La cultura del déjà vu: ¿hemos dejado de reconocer y crear algo verdaderamente nuevo?

¿Por qué 2016 ha vuelto antes incluso de convertirse en archivo vintage? ¿Por qué la irrupción de la IA generativa se siente como una continuación natural de un sistema que lleva años premiando la repetición? ¿Por qué seguimos empeñados en mirar al pasado antes de mirar al futuro? ¿Hemos dejado de crear algo nuevo?

Celebrities recuperando sus fotos de 2016 para compararlas con sus looks de 2026. La estética Tumblr convirtiéndose en contenido aspiracional para una generación que ni siquiera la vivió en su primer ciclo. La moda, la música y la cultura visual parecen atrapadas en una repetición constante donde lo familiar circula mejor que lo desconocido. ¿Es exactamente falta de creatividad, o hemos construido un ecosistema donde la repetición se ha convertido en el lenguaje dominante?

Porque ya no hablamos de inspiración, ni siquiera de nostalgia en el sentido clásico. Hablamos de una cultura que no solo recicla imágenes, sino que es plenamente consciente de que lo está haciendo y convierte esa repetición en contenido. Pero reducir este fenómeno a una supuesta falta de creatividad sería quizás simplificar demasiado. Quizás sucede es algo más complejo: un cambio estructural en cómo se produce, distribuye y valida la cultura.

La teoría de los ciclos culturales ha ayudado a explicar como funcionan las tendencias. La idea es simple: aproximadamente cada veinte años, ciertas estéticas regresan reinterpretadas por una nueva generación que no las ha vivido directamente. Georg Simmel ya planteaba a principios del siglo XX que la moda funciona a través de una tensión constante entre imitación y diferenciación. Más tarde, Herbert Blumer amplió esa idea defendiendo que las tendencias no son simplemente imposiciones verticales, sino procesos de selección colectiva. Y en «El posmodernismo o la lógica cultural del capitalismo tardío», Fredric Jameson analizó cómo la cultura postmoderna desarrolló una relación cada vez más dependiente del reciclaje estilístico y la nostalgia como formas de producción cultural.

Dentro de esa lógica había una condición fundamental: la distancia. La repetición funcionaba porque existía tiempo suficiente para reinterpretar el pasado, deformarlo y resignificarlo bajo nuevas condiciones sociales, económicas o tecnológicas. Hoy, esa distancia prácticamente ha desaparecido. Internet ha convertido el archivo en un espacio simultáneo. Todo está disponible todo el tiempo. El pasado ya no está atrás: convive con el presente en el mismo plano visual. Y eso quiere decir que vivimos en un bucle constante de espacios temporales. Si no hay distancia crítica, la referencia deja de evolucionar y se convierte en reproducción.

Los sistemas de recomendación operan bajo las mismas premisas. Plataformas como TikTok, Instagram o YouTube no operan bajo criterios culturales. Operan bajo criterios estadísticos. Su objetivo no es impulsar lo nuevo, sino maximizar métricas concretas: tiempo de visualización, interacción, tasa de finalización, retención. En otras palabras, priorizan aquello que tiene más probabilidades de funcionar según comportamientos previos. El algoritmo no premia la novedad. Premia la probabilidad. Y lo probable, casi siempre, se parece a algo que ya ha funcionado antes.

Si una estética, un formato o un tipo de contenido recuerda a patrones que previamente generaron engagement, tiene más posibilidades de ser distribuido -los trends-. Lo radicalmente nuevo, en cambio, parte con una desventaja estructural: no tiene datos previos que lo respalden. Esto no significa que no existan ideas nuevas. Significa que el sistema está diseñado para amplificar con mayor facilidad lo reconocible. Y eso tiene consecuencias culturales evidentes: Homogeneización estética, repetición de fórmulas, sensación constante de déjà vu.

Si el sistema premia lo reconocible, entonces el regreso de ciertas estéticas es una consecuencia casi inevitable. Como el revival actual del 2016. No porque exista una nostalgia particularmente fuerte por aquella época —la distancia temporal es demasiado corta para sostener esa idea—, sino porque 2016 representa uno de los últimos momentos en los que la cultura digital parecía avanzar con una dirección clara y códigos reconocibles.

Entre 2015 y 2017 se consolidaron dinámicas que todavía siguen definiendo el presente. En términos de la industria de la moda, fue la integración definitiva del streetwear en el lujo, la lógica del drop como estrategia de consumo, la estetización del merch, la construcción de identidades visuales profundamente ligadas a internet etc. Pero había una diferencia importante: el ecosistema todavía no estaba completamente colonizado por la optimización algorítmica que hoy domina casi cualquier cosa. Había jerarquías culturales más claras, narrativas dominantes y una sensación de avance.

Hoy, en cambio, convivimos con miles de microestéticas simultáneas, múltiples referencias superpuestas y una fragmentación constante donde nada parece consolidarse el tiempo suficiente como para convertirse en dominante. La vuelta al 2016 mismamente no parece tanto un ejercicio de nostalgia como una búsqueda de certeza en un mundo que lamentablemente cada vez la tiene menos.

Nuestra relación con el archivo se ha convertido más bien un recurso base, una materia prima de donde sale todo lo demás. Gran parte de la creación contemporánea no parte de la invención absoluta, sino de la selección, mezcla y recontextualización de elementos preexistentes. El creativo deja de ser únicamente autor para convertirse en editor, curador, director de sentido. ¿Es eso una crisis de originalidad? ¿Acaso alguna vez algo se ha creado realmente desde cero?

Incluso las propuestas más radicales suelen construirse a partir de referencias previas, desplazamientos culturales o apropiaciones conscientes. Lo que sí ha cambiado es el criterio con el que entendemos la creatividad. Lo nuevo ya no siempre se mide por su capacidad de inventar una forma inédita, sino por cómo reorganiza lo existente.

Fijemonos en la IA generativa. En el fondo, no introduce una lógica completamente nueva. Más bien formaliza y acelera una dinámica que lleva tiempo definiendo buena parte de la producción cultural contemporánea. Porque los modelos generativos no crean desde cero. Aprenden a partir de enormes datasets, detectan patrones, identifican relaciones y producen nuevas combinaciones a partir de lo ya existente.

La preocupación que genera la IA en torno a la creatividad quizá no tenga tanto que ver con la idea de que las máquinas puedan crear, sino con evidenciar hasta qué punto nuestra propia cultura ya operaba bajo una lógica sorprendentemente similar. Si la cultura contemporánea ya vivía del remix, la IA simplemente industrializa ese proceso. La diferencia está en la escala, y en la velocidad. Pero entonces, ¿hemos dejado de crear algo nuevo o hemos cambiado la forma de hacerlo, o simplemente lo suficientemente nuevo no se puede apreciar porque no llega a suficientes personas como para hacer altavoz?

Porque las ideas siguen existiendo, y la innovación no ha desaparecido del todo. Lo que parece haber cambiado es el sistema que decide qué circula, qué se amplifica y qué termina definiendo el presente, cuando «lo puramente nuevo» encuentra cada vez más dificultades para consolidarse frente a aquello que ya resulta reconocible. Porque cuando todo está diseñado para premiar lo familiar, el riesgo deja de ser rentable.

Y quizá ahí esté el verdadero problema. No si el ser humano ha dejado de crear algo nuevo, sino si hemos construido una cultura que cada vez reconoce peor aquello que realmente lo es.