Restaurar y mejorar fotos antiguas con IA: qué arregla de verdad y qué se inventa

Por qué se estropea una foto antigua

El papel fotográfico no envejece con elegancia. La humedad lo ondula, la luz desvanece los tonos, el roce deja arañazos y el polvo se instala como si pagara alquiler. Una foto que lleva décadas en una caja de zapatos ha sufrido un poco de todo.

Antes de abrir ninguna aplicación conviene hacerse la pregunta central. Cuando una herramienta de IA devuelve una foto «como nueva», ¿cuánto es recuperación real y cuánto es una reconstrucción plausible que puede cambiar la cara de quien aparece en ella? Depende del tipo de daño.

Las tres zonas de una foto dañada

Para razonar con calma, ayuda dividir la imagen en tres zonas:

• La superficie, que se puede limpiar. Polvo, motas, arañazos finos y manchas leves. La información sigue ahí, tapada por una capa de suciedad. Aquí la restauración se parece mucho a una recuperación real.
• La estructura, que se puede estabilizar. Contraste apagado, desenfoque leve, grano, tono amarillento. Los datos existen, pero débiles. Se pueden reforzar y equilibrar, siempre con cierto margen de error.
• Lo que ya no está. Un rasgón que cruza una cara, un trozo de papel perdido, una zona quemada por la luz, un rostro de cuatro píxeles. Ahí no hay nada que recuperar, y cualquier cosa que aparezca es una propuesta del modelo.

La frontera entre la segunda y la tercera zona es la que más confunde. En pantalla las dos quedan igual de bonitas, pero no valen lo mismo como documento.

Qué hace la IA en cada zona y por qué rellena

En la superficie, la IA es una limpiadora eficaz. En la estructura, una ayudante que refuerza lo que apenas se intuye. En la tercera zona hace lo único que sabe hacer: generar lo más probable. Un modelo no recuerda cómo era tu abuelo, solo sabe cómo suelen ser las caras. Donde faltan píxeles rellena con un patrón verosímil, con la seguridad de un cuñado en una sobremesa: sin dudar y sin comprobar.

Por eso «mejorar» no es «recuperar», y una cara más nítida no es una cara más fiel. Un análisis de PetaPixel de marzo de 2026 sostiene que, en las zonas con información perdida, cualquier restauración añade detalle que no estaba, y que el resultado puede dejar a una persona irreconocible. También recoge que ON1 pidió disculpas por enviar en su kit de prensa ejemplos de su herramienta Restore AI que no debían estar ahí.

Hay un caso concreto. La Coalición por una IA Responsable en Genealogía documenta una restauración con Gemini que alteró el parecido de una persona hasta hacerla irreconocible y eliminó el broche y los volantes de su vestido, probablemente por confundir manchas con contenido de la imagen. Un análisis sectorial señala como zonas de mayor riesgo los ojos, los dientes y el contorno facial, la letra manuscrita y el texto impreso, las insignias, los uniformes y las joyas, las manos, los patrones de tela repetidos y los detalles de arquitectura o mecánica.

Ni siquiera los fabricantes prometen lo contrario. En la documentación de Nano Banana 2.1, Google DeepMind reconoce que la consistencia de un personaje «no siempre es perfecta» entre la imagen de entrada y la generada. También admite problemas con el texto pequeño, que a menudo sale borroso. Si el fabricante avisa, conviene hacerle caso. Y si quieres entender mejor cómo trabajan estos modelos, puedes leer Cómo crear imágenes con IA: de una idea a un resultado útil.

El flujo sensato, paso a paso

Las guías técnicas de 2026, como esta sobre restaurar sin cambiar rostros, coinciden en un orden de trabajo bastante prudente:

1. Escanea bien. Un mínimo de 600 ppp. El escaneo importa más que el modelo: una foto hecha con el móvil a baja resolución no se arregla después.
2. Guarda el maestro. Conserva el archivo sin tocar en una carpeta aparte y no lo sobrescribas nunca.
3. Repara a mano lo grave. Si un daño cruza una cara, retócalo antes tú, en lugar de pedirle a la IA que adivine.
4. Haz una sola pasada moderada. Repetir pasadas acumula textura inventada, como fotocopiar una fotocopia, pero con arrugas nuevas cada vez.
5. Compara al mismo zoom. Mira ojos, boca, forma de la cara, línea del pelo y marcas distintivas, como lunares o cicatrices.
6. Quédate con la versión conservadora. Elige la que cambia menos rasgos de identidad, aunque sea la menos espectacular.

Si tras la restauración tu tío parece protagonista de un anuncio de colonia, probablemente has pasado de restaurar a reinterpretar.

El color es una interpretación

Colorear una foto en blanco y negro no recupera nada, porque ese color nunca se registró. Según un análisis sectorial de 2026, la colorización con IA es «plausible, no factual». Acierta con la vegetación y el cielo por pura probabilidad, y falla con frecuencia en ropa, coches, muebles, uniformes e insignias. Así que el coche de la familia, que era verde, puede salir rojo con toda naturalidad.

Para un uso familiar suele bastar. Para un museo o una historia publicada, no. La recomendación es colorizar en una capa aparte, con la opacidad reducida y etiquetada como interpretación.

Cuatro usos posibles, siempre con revisión humana

Estos ejemplos no son resultados garantizados, sino usos razonables si alguien comprueba el resultado:

• Un álbum familiar. Escanear, guardar el maestro, quitar arañazos y polvo, y no «reconstruir» caras.
• Una foto de boda pequeña y borrosa. Subir resolución sin retocar rasgos y comprobar el resultado a la misma escala que el original.
• Una imagen para un cartel o una web. Usar la versión restaurada solo si las caras y los textos siguen coincidiendo con el original.
• Una colorización para un regalo. Tratarla como interpretación y decirlo, para que nadie crea que el vestido fue realmente de ese azul.

Cuándo no restaurar y cuándo avisar

No restaures cuando la foto vaya a servir como prueba: archivo, genealogía, periodismo, uso legal o museo. En esos casos el maestro sin tocar es el documento, y la versión restaurada es una interpretación que conviene etiquetar. La coalición de genealogía lo resume en una idea práctica: hay que declarar cuándo se ha usado IA generativa.

Tampoco conviene fiarse de las señales técnicas. SynthID es una marca de agua invisible incorporada al propio contenido, y puede persistir tras algunas ediciones. Los metadatos C2PA, en cambio, pueden perderse al subir, editar, convertir o compartir el archivo. Y ninguna de las dos certifica exactitud histórica: indican, como mucho, que se pudieron usar ciertas herramientas. Esa idea de comprobar antes de creer también sirve para lo que circula por mensajería, como cuentas en Deepfakes y suplantación con IA: cómo comprobar un mensaje antes de confiar.

Conservar la memoria sin inventarla

Restaurar una foto es un acto de cariño, y la IA puede ayudar mucho en la superficie y bastante en la estructura. Pero donde ya no hay nada, lo que aparece es una suposición bien peinada. Por eso lo sensato es escanear bien, proteger el original, retocar poco, comparar con ojo crítico y avisar de lo hecho. Así la foto gana en nitidez sin que la persona retratada pierda su cara.

Para ampliar información

• Edit images in Google Photos by simply asking (blog de Google)
• Credenciales de contenido (C2PA), sitio oficial
• Cómo ver imágenes editadas con IA en Google Photos (ayuda de Google)
• AI Photo Restoration in 2026 (guía técnica)