IA significa inteligencia artificial, pero esa etiqueta engloba tipos de herramientas muy distintos que funcionan de maneras muy diferentes. La IA que escribe texto, la que crea imágenes y la que recomienda su próxima serie de Netflix apenas tienen nada en común, salvo que todas aprendieron de grandes cantidades de datos.
«IA» es una de esas palabras que se usa para describir de todo, desde el corrector automático del teléfono hasta los robots de ciencia ficción. Esa vaguedad hace que sea genuinamente difícil saber de qué están hablando las personas. La verdad es que «IA» no es una sola cosa — es una familia de herramientas muy distintas que funcionan de maneras muy diferentes. Esta guía las separa.
Los tres tipos de IA con los que más probablemente se encontrará
Chatbots: el tipo que habla
Un chatbot es una IA con la que mantiene una conversación. Usted escribe o dice una pregunta, y ella le responde por escrito. ChatGPT, Gemini de Google y Siri de Apple son todos chatbots, aunque funcionan de forma algo diferente internamente.
Los chatbots se entrenaron con una enorme cantidad de texto — más libros, artículos y páginas web de los que cualquier persona podría leer jamás. Así es como pueden responder preguntas, explicar cosas, ayudarle a redactar correos electrónicos, traducir entre idiomas y mantener una conversación. Funcionan prediciendo qué palabras deberían seguir a continuación, basándose en patrones que aprendieron durante el entrenamiento.
Esto los hace impresionantes pero imperfectos. Para temas que estaban bien cubiertos en sus datos de entrenamiento, suelen ser precisos. Para datos muy específicos, poco conocidos o recientes, pueden equivocarse con total seguridad. Entender esto es la clave para usarlos bien.
Generadores de imágenes: el tipo visual
Un generador de imágenes crea imágenes a partir de descripciones de texto. Usted escribe «una acuarela de un faro al atardecer» y la herramienta crea una imagen original — una que nunca ha existido antes. Midjourney, Adobe Firefly y DALL-E son ejemplos bien conocidos.
Estas herramientas se entrenaron mirando millones de imágenes acompañadas de títulos o descripciones. No copian ninguna imagen que hayan visto. Generan algo nuevo basándose en los patrones visuales que aprendieron durante el entrenamiento.
Los generadores de imágenes son potentes para proyectos creativos, pero tienen una peculiaridad conocida: a veces se equivocan en detalles específicos de formas extrañas — demasiados dedos en una mano, texto en el fondo que parece palabras pero no lo es, pequeños detalles que no cuadran bien bajo una inspección minuciosa.
Motores de recomendación: el tipo invisible
Esta es la IA que la mayoría de las personas usa con mayor frecuencia sin darse cuenta. Cuando Netflix le sugiere una serie que podría gustarle, cuando Spotify le hace una lista de reproducción, cuando Amazon le muestra «los clientes también compraron» — eso es un motor de recomendación trabajando silenciosamente en segundo plano.
Estos sistemas analizan patrones en lo que hacen grandes cantidades de personas — qué ven, compran, hacen clic, escuchan o saltan — y usan esos patrones para predecir lo que le gustará. No están manteniendo una conversación con usted. No entienden por qué le gusta algo. Simplemente notan que las personas con patrones similares a los suyos también disfrutaron ciertas cosas, y se las muestran.
Los motores de recomendación suelen ser notablemente precisos, pero son limitados. Optimizan para lo que probablemente le hará interactuar, lo cual no siempre coincide con lo que es mejor para usted.
Lo que los tres tienen en común
A pesar de lo diferentes que son, todas estas herramientas comparten una característica fundamental: aprendieron de datos. No se programaron con reglas explícitas para cada situación. En cambio, se entrenaron — se expusieron a enormes cantidades de ejemplos — y aprendieron patrones.
Esto es lo que hace diferente a la IA moderna del software tradicional. El software tradicional sigue reglas exactas que un programador escribió: «Si A, entonces B». La IA hace predicciones basándose en patrones. Por eso puede manejar cosas que los programadores nunca anticiparon específicamente, y también por eso puede fallar de maneras sorprendentes que el software basado en reglas no haría.
Lo que la IA todavía no puede hacer
A pesar de las capacidades de estas herramientas, hay límites claros y consistentes. La IA no tiene comprensión genuina, sentimientos ni objetivos. No puede actuar por sí sola en el mundo físico. No puede verificar sus propios datos de forma fiable — produce respuestas que suenan plausibles sin comprobar si son precisas. Y no forma relaciones reales — cuando un chatbot parece cálido o interesado, está produciendo texto que coincide con el patrón de la calidez. En realidad, no le importa nada.
La IA también es tan buena como los datos con los que se entrenó. Si esos datos contenían errores, sesgos o lagunas, la IA también los reflejará.
Nada de esto hace que las herramientas de IA sean menos útiles para las cosas en las que realmente son buenas. Solo hace que sea más fácil saber cuándo confiar en ellas y cuándo verificar.
Qué hacer a continuación: Si quiere entender por qué la IA a veces suena completamente segura mientras está completamente equivocada, ¿Por qué la IA inventa cosas? explica el mecanismo con claridad. Y si está listo para probar un chatbot por primera vez, ¿Qué es ChatGPT? es un lugar amigable para empezar.
