El problema de Midjourney no es el modelo. Deja de escribir mejores prompts.

Pregúntale a un director creativo qué quiere y no te responderá con un párrafo. Abrirá tres referencias, señalará una esquina de una de ellas y dirá: más como esto, menos como aquello.

Midjourney no acepta eso. Ninguna herramienta de imagen basada en chat lo hace. Te dan una caja de texto y tienes que escribir tu intención en palabras.

Ese es todo el problema, y todo lo demás se deriva de ahí.

Las palabras son un formato con pérdida para el gusto

Un prompt es una compresión de lo que realmente quieres, y la mayor parte de lo que quieres no sobrevive a esa compresión. La luz de esa foto. El peso exacto de esa serifa. La razón por la que la caja de Prada se ve cara y la de al lado no. Puedes escribir cuatrocientas palabras y aun así no llegar, y por eso el prompt engineering se convirtió en un oficio.

Peor todavía: todos comprimen de la misma manera. Nadie tiene un vocabulario propio para "cinematográfico", "editorial" o "limpio". Así que mil equipos escriben más o menos los mismos adjetivos en más o menos el mismo modelo y reciben más o menos la misma imagen.

Dylan Field, CEO de Figma, lo explicó con claridad en Lenny's Podcast en octubre de 2025: lo primero que te da la IA es genérico por definición, porque es el promedio de todo lo que ha visto. Los prompts de texto son lo que te mantiene parado dentro de ese promedio. Merriam-Webster eligió "slop" como palabra del año 2025, definida como contenido de baja calidad producido en masa por IA. De ahí sale el volumen.

Hay datos sobre el efecto que esto tiene en un grupo. Anil Doshi y Oliver Hauser publicaron un estudio en Science Advances en 2024 en el que dieron asistencia de IA a escritores. De forma individual, los trabajos asistidos obtuvieron mejores puntuaciones. Comparados entre sí, esos mismos trabajos eran notablemente más parecidos. Todos mejoraron y todos se volvieron más similares al mismo tiempo.

Lo que de verdad produce una buena imagen

No una mejor frase. Mejor material.

Un brief real es una pila de cosas: una foto de referencia, el packaging de un competidor, un informe de mercado, la nota que alguien escribió en una reunión pidiendo que la luz se sintiera como un apartamento de Seúl a las 6 de la tarde. Cuando puedes entregarle al modelo esos objetos en lugar de una descripción de esos objetos, el resultado deja de derivar hacia el promedio, porque los insumos son tuyos y nadie más los tiene.

Lo otro que ocurre es más sutil. Reunir las referencias te obliga a averiguar qué quieres decir realmente. La mayoría de la gente no sabe qué quiere hasta que ve dos opciones juntas y se siente prefiriendo una. Una caja de texto no te da eso. Un muro con tu propio material, sí.

Y después la herramienta tira todo ese trabajo

Supongamos que sacaste una buena imagen. ¿Dónde está?

Está en un hilo de chat, debajo de otros cuarenta intentos y encima de otros sesenta. El hilo es solo tuyo. Nadie más del equipo puede verlo.

Piensa en lo que hay en esas cien imágenes. La versión que estaba casi bien pero demasiado cálida. La que falló de una forma interesante. La dirección que el equipo descartó explícitamente y que alguien va a volver a proponer en tres semanas porque no queda registro de que ya se probó. Todo eso tenía valor, y todo eso ahora es historial de scroll en la cuenta privada de una persona.

El chat es un mal contenedor para el trabajo visual por la misma razón que es un mal contenedor para las decisiones. Es una línea. No puedes poner una línea al lado de sí misma. Para comparar dos imágenes en Midjourney haces scroll, sostienes una en tu memoria, vuelves a hacer scroll y finges que estás comparando. No lo estás haciendo. Estás recordando.

Los equipos acaban haciendo lo que siempre hacen cuando una herramienta les falla. Alguien pega los screenshots de las buenas en un mensaje de Slack. Otro las descarga en una carpeta llamada final_v2. Y en una semana nadie sabe cuál de las cuatro versiones de esa carpeta era la que todos habían aprobado.

Lo que construimos en su lugar

En ALLO, la generación ocurre sobre el canvas, así que los dos problemas se resuelven de una sola vez.

Seleccionas los objetos que quieres que el modelo use. Una imagen de referencia, un packshot de un competidor, un documento de investigación, un post-it con una idea a medio formar, todo ello ya sobre el tablero porque ahí es donde vive el proyecto. El prompt se arma con material real en lugar de escribirse de memoria. El modelo recibe tus concreciones, no tus adjetivos.

El resultado aparece en el canvas junto a las cosas que lo produjeron. No en un hilo. No en una carpeta. Queda ahí como un objeto, versionado, y lo puedes poner al lado de los otros cinco y mirarlos juntos de verdad, que es la única forma en la que alguien ha elegido nunca entre imágenes.

Y sigue avanzando. Una nota se convierte en un documento de investigación. El documento se convierte en una infografía. La infografía se convierte en una foto de producto. Alguien deja un post-it que dice esto podría funcionar como un test de personalidad, y eso se convierte en una landing page. Cada paso se apoya en los anteriores, y toda la cadena queda visible, así que un mes después puedes ver no solo lo que hizo el equipo, sino cómo llegó ahí y qué descartó en el camino.

Y el tablero es compartido. Las cuarenta imágenes que no llegaron siguen ahí para que el equipo las vea, atenuadas y apartadas en lugar de borradas. Eso es lo que hace defendible una decisión más adelante, cuando un cliente pregunta por qué la campaña se ve así y no como la opción obvia.

Los modelos de imagen seguirán mejorando. Las imágenes que te entreguen seguirán mejorando y seguirán siendo el promedio de lo que todos los demás están recibiendo. Lo que va a seguir siendo difícil es saber qué quieres, mostrarle al modelo algo real y elegir la que es tuya.

FAQ

¿Por qué todas las imágenes generadas por IA se parecen? Porque todos describen lo que quieren con palabras similares, y los modelos devuelven la salida más probable para esas palabras. Dylan Field, de Figma, dice que el primer resultado es genérico por definición. Darle al modelo tus propias referencias en lugar de adjetivos es lo que aleja el resultado del promedio.

¿Por qué es difícil usar Midjourney en equipo? Las generaciones viven en un hilo de chat personal. El output es lineal, así que las imágenes no se pueden comparar lado a lado, y la mayoría de lo que una persona probó es invisible para el resto. Los intentos rechazados y el razonamiento detrás de una elección desaparecen con el hilo.

¿Cómo se consiguen mejores resultados de una herramienta de imagen con IA? Deja de intentar escribir un mejor prompt. Dale al modelo material real: imágenes de referencia, activos de marca, investigación y las notas que explican la intención. Insumos específicos producen resultados específicos.

¿Dónde deberían guardar los equipos las imágenes generadas por IA? En algún lugar donde todo el equipo pueda verlas juntas, al lado del brief y de las referencias que las produjeron, incluidas las versiones que se descartaron. Una carpeta de descargas pierde todo ese contexto en una semana.

¿ALLO genera imágenes? Sí, en el canvas. Selecciona las referencias y notas con las que quieres que trabaje, genera y el resultado aparece como un objeto en el tablero junto a sus insumos, donde el equipo puede comparar, comentar y elegir.