¿Qué es la inteligencia artificial? Una guía sin tecnicismos

Si le preguntás a diez personas qué es la inteligencia artificial, probablemente recibas diez respuestas distintas: un robot que piensa, un programa que te recomienda series, el chat que te ayuda a redactar un correo, el algoritmo que decide qué ves en redes sociales. Todas tienen algo de razón, y ese es justo el problema: "IA" se volvió un término paraguas que cubre cosas muy diferentes entre sí.

Lo que la IA no es

Empecemos por descartar la imagen que probablemente tenés en la cabeza: la IA no es una mente consciente, no tiene intenciones propias, y no "entiende" el mundo como lo entendés vos. Un sistema de IA no sabe que existe. No tiene curiosidad, no se aburre, no decide un día hacer algo distinto porque sí.

Lo que sí hace, y hace muy bien, es encontrar patrones en datos y usar esos patrones para predecir o generar algo nuevo. Eso suena menos espectacular que "máquina pensante", pero es mucho más útil para entender qué podés esperar de ella y qué no.

Tres categorías que conviene separar

IA basada en reglas. Es la más antigua y la más predecible: un programador escribe explícitamente qué hacer en cada situación ("si el cliente pide X, responde Y"). No aprende nada por sí sola; simplemente ejecuta instrucciones. Muchos sistemas de "IA" en empresas tradicionales son esto.

Aprendizaje automático (machine learning). Acá el sistema no recibe reglas explícitas, sino ejemplos. Le mostrás miles de fotos etiquetadas como "gato" o "no gato", y el sistema ajusta internamente sus parámetros hasta que puede clasificar fotos nuevas con buena precisión. No le dijiste cómo reconocer un gato; dedujo un patrón a partir de los datos.

Modelos de lenguaje grandes (LLM). Son la razón por la que todo el mundo habla de IA desde 2023. Entrenados con cantidades enormes de texto, aprenden a predecir la palabra más probable que sigue a una secuencia dada. De ese ejercicio aparentemente simple —predecir la siguiente palabra— emerge algo que se siente como razonamiento, redacción y conversación. (En el próximo artículo entramos en el detalle de cómo funciona esto.)

Por qué importa la diferencia

No es un tecnicismo vacío. Importa porque cada tipo falla de forma distinta:

• Un sistema basado en reglas falla cuando se presenta un caso que nadie anticipó.
• Un modelo de machine learning falla cuando los datos del mundo real se parecen poco a los datos con los que fue entrenado.
• Un LLM falla inventando información con total seguridad (las famosas "alucinaciones"), porque su trabajo nunca fue decir la verdad — fue predecir texto plausible.

Si vas a usar cualquiera de estos en tu trabajo, saber cuál es cuál te dice dónde confiar y dónde verificar.

Entonces, ¿qué es la IA, en una frase?

Un conjunto de técnicas para que un sistema encuentre patrones en datos y los use para predecir, clasificar o generar algo — sin que nadie le haya dicho paso a paso cómo hacerlo. Nada más esotérico que eso, y nada menos útil tampoco.

En los próximos artículos vamos a bajar a tierra: cómo funcionan los modelos de lenguaje por dentro, qué los distingue de la IA "tradicional", y sobre todo, cómo usarlos bien en el día a día sin caer en el hype ni en el miedo infundado.