Lo difícil de crear una app de cuentos personalizados con IA

Lo difícil de crear una aplicación de cuentos personalizados con IA no es generar una imagen. Es todo lo demás.

Hace unos meses empecé a desarrollar Buklea, un proyecto personal que nació con una idea muy sencilla: crear cuentos personalizados para mis hijos utilizando inteligencia artificial. Sobre el papel parecía fácil: el usuario sube una foto, escribe algunos datos y la IA genera una historia ilustrada en la que el niño o la niña se convierte en protagonista.

La realidad es bastante distinta. Hoy existen modelos capaces de generar imágenes impresionantes con muy poco esfuerzo, así que el reto ya no está solo en conseguir una ilustración bonita. El verdadero reto está en construir un producto que funcione de forma consistente, segura, escalable y económicamente viable.

Durante el desarrollo de Buklea me encontré con varios problemas interesantes que creo que son comunes a muchos productos basados en IA generativa.

1. La consistencia es mucho más difícil de lo que parece

Si una historia tiene 20 páginas, no basta con que cada ilustración sea buena de forma aislada. El personaje debe seguir pareciéndose al niño en todas las escenas, la ropa debe mantenerse consistente, los objetos importantes tienen que aparecer correctamente y los escenarios deben evolucionar de una manera lógica.

Todo esto debe ocurrir mientras el personaje cambia de pose, expresión, iluminación o ángulo de cámara. Los modelos actuales han mejorado muchísimo, pero siguen teniendo dificultades cuando se les exige mantener coherencia a lo largo de secuencias largas.

De hecho, gran parte del trabajo no consiste en generar imágenes, sino en diseñar sistemas que ayuden a los modelos a recordar qué deben mantener entre una página y la siguiente. Este tema da para un artículo completo por sí solo.

2. La privacidad se vuelve crítica cuando trabajas con menores

Uno de los aspectos que más me hizo reflexionar fue la gestión de las imágenes de referencia. Para conseguir buenos resultados, normalmente el sistema necesita utilizar fotografías del niño o la niña, y eso plantea preguntas importantes desde el primer momento:

• ¿Dónde se almacenan esas fotografías?
• ¿Quién puede acceder a ellas?
• ¿Cómo evitamos que aparezcan en otro contexto?
• ¿Cómo permitimos que los modelos las utilicen sin exponerlas a otros usuarios?

Cuando hablamos de menores, la privacidad deja de ser una característica más del producto y se convierte en uno de los requisitos principales del sistema. La arquitectura técnica debe diseñarse pensando en ello desde el primer día, no añadirse después como una capa de protección improvisada.

3. Generar imágenes es caro

Existe la percepción de que la IA ha abaratado enormemente la creación de contenido, y en parte es cierto. Pero cuando intentas construir un producto comercial aparecen nuevas preguntas.

Un cuento puede requerir decenas de imágenes. Cada imagen tiene un coste, cada regeneración tiene un coste, las pruebas tienen un coste y los errores también. De repente, el modelo de negocio empieza a estar muy condicionado por la tecnología utilizada.

Muchas veces el reto no es generar mejores imágenes, sino conseguir que la experiencia siga siendo rentable para el usuario y para el producto.

4. Diseñar el producto es más importante que la infraestructura

Como ingenieros solemos caer en la tentación de diseñar arquitecturas complejas demasiado pronto: CDNs avanzadas, múltiples capas de caché, sistemas distribuidos o colas para todo. Son problemas interesantes, pero no siempre son los problemas que toca resolver primero.

En proyectos pequeños o en fase de validación, la prioridad suele estar en otro sitio. La pregunta importante no es si tu sistema puede generar un millón de cuentos. La pregunta importante es si alguien realmente quiere utilizarlo.

Durante el desarrollo de Buklea he intentado recordarme constantemente que el objetivo no es construir la arquitectura perfecta, sino aprender lo máximo posible con la menor complejidad posible.

Lo que más me ha sorprendido

Quizá lo más curioso de todo el proyecto es que los retos más difíciles no han sido los que esperaba cuando empecé. Pensaba que el problema principal sería generar las ilustraciones, pero esa ha sido la parte sencilla.

Lo complicado ha sido todo lo que rodea a esas ilustraciones: consistencia, privacidad, costes, experiencia de usuario y diseño de producto. Y sospecho que esto ocurre en muchos proyectos de IA generativa.

En los próximos artículos intentaré profundizar en algunos de estos temas y compartir las soluciones que he ido explorando durante el desarrollo de Buklea.