas por modelos de IA como Midjourney y Stable Diffusion. Los resultados muestran que estos sistemas no solo replican los estándares archivísticos, sino que los intensifican mediante procesos de homogeneización algorítmica. Se concluye que la aparente objetividad de la IA refuerza dinámicas excluyentes de representación corporal, con implicaciones sociales, culturales y políticas relevantes, y se proponen líneas de intervención orientadas a una curaduría de datos y un diseño algorítmico más críticos y responsables.

Descargas

Los datos de descargas todavía no están disponibles.
Ver citas

Descarga artículo

Crossmark

Métricas

Publicado
2026-03-11
Cómo citar
Buendía Pacheco J. J. (2026). Archivos de alta costura, inteligencia artificial y homogeneización del ideal corporal. Documentación de las Ciencias de la Información, 49, 79-94. https://doi.org/10.5209/dcin.105692