En un reciente artículo realizado junto a mis compañeros Luis V. Casaló y Daniel Belanche para el British Food Journal analizamos una cuestión cada vez más relevante para el marketing alimentario: qué ocurre cuando una marca utiliza imágenes de comida generadas por inteligencia artificial en lugar de fotografías reales. A medida que la IA generativa se incorpora a la creación de contenidos visuales, las empresas pueden producir imágenes más rápido, con menor coste y con mayor flexibilidad. Sin embargo, en categorías como la alimentación, donde la imagen no solo informa sino que también activa expectativas sensoriales —sabor, frescura, naturalidad o placer—, el uso de imágenes artificiales puede tener efectos importantes en la percepción del consumidor.
El estudio compara el efecto de imágenes reales e imágenes generadas por IA en dos resultados clave: el valor percibido por el consumidor y su intención de generar boca-oído negativo. Para explicar este proceso, utilizamos tres enfoques teóricos: la teoría de la decisión, el paradigma coste-beneficio y la teoría de la heurística afectiva. En términos sencillos, el consumidor evalúa una imagen de comida combinando lo que espera ganar —placer, disfrute, atractivo sensorial— y lo que percibe como posible coste o riesgo —dudas sobre autenticidad, fiabilidad o correspondencia entre la imagen y la experiencia real—.
La investigación se realizó mediante una encuesta online a 241 consumidores españoles. Los participantes fueron expuestos aleatoriamente a una imagen de comida en contexto de restaurante. Algunas imágenes eran reales y otras habían sido generadas con IA; en este último caso, aparecían identificadas como “imagen generada por IA”. Después, los participantes valoraban el placer esperado, el riesgo percibido, el valor percibido y la probabilidad de hablar negativamente de la empresa.
Los resultados muestran que las imágenes generadas por IA, frente a las imágenes reales, reducen el placer esperado y aumentan el riesgo percibido. Es decir, cuando el consumidor sabe que la imagen de comida ha sido creada con IA, tiende a anticipar una experiencia menos placentera y a percibir más incertidumbre sobre la calidad o autenticidad del servicio.
El estudio también encuentra que el placer y el riesgo actúan como mecanismos explicativos. Cuando una imagen genera más placer, el consumidor percibe menos riesgo, atribuye más valor al servicio y muestra menor predisposición a hablar negativamente de la marca. En cambio, cuando aumenta el riesgo percibido, disminuye el valor percibido y aumenta la intención de boca-oído negativo.
Un resultado relevante es que la experiencia previa con IA modera parcialmente estos efectos. Los consumidores más familiarizados con la inteligencia artificial son menos sensibles al efecto negativo de las imágenes generadas por IA sobre el placer esperado. Sin embargo, esa experiencia no reduce significativamente el riesgo percibido. La edad y el género, por su parte, no muestran efectos moderadores significativos.
El análisis de mediación confirma que las imágenes generadas por IA reducen el valor percibido a través de la disminución del placer y el aumento del riesgo. Además, el impacto sobre el boca-oído negativo se explica completamente por esos dos mecanismos: no es simplemente que la imagen sea de IA lo que impulsa la reacción negativa, sino que esa imagen genera menos placer y más riesgo, y eso activa una respuesta desfavorable.
Implicaciones para la gestión
La principal implicación es que las marcas alimentarias no deberían valorar las imágenes generadas por IA solo en términos de eficiencia, rapidez o ahorro de costes. En productos donde la experiencia sensorial es central, la imagen cumple una función persuasiva muy ligada al placer anticipado. Si la imagen parece artificial, poco apetecible o desconectada de la experiencia real, puede reducir el valor que el consumidor atribuye a la oferta.
Para restaurantes, marcas de alimentación, plataformas de delivery o negocios gastronómicos, el uso de IA visual exige control creativo y coherencia con la experiencia prometida. Las imágenes deben mantener realismo, atractivo sensorial y verosimilitud. Una opción más segura puede ser combinar fotografía real con mejoras asistidas por IA, por ejemplo, para ajustar iluminación, composición o calidad visual, sin perder la conexión con el producto real.
El estudio también apunta a una posible segmentación: los públicos más familiarizados con la IA pueden aceptar mejor este tipo de imágenes, al menos desde el punto de vista del placer esperado. En audiencias más tecnológicas o más abiertas a la innovación, las imágenes generadas por IA podrían utilizarse con menor coste emocional. En mercados más generalistas, premium o muy vinculados a la autenticidad, las imágenes reales siguen siendo una alternativa más prudente.
Finalmente, en el artículo advertimos de un riesgo reputacional. Si las imágenes generadas por IA resultan poco naturales, exageradas o difíciles de vincular con una experiencia gastronómica real, pueden estimular dudas y comentarios negativos. Por ello, la IA debería funcionar como apoyo a la comunicación visual, no como sustituto automático de los elementos que transmiten placer, autenticidad y confianza en la marca.
Guinalíu, M., Belanche, D., & Casaló, L. V. (2025). The influence of AI-generated versus real food images on perceived value and negative WOM. British Food Journal. https://doi.org/10.1108/BFJ-05-2025-0657