ChatGPT redactando un correo, un generador que crea una imagen a partir de una frase, una herramienta que produce un vídeo corto: todo eso es IA generativa. La expresión está en todas partes, pero casi nunca se explica qué pasa realmente por dentro.

Buena noticia: no hacen falta matemáticas para entender lo esencial. Y una vez que captas el principio, sabes por qué estas herramientas son tan buenas en ciertas tareas, por qué se equivocan en otras y cómo sacarles más partido.

Una IA que produce en lugar de clasificar

Durante mucho tiempo, la IA servía sobre todo para reconocer o clasificar: ¿este correo es spam?, ¿hay un gato en esta foto?, ¿qué película te recomiendo? Respondía con una etiqueta o una puntuación.

La IA generativa hace otra cosa: produce contenido nuevo. Un texto, una imagen, un sonido, un vídeo, código. Tú le das una instrucción (el prompt) y ella fabrica algo que no existía, apoyándose en todo lo que aprendió durante su entrenamiento.

En el texto: predecir el siguiente fragmento

Asistentes como ChatGPT, Claude, Gemini o Le Chat se basan en un gran modelo de lenguaje. Su principio básico es sorprendentemente simple: predecir la continuación más probable de un texto.

El modelo no lee palabras enteras, sino tokens, fragmentos de texto: una palabra corta, un trozo de una palabra larga, un signo de puntuación. En cada paso calcula qué tokens tienen más probabilidades de venir a continuación, elige uno, lo añade al texto y vuelve a empezar. Una respuesta de tres párrafos son cientos de predicciones encadenadas.

Parece limitado y, sin embargo, esa capacidad llega muy lejos: para predecir bien la continuación de una explicación, un razonamiento o un programa, el modelo ha tenido que captar muchísimas regularidades sobre el lenguaje y el mundo. De ahí que sepa reformular, resumir, traducir, planificar o escribir código.

Pero quédate con la consecuencia principal: el modelo genera, no consulta. Produce lo que es verosímil, no lo que está comprobado.

En las imágenes: partir del ruido

Los generadores de imágenes funcionan de otra manera. La mayoría usan modelos de difusión. Durante el entrenamiento se toman imágenes y se les añade ruido poco a poco (como la nieve de una tele antigua) hasta que quedan irreconocibles, y el modelo aprende a hacer el camino inverso: quitar el ruido paso a paso.

Cuando pides una imagen, el generador parte de un ruido aleatorio y lo va «limpiando» poco a poco, guiado por tu texto. Por eso dos intentos con el mismo prompt nunca dan la misma imagen: el ruido de partida cambia.

Y por eso también conviene describir hechos visuales (sujeto, escenario, encuadre, luz) en lugar de deseos («una imagen que impacte»): el modelo ha aprendido a relacionar descripciones concretas con formas. La plantilla de 5 capas para tus imágenes parte exactamente de ese principio. Para pasar a la práctica, sigue la guía para generar una imagen con IA y luego el método para crear un vídeo con IA.

Dos momentos distintos: el entrenamiento y el uso

Se confunden a menudo.

El entrenamiento ocurre antes de que uses la herramienta. El modelo se expone a cantidades enormes de textos o imágenes y ajusta sus parámetros internos para predecir mejor. Es largo, caro y lo hace la empresa que crea el modelo. Al terminar, sus conocimientos quedan congelados en una fecha determinada.

El uso (también se habla de inferencia) es cuando haces tu pregunta. En ese momento el modelo no aprende nada nuevo: aplica lo que aprendió para generar una respuesta. Por eso no conoce la actualidad posterior a su entrenamiento, salvo que la herramienta le añada una búsqueda web o documentos que tú le aportes.

Un matiz: algunos servicios pueden usar tus conversaciones para entrenar futuros modelos, según tu configuración. Es un ajuste de privacidad que conviene revisar en tu herramienta.

Lo que la IA generativa hace bien

  • Producir un primer borrador: un correo, un esquema, una descripción, una idea de imagen.
  • Reformular y adaptar: cambiar el tono, simplificar, acortar, traducir.
  • Resumir y estructurar un texto que tú le das.
  • Proponer variantes: diez títulos, cinco enfoques, tres estilos de imagen.
  • Explicar un concepto a tu nivel y responder a tus repreguntas.

En todos estos casos, tú sigues siendo capaz de juzgar el resultado. Es lo que tienen en común los buenos usos.

Lo que hace mal

  • Los datos precisos: cifras, fechas, citas, referencias. Puede inventarlos con total aplomo.
  • Lo reciente: sin búsqueda web, no sabe lo que pasó después de su entrenamiento.
  • El cálculo exacto y la lógica larga, aunque los modos de razonamiento avanzan.
  • En imagen: las manos, el texto dentro de la imagen, los logotipos y la coherencia de un personaje de una imagen a otra siguen siendo trampas clásicas.

Las alucinaciones, consecuencia directa

Como el modelo produce lo verosímil, a veces produce algo verosímil y falso: una fuente que no existe, una cifra inventada, una biografía mezclada. Es lo que se llama una alucinación. No es un fallo que se vaya a corregir de golpe algún día: es un efecto del propio funcionamiento. Las herramientas mejoran, pero el reflejo de comprobar sigue siendo imprescindible. Lo tienes todo detallado en por qué ChatGPT se inventa cosas.

Un prompt útil para no perder el control:

Responde a mi pregunta y luego añade una sección «Por comprobar» que enumere cada cifra, fecha, nombre o referencia de tu respuesta de la que no estés seguro. Si no lo sabes, dilo en lugar de adivinar. <pregunta> [tu pregunta] </pregunta>

Comprueba tú mismo el principio

La mejor forma de entenderlo es observar. Haz la misma pregunta dos veces en dos conversaciones distintas y compara: las respuestas varían, prueba de que el modelo genera en lugar de recitar. Después pídele que te explique su propio funcionamiento:

Explícame cómo generas tus respuestas, como a alguien que nunca ha tocado la informática. Usa una comparación de la vida cotidiana, en menos de 150 palabras. Luego dame tres ejemplos de preguntas en las que debería desconfiar de tu respuesta y explica por qué.

En cuanto a imagen, lanza el mismo prompt tres veces en un generador. Los tres resultados distintos te muestran el papel del ruido de partida.

Para ir más allá

En Ovrelia, la isla Prisma te ayuda a entender de dónde salen las imágenes generadas: cómo un generador convierte ruido en imagen, qué familias de herramientas existen y por qué hay que describir hechos visuales en lugar de deseos. El primer capítulo, «Del ruido a la imagen», es gratis y se juega en el navegador, sin cuenta: juégalo ahora.

Para pasar a la práctica con texto, empieza por cómo hacer un buen prompt en ChatGPT. Y si quieres ver qué pasa cuando una IA generativa ya no se limita a responder sino que actúa, lee qué es un agente de IA, en concreto. Para poner a prueba lo que sabes, lanza el reto entre amigos: diez preguntas cronometradas sobre IA y una puntuación que superar.

La IA generativa se presenta en varias familias de herramientas (asistentes de texto, imagen y vídeo, código, automatización). Para practicar cuál encaja con cada tarea, juega al minijuego gratuito ¿Qué IA usar?.

Preguntas frecuentes

¿Qué diferencia hay entre la IA y la IA generativa?

La IA es un campo amplio que incluye también sistemas que clasifican, ordenan o recomiendan. La IA generativa es la parte que produce contenido nuevo (texto, imagen, sonido, vídeo o código) a partir de una instrucción.

¿Cómo genera ChatGPT sus respuestas?

Divide el texto en tokens y predice, paso a paso, el fragmento más probable que viene a continuación, apoyándose en lo que aprendió durante su entrenamiento. Produce, por tanto, una continuación verosímil, no una información comprobada.

¿La IA generativa aprende mientras la uso?

No en el sentido de su entrenamiento: cuando haces una pregunta, el modelo aplica lo que ya aprendió. Algunas herramientas retienen información gracias a una memoria, y algunos servicios pueden usar tus conversaciones para entrenar futuros modelos según tu configuración de privacidad.

¿Por qué dos imágenes generadas con el mismo prompt son diferentes?

La mayoría de los generadores de imágenes parten de un ruido aleatorio que van limpiando poco a poco siguiendo tu texto. Como ese ruido de partida cambia en cada intento, el resultado también cambia.