¿Por qué 5 tonos de piel no representan a nadie?
16.777.216 colores están disponibles en el espacio RGB estándar, pero la mayoría de los selectores de tono de piel en videojuegos y herramientas digitales ofrecen entre 5 y 18 opciones como máximo. Esta brecha entre lo técnicamente posible y lo implementado excluye sistemáticamente a millones de usuarios de representarse con precisión en entornos digitales. El proyecto Inclusive Color Space de Toney Alexander propone una solución técnica: un espacio de color matemático que genera tonos de piel plausibles mediante ecuaciones, no mediante paletas predefinidas.
Para founders que desarrollan productos con avatares, creadores de personajes o herramientas de diseño, esto representa un cambio de paradigma: pasar de seleccionar entre opciones limitadas a generar cualquier tono dentro de un rango validado como realista.
¿Qué problema técnico resuelve este espacio de color?
El desafío central es que los tonos de piel humanos no se distribuyen uniformemente en el espacio RGB. Forman una forma curva tridimensional (descrita como "banana" en el análisis de datos) que va desde tonos oscuros cerca de (0,0,0) hasta tonos claros cerca de (255,255,255), con una curvatura hacia el rojo y alejándose del azul. Los selectores tradicionales o bien ofrecen pocos presets (perdiendo precisión) o bien permiten elegir cualquier color RGB (generando tonos implausibles como verdes o púrpuras).
👥 ¿Quieres ir más allá de la noticia?
En nuestra comunidad discutimos las tendencias, compartimos oportunidades y nos ayudamos entre emprendedores. Sin humo, solo acción.
👥 Unirme a la comunidadLa metodología del proyecto sigue tres pasos:
- Etiquetado manual de colores RGB clasificados como tonos de piel plausibles versus no plausibles
- Análisis de Componentes Principales (PCA) para rotar y alinear los datos en un espacio más manejable (espacio XYZ)
- Ajuste manual de funciones para mapear una esfera en el espacio transformado (TUV) que cubra la nube de puntos de tonos válidos
El resultado son tres variables independientes (T, U, V) que controlan aspectos significativos:
| Variable | Controla | Rango conceptual |
|---|---|---|
| T | Profundo/Fair | Oscuro a claro |
| U | Ruborizado/Ocre | Rojizo a amarillento |
| V | Frío/Cálido | Azulado a anaranjado |
Lo notable es que estas dimensiones emergieron del PCA, no fueron definidas a priori. El espacio también incluye un parámetro R² (radio de la esfera) que permite ajustar la variación: valores bajos (0.1-0.5) para poca variación, valores medios (1.0-1.5) para variedad realista, y valores altos (2.0+) que pueden generar tonos cartoon o fantásticos.
¿Cómo se compara con las escalas dermatológicas existentes?
El contexto más amplio revela por qué esta aproximación técnica es necesaria. Durante décadas, la escala Fitzpatrick (1975) fue el estándar de facto: 6 tipos (I-VI) diseñados originalmente para predecir respuesta a quemaduras solares, no para representar apariencia visual. El problema: agrupa tonos claros con mucha resolución mientras comprime toda la gama de tonos oscuros en uno o dos tipos finales.
En 2023, el sociólogo Dr. Ellis Monk lanzó la escala Monk Skin Tone (MST) con 10 tonos espaciados para ser más representativos del rango humano real. Esta escala ha sido adoptada para testing de cámaras, resultados de búsqueda y realidad aumentada por empresas tecnológicas.
Existe también el Individual Typology Angle (ITA°), un métrico dermatológico calculado desde el espacio CIELAB: ITA = arctan((L* − 50) / b*) × 180/π. Este valor numérico permite clasificación objetiva: valores altos positivos para piel muy clara, descendiendo a valores negativos para piel oscura.
El espacio de color inclusivo de Alexander no compite con estas escalas, sino que las complementa: mientras Fitzpatrick y Monk son sistemas de clasificación, este espacio es un sistema de generación que permite crear cualquier tono dentro del rango válido, no solo categorizar tonos existentes.
¿Qué sesgos históricos explican la exclusión actual?
El problema no es solo técnico, es histórico. Durante décadas, la industria fotográfica calibró sus productos usando las Shirley cards: tarjetas de referencia con una mujer de piel clara. Las emulsiones y procesos de revelado estaban literalmente sintonizados para piel clara, renderizando mal los tonos oscuros.
Un dato revelador: los stocks de película que finalmente mejoraron el renderizado de tonos oscuros en los años 70 fueron reformulados no por equidad racial, sino porque anunciantes de chocolate y muebles de madera se quejaron de que sus productos marrones se veían mal. La equidad en tonos de piel llegó como efecto secundario.
En tecnología moderna, estos sesgos persisten: sensores de seguimiento de manos que ignoran usuarios oscuros, detectores faciales con menor precisión para tonos profundos, y filtros de belleza que homogeneizan hacia tonos claros. Cada falla de color tiene costo humano real en representación y dignidad.
¿Qué significa esto para tu startup?
Si tu producto incluye avatares, personalización de personajes, herramientas de diseño o cualquier sistema donde los usuarios se representen visualmente, tienes una oportunidad competitiva y ética.
Acción 1: Reemplaza selectores discretos por generación continua
En lugar de ofrecer 12-18 presets de tono de piel, implementa un sistema que permita selección continua dentro de un espacio validado. El código del proyecto Inclusive Color Space está disponible en GitHub y puede adaptarse. La ventaja: ningún usuario queda fuera de las opciones disponibles, y la percepción de inclusividad aumenta significativamente.
Acción 2: Testea con la escala Monk, no con Fitzpatrick
Si haces testing de cámaras, visión computacional o renderizado, usa la escala Monk de 10 tonos como benchmark. Los 6 tipos de Fitzpatrick no tienen suficiente resolución en el extremo oscuro. Herramientas como las demos interactivas de Auric Artisan permiten visualizar cómo diferentes tonos se comportan bajo distintas condiciones de iluminación.
Acción 3: Documenta tu iluminante de referencia
El mismo tono de piel mide diferente bajo luz tungsteno (3200K) versus luz día (6500K). Si tu producto involucra captura o renderizado de tonos de piel, especifica y estandariza el iluminante de referencia antes de comparar. Esto es crítico para productos de belleza, telemedicina dermatológica o cualquier aplicación donde la precisión del color importe.
Acción 4: Considera el parámetro R² para diferentes contextos
El espacio de color permite ajustar R² según el caso de uso:
- R² = 1.0-1.5: Aplicaciones realistas (videojuegos, avatares profesionales)
- R² = 2.0+: Contextos fantásticos o estilizados donde la variación extrema es aceptable
- R² cercano a 0: Para identificar el punto neutro del espacio y detectar sesgos
Esta flexibilidad permite un mismo sistema técnico servir múltiples productos con diferentes necesidades estéticas.
¿Cuáles son las limitaciones que debes conocer?
El propio autor es transparente sobre las limitaciones:
- Los tonos de piel reales varían por zona del cuerpo, flujo sanguíneo, concentración de melanina, y condiciones como vitíligo, pecas o hiperpigmentación
- Condiciones de salud como argiria (piel azul-grisácea) o bilirrubina alta (piel amarillenta) quedan fuera del rango "plausible" definido
- La percepción del color varía entre tipos de pantalla y condiciones de visualización
- El etiquetado inicial fue subjetivo (una persona, no un panel de expertos)
Para la mayoría de casos de uso en generación de representaciones simplificadas (avatares, arte digital, character creators), estas limitaciones son aceptables. Para aplicaciones médicas o forenses, se requeriría validación adicional con datasets más rigurosos.
¿Qué herramientas existen para implementar esto hoy?
El proyecto proporciona:
- Color picker interactivo basado en el espacio de color (disponible en la página del proyecto)
- Código en JavaScript para integración web
- Algoritmo de generación procedural en Python (con equivalentes en JavaScript en el código fuente)
- Repositorio GitHub con el código completo para replicar y mejorar el trabajo
Adicionalmente, recursos como la biblioteca de Auric Artisan ofrecen demos interactivas sobre pigmentos de piel, la escala Monk, el métrico ITA y cómo la luz afecta la percepción del tono. Estos recursos son valiosos para equipos de producto que necesitan educarse antes de implementar.
Conclusión
La representación inclusiva en productos digitales dejó de ser un "nice-to-have" para convertirse en expectativa básica de usuarios globales. El espacio de color inclusivo demuestra que la solución no requiere más opciones manuales, sino mejores sistemas de generación basados en datos reales de diversidad humana.
Para founders: la pregunta ya no es si implementar inclusividad, sino cómo hacerlo de manera técnica y escalable. Las herramientas existen, el código está disponible, y el costo de no actuar es medir en usuarios que no se ven representados en tu producto.
Fuentes
👥 ¿Quieres ir más allá de la noticia?
En nuestra comunidad discutimos las tendencias, compartimos oportunidades y nos ayudamos entre emprendedores. Sin humo, solo acción.
👥 Unirme a la comunidadArtículos relacionados:
Cryosmetics: funding para escalar biotech en LATAM
Innovación médica: piel de tilapia para tratar quemaduras en Brasil
Cryosmetics: startup uruguaya factura con IA y microbioma
IA y belleza 2026: presión estética y sesgos que tu startup debe evitar
Modelo de IA para corregir tonos en mandarín: arquitectura y soluciones
