Royalties a artistas con IA generativa: lecciones reales

Un experimento honesto en el cruce entre IA generativa y economía creativa

¿Es posible construir un modelo de negocio donde los artistas realmente ganen dinero cuando la inteligencia artificial genera imágenes en su estilo? Eso es exactamente lo que intentó Tess.Design, una startup creada por Julia Enthoven y Eric Lu —los mismos fundadores de Kapwing, el editor de video que alcanzó 30 millones de usuarios— y lo que aprendieron en el camino vale más que cualquier pitch deck sobre IA ética.

En este artículo desglosamos el experimento completo: cómo funcionó, qué resultados reales obtuvo, por qué finalmente cerró, y cuáles son los aprendizajes más accionables para founders que quieran construir en el espacio de licenciamiento de IA generativa y modelos de negocio que incluyan a los creadores.

¿Qué era Tess.Design y cómo funcionaba su modelo de negocio?

Tess.Design se posicionó como el primer generador de imágenes con IA realmente licenciado. Su propuesta era clara: entrenar modelos de imagen exclusivamente sobre obras de artistas que habían dado su consentimiento explícito, y repartir los ingresos generados con ellos.

El flujo operativo era el siguiente:

Los artistas enviaban entre 10 y 20 obras con un estilo consistente bajo un Acuerdo de Contribuyente transparente.
Tess entrenaba un modelo dedicado para ese estilo específico.
El artista recibía un adelanto de regalías de entre $400 y $5.000 USD (recuperable de ganancias futuras).
Los ingresos de suscripción se dividían en una proporción de 50/50 según el volumen de generaciones realizadas con cada modelo.
Los artistas podían mantener sus modelos en privado (para uso personal o de clientes) o publicarlos en el marketplace para generar ingresos pasivos.

Los clientes finales —medios de comunicación, emprendedores, periodistas— podían generar imágenes con derechos de autor seguros mediante prompts de texto o de imagen a imagen en los estilos disponibles.

Resultados concretos: lo que se logró antes del cierre

En términos de tracción, Tess logró resultados modestos pero significativos para validar el concepto:

~22 artistas incorporados al marketplace al momento del lanzamiento público.
Más de $15.500 USD en regalías pagadas a los contribuyentes al cierre del primer año.
Una base de usuarios iniciales proveniente del ecosistema de Kapwing, con acceso privilegiado a una audiencia de millones.
Cobertura positiva en medios especializados como Creative Bloq y atención orgánica en comunidades como Hacker News.

El muralista Andrew McGuire fue uno de los casos más destacados: su modelo «All of Us» recibió feedback positivo tanto de la comunidad como de clientes que buscaban un estilo urbano y accesible para sus proyectos.

Por qué cerró: los desafíos reales del modelo

A pesar del propósito genuino y del respaldo de un equipo con track record probado, Tess.Design no logró escalar lo suficiente para sostenerse. Estas fueron las razones principales:

1. Adopción insuficiente de usuarios finales

El mercado mayoritario prefirió herramientas como Midjourney —con estimaciones de $200 millones de dólares en ingresos anuales sin ningún sistema de regalías a artistas— sobre una alternativa ética pero con menor variedad de estilos. La propuesta de valor del licenciamiento limpio resonó con los valores de los usuarios, pero no fue suficiente para cambiar su comportamiento de compra.

2. Limitaciones de diversidad en el catálogo

Entrenar modelos exclusivamente con 10-20 imágenes por artista garantizaba el cumplimiento legal, pero restringía la calidad y variedad de outputs comparado con modelos entrenados sobre decenas de millones de imágenes raspadas de internet. Los usuarios notaban la diferencia.

3. El dilema del doble mercado (two-sided marketplace)

Crecer en un marketplace de dos lados es notoriamente difícil: se necesita masa crítica de artistas para atraer usuarios, y masa crítica de usuarios para retener artistas. Sin suficiente volumen de generaciones, los pagos por regalías eran bajos («no enormes el primer día», como reconocían en su propia documentación), lo que reducía el incentivo para que más artistas se sumaran.

4. El contexto cultural de la comunidad artística

Parte significativa de la comunidad de artistas digitales sigue siendo profundamente escéptica —o directamente hostil— hacia cualquier forma de IA generativa, incluso aquellas que proponen compensación. Convencer a artistas influyentes con audiencias grandes de participar resultó más difícil de lo esperado, limitando el atractivo del catálogo.

5. Ausencia de un marco legal obligatorio

Tess operaba bajo un modelo completamente voluntario en un entorno donde no existe regulación que obligue a compensar a los artistas por el uso de su estilo en entrenamiento de IA. Sin una normativa que nivelara el campo de juego, competir contra plataformas que ignoran los derechos de autor era una batalla cuesta arriba. La EU AI Act de 2024 avanza hacia mayor transparencia en datos de entrenamiento, pero no establece royalties retroactivos.

Aprendizajes clave para founders que quieran construir en este espacio

Más allá del cierre, la experiencia de Tess.Design deja un manual de aprendizaje honesto para cualquier emprendedor que quiera explorar modelos de negocio en torno a la IA generativa y el licenciamiento creativo:

El licenciamiento genera confianza, pero no siempre conversión

El 70% de las personas cree que los artistas merecen compensación cuando la IA imita su estilo (encuesta de The Verge, 2023). Sin embargo, esa creencia no se traduce automáticamente en disposición a pagar una prima. El gap entre valores declarados y comportamiento de compra es uno de los retos más subestimados en este segmento.

El modelo 50/50 es viable, pero requiere volumen

Una distribución de ingresos equitativa entre plataforma y creador es un mensaje poderoso, pero solo genera tracción real cuando el volumen de uso es suficiente para que los montos sean significativos. Para mercados de dos lados, el go-to-market debe resolver primero el lado con más friction —en este caso, los usuarios finales dispuestos a pagar por contenido ético.

Los avances de regalías alinean incentivos a corto plazo

Pagar adelantos recuperables (entre $400 y $5.000 USD) fue una palanca inteligente para incorporar a los primeros artistas. Esta mecánica reduce el riesgo percibido del creador y permite construir catálogo antes de tener demanda probada. Es un modelo replicable en otros sectores creativos.

La regulación puede ser un aliado estratégico, no solo un obstáculo

En lugar de competir contra plataformas con datasets ilegales esperando que el mercado «haga lo correcto», los próximos emprendedores en este espacio deberían monitorear activamente la evolución regulatoria (EU AI Act, litigios en EE.UU. contra Midjourney y Stability AI) y posicionarse como la opción de cumplimiento cuando la normativa endurezca las exigencias.

La privacidad del modelo como diferenciador B2B

La opción de que los artistas mantuvieran modelos privados para uso personal o con clientes específicos abrió una vía B2B interesante: agencias de diseño, ilustradores freelance y estudios creativos que quieren consistencia de estilo sin exponer su trabajo al público. Este segmento podría ser más rentable que el marketplace público.

El estado actual de los modelos de royalties en IA generativa (2025–2026)

Tras el cierre de Tess.Design, el ecosistema de compensación a artistas por IA sigue siendo fragmentado y experimental:

Adobe Firefly ha avanzado con un modelo de créditos para contribuyentes de su banco de imágenes, aunque los pagos siguen siendo modestos.
Plataformas como Spawning.ai y HaveIBeenTrained permiten a artistas optar por la exclusión de datasets de entrenamiento, ejerciendo presión indirecta sobre la industria.
Experimentos con NFTs y royalties blockchain para outputs de IA existen, pero sin adopción masiva.
La gran mayoría de generadores de imágenes con IA —incluyendo los más rentables— siguen operando sin ningún sistema de compensación directa a los artistas cuyos estilos emulan.

El experimento de Tess demuestra que la voluntad de pagar existe, pero que el mercado aún no ofrece las condiciones regulatorias ni el volumen de adopción necesarios para que estos modelos sean sostenibles a gran escala.

Conclusión

La historia de Tess.Design no es un fracaso —es un experimento documentado con honestidad que mapea el territorio para quienes vendrán después. Intentar pagar regalías justas a artistas en el contexto de la IA generativa es una apuesta con un propósito real, pero que enfrenta fricciones estructurales: adopción cultural, volumen de mercado, y un entorno legal que todavía no ha puesto reglas claras.

Para los founders del ecosistema tech latinoamericano, el aprendizaje más valioso es este: construir con ética puede ser una ventaja competitiva duradera, pero requiere una estrategia de go-to-market que reconozca la brecha entre valores declarados y comportamiento real del mercado. El momento regulatorio se está acercando —y quienes lleguen preparados tendrán una ventaja enorme.

Descubre cómo otros founders están implementando modelos de IA generativa y licenciamiento en sus startups. Únete gratis a la comunidad de Ecosistema Startup.

Únete gratis