Netflix dice que la IA generativa ya participa en unos 300 títulos

El 16 de julio de 2026, Netflix comunicó a sus accionistas que los flujos de trabajo con inteligencia artificial generativa se habían usado ese año en aproximadamente 300 títulos. Es una cifra llamativa, pero conviene leerla con precisión: la compañía no está diciendo que haya producido 300 películas o series enteramente con IA. Está describiendo herramientas que intervienen en partes concretas del proceso creativo, con la mayor concentración de uso, según Netflix, en la posproducción.

La revelación llegó en la carta de resultados del segundo trimestre y fue desarrollada después por Ted Sarandos, co-CEO de Netflix, durante la entrevista con analistas. Entre ambos documentos, la empresa dibuja una imagen más concreta de cómo entiende el papel de esta tecnología en cine y televisión: una capa de trabajo que puede aparecer desde la idea inicial y la previsualización hasta los efectos visuales, la preparación de secuencias, la planificación de planos, la posproducción y la entrega final.

Qué cuenta Netflix cuando habla de 300 títulos

El término importante en la carta es “flujos de trabajo”. Un título puede recurrir a IA generativa para una tarea limitada, por ejemplo preparar una referencia visual, ensayar una secuencia o ampliar digitalmente una multitud. Por eso el dato no permite deducir que todas las imágenes, guiones o interpretaciones de esas 300 obras hayan sido generados por un modelo. Tampoco identifica qué herramienta se usó en cada caso ni qué parte exacta de cada producción recibió apoyo.

Netflix sí ofrece tres ejemplos: la producción india Glory, la brasileña Brasil 70: A Saga do Tri y la docuserie estadounidense The American Experiment. En su carta, la plataforma menciona multitudes ampliadas, secuencias de batallas históricas y planos de establecimiento para construir el mundo de una escena como tipos de trabajo especialmente complejos en los que se emplearon estas herramientas.

La formulación importa porque sitúa el anuncio en la producción audiovisual asistida, no en una sustitución automática del rodaje o de los equipos. Sarandos afirmó que los creadores siguen necesitando a grandes artistas y que la IA puede darles mejores herramientas para llevar una visión a la pantalla. Es la posición de Netflix; no es, por sí sola, una medición independiente de la calidad, la autoría o las condiciones de trabajo que resultan de adoptarla.

El ejemplo con una cifra concreta

La comparación de “el doble de rápido y a la mitad de coste” tampoco describe al conjunto de los 300 títulos. Sarandos la vinculó a 17 minutos de metraje mejorado con IA en The American Experiment. Según explicó el 16 de julio, ese material permitió ampliar el alcance de la docuserie de un modo que no habría sido viable con las opciones anteriores.

Es una diferencia esencial para interpretar el titular. Netflix ha dado un caso cuantificado, no una promesa de recortar por la mitad el presupuesto de toda su programación. La carta a los accionistas sostiene que la tecnología permite obtener resultados de mayor calidad con mayor rapidez y menor coste que los métodos tradicionales, y añade que algunas tomas o secuencias habrían quedado fuera sin estas herramientas. Son afirmaciones corporativas sobre su experiencia; el documento no publica un ahorro total ni una comparación desglosada por producción.

Una tecnología que se mueve hacia tareas visibles

Durante años, Netflix ha usado aprendizaje automático para recomendaciones y descubrimiento de títulos. La novedad de esta comunicación es que coloca la IA generativa dentro de la propia cadena de producción y la asocia a casos concretos de imagen y efectos. Aun así, la descripción oficial deja muchas preguntas abiertas: qué criterios se aplican para decidir cada uso, cómo se informa a las audiencias cuando una secuencia se ha mejorado con IA y qué efectos tendrán estos flujos sobre los oficios audiovisuales.

Por ahora, lo verificable es más acotado: en 2026 Netflix dice haber usado estos flujos en unos 300 títulos, principalmente en posproducción, y ha mostrado un ejemplo de 17 minutos para el que afirma mejoras de tiempo y coste. La cifra marca una adopción amplia, pero no borra la diferencia entre una herramienta integrada en una fase de trabajo y una obra creada de principio a fin por IA.

Cómo leer una cifra de adopción sin inflarla

La unidad contada es el primer filtro. «Título» no equivale a plano, minuto, modelo ni persona empleada. Un título con una sola referencia visual y otro con una secuencia terminada ocupan el mismo lugar en el total. La carta presentada ante la SEC describe la concentración en posproducción y ofrece ejemplos, pero no publica un desglose por fase, volumen o proveedor. El dato demuestra extensión; no mide intensidad.

El segundo filtro es el denominador. Para saber qué proporción del catálogo o de la producción anual representa el uso haría falta conocer cuántos títulos entraron en el universo contado y qué criterio convierte una prueba en «flujo de trabajo utilizado». Sin esa base, aproximadamente 300 no permite afirmar que la mayoría de Netflix use IA generativa. Sí permite decir que la práctica ha dejado de ser un piloto aislado.

El tercer filtro es la comparación. «El doble de rápido y a la mitad de coste» necesita un punto de referencia: qué opción anterior se presupuestó, qué trabajo incluyó, con qué calidad y quién asumió la revisión. En la transcripción de la entrevista, Sarandos limita la comparación a los 17 minutos de un caso y habla de «opciones anteriores». No aporta el importe, las horas de trabajo ni una auditoría externa. Es una afirmación ejecutiva verificable como declaración, no un estudio de productividad general.

La ficha que falta para evaluar cada flujo

Una producción podría documentar la finalidad, el material de entrada, la herramienta y versión, las personas que decidieron usarla, el tipo de transformación, los permisos sobre entrenamiento y referencias, las revisiones realizadas y el destino de los archivos. Esa ficha permite discutir cuestiones distintas sin mezclarlas: calidad visual, derechos de intérpretes y creadores, seguridad de material no estrenado, crédito profesional y coste.

También haría visible dónde ocurrió la decisión creativa. Generar propuestas, seleccionar una, corregirla e integrarla no son el mismo trabajo. Decir que una secuencia fue «mejorada con IA» no cuenta quién definió el objetivo, descartó resultados, corrigió errores o aprobó el plano. La tecnología forma parte del proceso, pero la atribución necesita describir la cadena humana en lugar de borrarla.

La capacidad transferible es pedir unidad, denominador, comparación y alcance cada vez que una empresa comunica adopción de IA. Con esas cuatro preguntas, «300 títulos» deja de sugerir 300 obras automáticas y se convierte en lo que la fuente sostiene: una señal amplia, todavía agregada, de herramientas usadas en partes de producciones.

La transparencia al público puede graduarse sin revelar secretos de producción. Una obra puede informar que utilizó herramientas generativas, describir las categorías de uso y conservar un registro más detallado para auditorías, contratos o disputas. No toda referencia visual necesita convertirse en un rótulo intrusivo, pero tampoco es razonable que una cifra agregada para inversores sea la única ventana. Un vocabulario estable —previsualización, generación de elementos, modificación, composición y restauración— permitiría comparar obras y evitar que «IA» mezcle intervenciones muy distintas. El mismo registro ayudaría a discutir créditos y derechos porque conservaría qué materiales, decisiones y revisiones pertenecieron a personas.