año 14 • n° 24 • septiembre• febrero 2026 • argentina
E-ISSN: 2344-9551
| 1 |
La Ia como andamiaje cognitivo en la didáctica del diseño de marca gráfica
Ai As A Cognitive Framework In The Teaching Of Design Process Of Branding
Adriana Judith Cardoso Villegas
Benemérita Universidad Autónoma de Puebla
Ciudad de Puebla, México
adriana.cardoso.villegas@gmail.com
Aileen Lira Romero
Benemérita Universidad Autónoma de Puebla
Ciudad de Puebla, México
aileenlira12@gmail.com
Belem Ramírez Solano
Benemérita Universidad Autónoma de Puebla
Ciudad de Puebla, México
belemsolano29@gmail.com
Fecha de envío: 08/02/25
Fecha de aceptación:26/06/25
ARK:https://id.caicyt.gov.ar/ark:/s23449551/mt244u54v
Palabras clave: Alfabetidad visual; Didáctica del diseño; Inteligencia Artificial; Marca gráfica; Proceso de
diseño.
Resumen
El presente artículo analiza la integración de la Inteligencia Artificial Generativa (IAG) en el
proceso de enseñanza-aprendizaje del diseño de identidad visual, superando la dicotomía de
sustitución laboral para centrarse en el uso reflexivo y crítico como herramienta didáctica. A través
de un enfoque mixto con mayor énfasis cualitativo a través de la observación estructurada del
proceso de diseño de la marca gráfica del CAM (Centro de Atención Múltiple), se examina cómo
UCES.DG · enseñanza y aprendizaje del diseño
año 14 • n° 24 •septiembre • febrero 2026 • argentina
E-ISSN: 2344-9551
| 2 |
la IA interviene en las fases metodológicas de Joan Costa. Los resultados evidencian que, si bien
la IA acelera la divergencia creativa y la exploración cromática, presenta limitaciones semánticas
en la síntesis marcaria. Se concluye que la enseñanza del diseño en la era de la IA debe transitar
de la operación técnica a la alfabetidad visual, donde el estudiante actúe como un estratega que
valida la funcionalidad comunicativa de los outputs generados.
Abstract
This article analyzes the integration of Generative Artificial Intelligence (GAI) into the teaching
and learning process of visual identity design, moving beyond the dichotomy of job replacement
to focus on its reflective and critical use as a didactic tool. Through a mixed-methods approach
with a greater emphasis on qualitative research, specifically structured observation of the graphic
brand design process for the CAM (Multiple Attention Center), the article examines how AI
intervenes in Joan Costa's methodological phases. The results show that, while AI accelerates
creative divergence and chromatic exploration, it presents semantic limitations in brand synthesis.
The article concludes that design education in the AI era must shift from technical operation to
visual literacy, where the student acts as a strategist who validates the communicative functionality
of the generated outputs.
Keywords∶ Branding; Design didactics; Design process; Artificial Intelligence; Visual literacy.
Introducción
UCES.DG · enseñanza y aprendizaje del diseño
año 14 • n° 24 •septiembre • febrero 2026 • argentina
E-ISSN: 2344-9551
| 3 |
Hacia el año 2026, la discusión sobre la Inteligencia Artificial en las aulas de diseño ha madurado.
Hemos pasado de la resistencia inicial a una necesidad imperante de integración curricular. Sin
embargo, persiste una brecha entre el uso lúdico de estas herramientas y su aplicación profesional
rigurosa. En el contexto de la Licenciatura en Diseño Gráfico de la Benemérita Universidad
Autónoma de Puebla (BUAP), se detectó que, aunque el alumnado reconoce las herramientas de
IA, carece de una metodología para insertarlas en procesos complejos como el diseño de marcas
gráficas.
Ahora bien, aunque dentro de las instituciones educativas públicas y privadas que imparten la
licenciatura en diseño gráfico en México, se habilita a los estudiantes en softwares para el diseño
y herramientas tecnológicas, existen diseñadores que perciben a la IA como una amenaza en el
mundo laboral al pensar que pueden ser remplazados por esta tecnología. Por lo que es de suma
importancia que los diseñadores cuenten con más información sobre las IA’s, para utilizarlas
selectivamente y con mayor provecho en acciones y tareas específicas, porque en un futuro no tan
lejano estará incorporada sin pedir permiso, por lo cual sería recomendable iniciar a los estudiantes
en el uso de las IA’s con control y evaluación de para qué, cómo y cuándo utilizarlas. Evidenciando
si el uso de la IA como herramienta favorece o no, a las acciones y tareas del proceso de diseño de
la marca gráfica. Y si la forma de emplearla por parte de los estudiantes potencia la didáctica del
diseño gráfico.
Este artículo no busca defender la tecnología per se, sino indagar, desde una visión humanista y
social, cómo estas herramientas pueden fungir como "andamiajes cognitivos" que potencien, y no
reemplacen, las capacidades de análisis, síntesis y abstracción del estudiante.
Metodología Proyectual
UCES.DG · enseñanza y aprendizaje del diseño
año 14 • n° 24 •septiembre • febrero 2026 • argentina
E-ISSN: 2344-9551
| 4 |
La investigación se fundamenta en el diálogo entre la teoría clásica del diseño y las nuevas
tecnologías.
Se retoma el modelo de Joan Costa (1989), dividiendo el proceso en fases conceptuales y de
formalización, y los parámetros de alto rendimiento de Norberto Chaves y Raúl Belluccia (2003)
como filtros de calidad ineludibles para el diseño de identidad visual y de la marca gráfica.
La marca gráfica es un concepto que denomina al conjunto de elementos visuales (logotipo, signo
simbólico y color) que se utilizan para identificar, reconocer y distinguir a una organización o
producto. Tomando como referente principal el modelo del proceso de diseño de una identidad
visual de Costa (1989) ver figura 1. Así como la evaluación de funcionalidad de un signo marcario
de Bellucia (2003) y las fases de evaluación con el cliente y el usuario (fig. 2).
El modelo de Joan Costa consiste en 2 fases que se complementan:
1. El aspecto conceptual de la marca que contiene tres pasos.
● La definición del autoconcepto de la empresa.
● El análisis de la imagen existente.
● El estudio del sistema de comunicaciones de la empresa.
2. Se trabaja con la hipótesis creativa donde se emplean dos pasos.
● Orientación y coherencia, que abarca la relación entre el concepto, los objetivos y
filosofía con la imagen, así mismo incluye el proceso de creación de la identidad,
iniciando con el logotipo, el símbolo, la gama cromática, el identificador y el
sistema del diseño.
● Abarca el sistema de identificación de la parte formal de la imagen.
Fig. 1
UCES.DG · enseñanza y aprendizaje del diseño
año 14 • n° 24 •septiembre • febrero 2026 • argentina
E-ISSN: 2344-9551
| 5 |
Modelo para la identidad visual
Elaboración con información de Costa, 1989
Bellucia (2003) establece la evaluación de funcionalidad de un signo marcario a través de
categorizar catorce parámetros (calidad gráfica genérica, ajuste tipológico, corrección estilística,
compatibilidad semántica, suficiencia, versatilidad, vigencia, reproductibilidad, legibilidad,
inteligibilidad, pregnancia, vocatividad, singularidad, declinabilidad) que permiten al diseñador
determinar si la solución gráfica propuesta cumple con los atributos y cualidades señaladas en cada
parámetro y establecer si funcionará en el reconocimiento, identificación y notoriedad ante los
usuarios.
Con la intención de cumplir con los atributos de la marca gráfica se incluyen dos fases
correspondientes a la evaluación con el cliente y el usuario como se muestra en la figura 2.
UCES.DG · enseñanza y aprendizaje del diseño
año 14 • n° 24 •septiembre • febrero 2026 • argentina
E-ISSN: 2344-9551
| 6 |
Fig.2
Modelo del proceso de diseño seguido por los estudiantes
Elaboración propia con información Costa (1989) y Bellucia (2003)
A continuación, se describen brevemente las acciones y tareas que integran cada fase del modelo
de proceso de diseño propuesto.
Tabla 1
Fases, acciones y tareas del modelo de proceso de diseño utilizado
Fase
Acciones y tareas
Definición del
autoconcepto
Realización del brief que incluya: Datos e información del cliente,
objetivo del proyecto, misión, visión, objetivos, filosofía e historia de la
UCES.DG · enseñanza y aprendizaje del diseño
año 14 • n° 24 •septiembre • febrero 2026 • argentina
E-ISSN: 2344-9551
| 7 |
organización, información demográfica, sicológica y geográfica del
usuario. Se integró a Chat GPT y Copilot.
Análisis de la imagen
existente
Desarrollo del benchmarking de la competencia y realización del FODA
de la organización. Se recurrió a Copilot y Canva.
Orientación y
Coherencia
Identificación de los conceptos y atributos de la organización a través del
uso de lluvia de ideas, asociación y generación del cuadro de pertinencias.
Se utilizaron Kroma, Copilot y Fontjoy.
Sistema de
identificación de la
imagen
Proceso de bocetaje que incluya la etapa analógica y digital con ayuda de
Chat GPT, Copilot, Kroma, Canva y Fontjoy.
Prueba de
funcionalidad
Evaluación de los catorce parámetros propuestos por Bellucia (2003), se
diseñó una rúbrica con Chat GPT para evaluar a los prototipos generados
y se seleccionaron los tres prototipos que cumplieron con los catorce
parámetros.
Evaluación con los
usuarios
Evaluación cualitativa de los tres prototipos seleccionados de la prueba de
funcionalidad, utilizando un formato de evaluación adaptado del test de
inteligibilidad y comprensión de Siebenhandl et al. (2007).
Evaluación y
realimentación
del cliente
Presentación al cliente de los prototipos evaluados con los usuarios para
su retroalimentación y observaciones para la entrega final de la marca
gráfica.
Elaboración propia.
Inteligencia Artificial Generativa (IAG)
Se conceptualiza la IAG no como un autor, sino como una herramienta de procesamiento de Big
Data y Deep Learning (McCarthy, 2007) capaz de emular patrones, pero carente de
intencionalidad semántica propia.
UCES.DG · enseñanza y aprendizaje del diseño
año 14 • n° 24 •septiembre • febrero 2026 • argentina
E-ISSN: 2344-9551
| 8 |
El concepto de inteligencia artificial se ha definido por algunos autores como McCarthy (2007) en
la ciencia e ingeniería de la fabricación de máquinas inteligentes que incluyen programas
informáticos inteligentes que buscan igualar las funciones de la inteligencia humana, lo que ya
acontecía como un gran avance tecnológico, sin embargo, estos programas informáticos hacían lo
que los humanos les ordenaban o codificaban. El avance continuó hasta revolucionar la misma IA
para que no ejecutara sólo lo que se le ordenaba, sino que fuera hacia resolver problemas y
autocorregirse para obtener mejores respuestas.
Para describir a la inteligencia artificial se deben abordar conceptos como el de machine learning
y big data. El primero aborda el aprendizaje automático de las máquinas, éstas son capaces de
aprender de su entorno, generalizar a través de la información que recolectan de una base de datos
(big data). En la evolución de procesamiento cada vez más sofisticado surge el deep learning que
contiene una red neuronal que trabaja para emular el comportamiento del cerebro humano. Las
redes neuronales se inspiran en la forma en que se comportan las neuronas biológicas del cerebro
humano.
En este avance revolucionario de la IA, surge otro tipo de inteligencia artificial denominada IAG,
que tiene la capacidad de copiar la inteligencia humana, es adaptable y resuelve simulando a la
mente humana con base en los dominios cognitivos, realizando estos procesos con modelos
computacionales. Lo interesante de este tipo de inteligencia artificial es que integra en las
soluciones, percepciones sensoriales como el color, sonido, profundidad, imágenes, dimensiones
que le permitan crear pinturas, canciones, videos, imágenes originales que colocan en una línea
muy fina al trabajo creativo humano. Por lo que preguntarse qué tanto debe incluirse a las IA’s en
la formación universitaria como parte cotidiana del campo de acción de los diseñadores se está
convirtiendo en una pregunta válida.
Metodología
Se empleó un enfoque mixto con énfasis cualitativo-crítico en dos fases:
Fase Diagnóstica (Cuantitativa): Muestreo probabilístico sistemático a 40 estudiantes de la
licenciatura en diseño gráfico de la Benemérita Universidad Autónoma de Puebla, de los semestres
de sexto y séptimo semestre, que hubieran cursado las asignaturas del eje de tecnología. Se evaluó
UCES.DG · enseñanza y aprendizaje del diseño
año 14 • n° 24 •septiembre • febrero 2026 • argentina
E-ISSN: 2344-9551
| 9 |
el nivel de adopción, miedos (sustitución laboral) y conocimientos técnicos sobre los tipos de IA’s
y su vinculación con las tareas de diseño gráfico.
Obteniendo como resultado que los estudiantes identifican aplicaciones de IA como el Chat GPT
en mayor medida seguido de mencionar algunas tales como Da Vinci, Lisa IA, Envenlabs, Voice
AI, DALL-E, Crayon, en menor medida. Sin embargo, cuando se les preguntó sobre cuáles IA’s
han utilizado en asignaturas de la carrera o para realizar algún proyecto de diseño gráfico, el 52.6%
mencionó que ninguna y el 47.4% han utilizado ocasionalmente Chat GPT, Kitz.AI, Canva, Bing,
Pix AI, Blackbox, Leonardo.AI. En la pregunta específica sobre utilizar la IA para la creación de
una identidad visual el 76.3% mencionó que nunca. Los estudiantes señalaron que ubican el uso
de la IA en el desarrollo de una identidad visual en el proceso de naming y aplicación de color en
su mayoría. Además, señala un 50% que el beneficio principal de implementar la IA en el diseño
de una identidad visual será la reducción de tiempo en contraste con un 37% que vislumbra la
generación de varias propuestas de marcas gráficas. Sin embargo, el 71% medianamente tendría
la confianza de utilizar la IA para un proyecto real. También existe un desconocimiento sobre el
costo comercial de implementar IA para diseñar y presupuestar el cobro de un proyecto de diseño
gráfico. El 55% mencionó que la cotización de un proyecto no se modificaría, el 21% que
disminuiría y el 21% que aumentaría, el resto señaló que depende del trabajo humano. El 58% está
de acuerdo en pagar por el uso de una aplicación de IA contra el 42% que no lo está. Con esta
encuesta se puso de manifiesto que a pesar de hablarse de IA e identificar algunas herramientas
todavía existe una falta de información, impresiones erróneas, así como poca vinculación del uso
óptimo en la formación académica universitaria.
Fase Experimental (Cualitativa - Investigación Acción): Se realizó un análisis cualitativo sobre las
herramientas de IA que por sus cualidades y características podían ser utilizadas en las tareas de
diseño gráfico, aquí se incluyó la entrevista a 3 especialistas en el uso de la inteligencia artificial
de la Facultad de Computación de la Benemérita Universidad Autónoma de Puebla, así como las
IA’s señaladas en la encuesta realizada a los estudiantes de diseño gráfico. Aquí se llevó a cabo la
observación estructurada del proceso de diseño de un equipo de cinco estudiantes encargados de
rediseñar la identidad visual del "Centro de Atención Múltiple (CAM) Club de Leones A.C. y se
formuló un reporte de las acciones y tareas que mediaron el proceso de diseño; integrando de una
UCES.DG · enseñanza y aprendizaje del diseño
año 14 • n° 24 •septiembre • febrero 2026 • argentina
E-ISSN: 2344-9551
| 10 |
forma controlada las herramientas de IA’s (ChatGPT, Bing, Khroma, Fontjoy, Copilot,
Midjourney, DALL-E) en las 4 fases del diseño de marca: Autoconcepto, Análisis, Estrategia y
Sistema de Identificación.
Resultados
La intervención arrojó hallazgos significativos divididos por fases metodológicas que se
desscriben en la Tabla 2.
a) La IA como asistente de investigación (Fases 1 y 2).
Contrario a la expectativa de automatización total, los estudiantes descubrieron que la IA
(ChatGPT) no podía sustituir el contacto humano necesario para definir el "Autoconcepto" de una
organización social. La entrevista presencial fue insustituible. Sin embargo, en el análisis de
competencia, herramientas como Chat de Bing optimizaron el benchmarking al procesar grandes
volúmenes de datos sobre instituciones similares, reduciendo tiempos de investigación
documental.
b) La barrera semántica en la formalización (Fases 3 y 4)
Este fue el hallazgo más revelador desde la perspectiva didáctica, en la técnica de Lluvia de ideas
y diseño de paletas de colores, las herramientas como Khroma, Fontjoy y ChatGPT funcionaron
excelentemente para generar divergencia (conceptos de inclusión, autonomía, respeto) y opciones
cromáticas y tipográficas. Sin embargo al intentar generar el imagotipo final
mediante Midjourney o DALL-E, los estudiantes se enfrentaron a resultados visualmente
impactantes pero semióticamente disfuncionales. Las IAs tendían a la ilustración compleja, el
exceso de detalle y la literalidad, fallando en los principios de síntesis, pregnancia y
reproductibilidad exigidos por Belluccia. Por lo que se dio lugar a la necesidad del híbrido. Los
estudiantes tuvieron que recurrir al bocetaje analógico y la vectorización manual para "traducir" y
UCES.DG · enseñanza y aprendizaje del diseño
año 14 • n° 24 •septiembre • febrero 2026 • argentina
E-ISSN: 2344-9551
| 11 |
simplificar las sugerencias de las IA’s. El uso exclusivo de la IA no generó la marca final; entregó
materia prima visual que requirió intervención humana experta.
Tabla 2
Reporte de actividades de las fases del proceso de diseño con intervención de IA’s
Fase 1:
Definición del
autoconcepto
En esta fase no fue necesario el uso del Chat GPT propuesto, la
información fue proporcionada a través de entrevistas
realizadas con el cliente y usuarios del Centro de Atención
Múltiple, Club de Leones A.C.
Fase: 2:
Análisis de la
imagen existente
Se utilizó Chat de Bing al ser un navegador de Microsoft y venir
incluido en el correo institucional lo que favoreció a los
estudiantes, con esta herramienta se desarrolló la búsqueda de
la competencia y análisis sobre las instituciones que ofrecen los
mismos servicios.
Fase 3:
Orientación y
Coherencia
Para obtener los conceptos que la organización buscaba
transmitir a sus usuarios, manteniendo una coherencia entre el
concepto, filosofía, objetivos e imagen se realizaron las
siguientes acciones que incluyeron las herramientas de las IA’s
propuestas.
1. Se creó una lluvia de ideas con base en los conceptos de la
institución, utilizando Chat GPT para la definición y
descripción de conceptos y sinónimos.
2. Se seleccionaron los mejores 5 conceptos que caracterizaban
y eran relevantes para la organización. Centro de atención
múltiple, inclusión, superación, respeto y autonomía.
3. Se creó un cuadro de pertinencias con las categorías:
definición, código tipográfico, cromático, morfológico y
fotográfico.
UCES.DG · enseñanza y aprendizaje del diseño
año 14 • n° 24 •septiembre • febrero 2026 • argentina
E-ISSN: 2344-9551
| 12 |
Copilot de Microsoft se utilizó en la definición; Khroma se
empleó para crear paletas de colores de acuerdo con cada
concepto señalado; Fontjoy permitió la selección del código
tipográfico. Chat de Bing y Copilot para la integración de
imágenes en diferentes niveles de iconicidad.
Fase 4:
Sistema de
identificación de la
imagen.
Según los resultados del benchmarking, se estableció que la
solución gráfica requería del diseño de un imagotipo.
Para realizar el proceso de bocetaje se desarrollaron seis etapas.
Etapa 1: Emplearon el recurso del cuadro de pertinencias y
generaron combinaciones de forma analógica, con
representaciones en media abstracción y uso de técnicas como
el lápiz, plumón y tinta. Se seleccionaron posibilidades y se
trasladaron a la versión digital. Donde se realizó otro proceso
de selección bajo los criterios de originalidad, asociación y
síntesis de forma.
Etapa 2: Se realizó la creación de imágenes que funcionaran
como signo marcario, tomando el proceso de la etapa uno con
el uso de Copilot se obtuvieron imágenes; los estudiantes
descubrieron de la importancia de establecer órdenes claras,
directas y muy específicas, también hubo un desencanto por los
integrantes cuando encontraron que las imágenes generadas
eran demasiado complejas para ser utilizadas como un signo-
simbólico marcario, además de ser repetitivas.
Se dieron cuenta que términos como “logo”, símbolo y centro
de atención múltiple, no funcionaron como prompts, porque les
otorgaba otro significado y por ende se modificaban los
resultados visuales.
Ante la necesidad de continuar generando imágenes, los
estudiantes recurrieron al pago de una membresía de
UCES.DG · enseñanza y aprendizaje del diseño
año 14 • n° 24 •septiembre • febrero 2026 • argentina
E-ISSN: 2344-9551
| 13 |
Midjourney para complementar Copilot e incluyeron DALL-E a
través de Canva. Se realizó una tabla de órdenes para no repetir
conceptos o términos entre los estudiantes.
Etapa 3: Seleccionaron las soluciones visuales resultado de las
IA’s que contenían elementos o cuya composición podía ser
utilizada en la construcción de signo marcario, combinando el
trabajo análogo y digital.
Etapa 4: Se realizó la selección tipográfica para la marca con el
uso de la herramienta Fontjoy para la creación estructural de
tipografías, combinando la selección digital y el proceso
analógico-digital de la composición tipográfica en la creación
del logotipo.
Etapa 5: Las propuestas hasta esta fase estuvieron en blanco y
negro; para poder crear la gama cromática adecuada se
seleccionaron los colores de las paletas cromáticas generadas en
el cuadro de pertinencias con khroma y realizaron variaciones
de tonos y saturaciones.
Etapa 6: Se realizó un inventario de las propuestas generadas a
partir de la etapa 1, 2 y se seleccionaron seis imagotipos que
fueron congruentes con los conceptos.
Los estudiantes reflexionaron en cuanto a las soluciones
visuales obtenidas para continuar con las siguientes fases
metodológicas, para lo cual decidieron que podían avanzar a la
evaluación, pues la retroalimentación con soluciones anteriores
se llevó a cabo en el momento en que no lograban combinar la
versión obtenida con las IA’s y cuando diseñaron utilizando
algunos elementos de las imágenes obtenidas con las IA’s,
sugiriendo a los diseñadores evaluar si vale la pena invertir
UCES.DG · enseñanza y aprendizaje del diseño
año 14 • n° 24 •septiembre • febrero 2026 • argentina
E-ISSN: 2344-9551
| 14 |
tiempo en reconstruir un signo-marcario a partir de las
soluciones otorgadas por las IA’s.
Elaboración propia.
Los resultados demuestran que la IA en el diseño gráfico opera bajo la lógica de la probabilidad,
no de la funcionalidad comunicativa; existe la ilusión de la inmediatez, si bien se generan imágenes
en segundos, construir un signo marcario funcional requiere un proceso iterativo con instrucciones
sintácticas y semánticas que exigen al estudiante un vocabulario técnico preciso.
Se reflexiona sobre la revalorización del oficio, lejos de volver obsoleto al diseñador, la IA
evidenció que sin conocimientos sólidos de composición, tipografía y semiótica, las herramientas
generan "ruido visual". La alfabetidad visual es el filtro indispensable.
Conclusiones
La integración de la IA en la enseñanza del diseño gráfico no debe enfocarse en la operatividad
del software, sino en el desarrollo del pensamiento crítico.
La IA actúa eficazmente como herramienta de divergencia al generar muchas opciones, aunque
hasta este momento, falla en la convergencia para seleccionar la mejor opción funcional. En el
campo del diseño gráfico cada día se especializa más, los estudiantes de diseño gráfico en menor
medida reconocen sotware y aplicaciones derivadas de la IA que utilicen como herramientas que
incluyan dentro de su proceso de diseño y logren las soluciones visuales que presenten a docentes
y futuros clientes. En su mayoría lo más utilizado es el Chat GPT que utilizan para investigación,
análisis y redacción de documentos. Más del 65% de los estudiantes tienen una visión optimista al
percibir a las IA’s como una oportunidad y se muestran interesados en que sean guiados por sus
docentes para incluirlas de una forma funcional y ética.
El 50% de los participantes valoró la "reducción de tiempo" como principal beneficio, pero
paradójicamente, el tiempo de "corrección" de los errores mostrados en las soluciones visuales
creadas por la IA aumentó, se dieron cuenta que emplearon más tiempo al buscar soluciones
visuales generadas por las IA’s debido a que no cumplían con los requisitos para ser un signo
marcario, no reflejaban los conceptos a transmitir por la organización, eran demasiado recurrentes
UCES.DG · enseñanza y aprendizaje del diseño
año 14 • n° 24 •septiembre • febrero 2026 • argentina
E-ISSN: 2344-9551
| 15 |
y algunas se alejaban totalmente por exceso de elementos, colores, falta de composición, nivel de
iconicidad no pertinentes.
Se puso de manifiesto que a pesar de que las IA’s pueden y serán utilizadas por cualquier persona
sea diseñador(a) o no, se debe contar con una alfabetidad visual y conocimiento previo para que
las soluciones visuales puedan ser funcionales, lo que de algún modo alienta a los diseñadores a
dominar su oficio además de instruirse en el uso y aplicación de las IA’s.
Como docentes, nuestro rol es enseñar a los estudiantes a estructurar órdenes (prompts) con
terminología disciplinar correcta. Auditar rigurosamente los resultados bajo parámetros de calidad
(legibilidad, escalabilidad entre otros). Y a entender a la IA como un colaborador y no como el
ejecutor final. El miedo a la sustitución se disipa cuando el estudiante comprende que la IA puede
generar imágenes, pero solo el diseñador puede dotarlas de sentido, identidad y pertinencia social.
Referencias Bibliográficas
Brandemia. (2023, May 15). Herramientas IA aplicadas al diseño, ¿amenaza u oportunidad?
Recuperado en https://brandemia.org/herramientas-ia-diseno-grafico-amenaza-oportunidad
Costa, J. (1989). Imagen Global. Evolución del diseño de la identidad. Ediciones CEAC
Chaves, N. & Bellucia R. (2003). La marca corporativa. Gestión y diseño de símbolos y
logotipos. Paidós.
IBM. (n.d.). ¿Qué es machine learning? Consultado el 11/05/2023 en: https://www.ibm.com/mx-
es/topics/machine-learning#:~:text=el%20siguiente%20paso-
,%C2%BFQu%C3%A9%20es%20machine%20learning%3F,historia%20con%20el%20machine
%20learning.
Georgieva, K. (2024, Jan, 16). La economía mundial transformada por la inteligencia artificial
ha de beneficiar a la humanidad. Recuperado en:
https://www.imf.org/es/Blogs/Articles/2024/01/14/ai-will-transform-the-global-economy-lets-
make-sure-it-benefits-humanity
UCES.DG · enseñanza y aprendizaje del diseño
año 14 • n° 24 •septiembre • febrero 2026 • argentina
E-ISSN: 2344-9551
| 16 |
McCarthy, J. (11, noviembre de 2007). “What Is Artificial Intelligence” Universidad de
Stanford. Sección Basic Questions. Recuperado en: http://www-
formal.stanford.edu/jmc/whatisai/node1.html
Siebenhandl, K., Risku, H., Brugger, C., Simlinger, P. y Egger, S. (2007). Evaluating the
comprehensibility of visualized information for the Trans-European Road Network (Tern).
Recuperado el 25 de agosto de 2021 de https://
www.academia.edu/24049176/Evaluating_the_Comprehensibility_of_
Visualized_Information_for_the_Trans_European_Road_Network_Tern_
