Entender

Qué es la IA, sin el marketing

Una inteligencia artificial generativa es una máquina estadística entrenada para producir la continuación más probable de un texto, una imagen o un razonamiento. No entiende, no verifica, no decide. Es muy buena en todo lo que se parece a un trabajo ya hecho miles de veces, y mediocre en cuanto hay que acertar siempre.

Lo que ocurre realmente cuando hace una pregunta

El texto que usted escribe se divide en unidades y después se convierte en números. El modelo aplica a esos números una enorme cantidad de operaciones aprendidas durante su entrenamiento, y obtiene una probabilidad para cada palabra posible. Elige, escribe, vuelve a empezar. No consulta ninguna base de conocimientos, no razona en sentido lógico ni tiene conciencia de decir algo verdadero o falso.

Esta mecánica lo explica todo: por qué el resultado es excelente en una carta comercial y dudoso en una suma, por qué varía de una vez a otra, y por qué hay que proporcionarle sus documentos si quiere que hable de su empresa y no de una empresa promedio.

Lo que la IA hace bien hoy

Reformular, resumir, traducir, adaptar el tono a un destinatario.
Extraer información estructurada de un documento mal formateado.
Clasificar, ordenar y derivar un gran volumen de entradas heterogéneas.
Producir un primer borrador que una persona competente corregirá más rápido de lo que habría tardado en escribirlo.
Permitir consultar en lenguaje corriente una documentación que nadie lee.

Lo que hace mal, y que no conviene confiarle

Todo lo que debe ser exacto al 100 %: cálculo reglamentario, nóminas, contabilidad.
Toda decisión que comprometa la responsabilidad de la empresa sin revisión humana.
Todo lo que exige conocer un hecho reciente que no se le ha proporcionado.
Todo lo que requiere decir «no lo sé» en lugar de producir una respuesta.

Respuesta breve

¿Hace falta un perfil técnico en la empresa para usarla?

Para el uso diario, no: las herramientas se usan en su propio idioma. Para conectar la IA a sus datos y procesos, sí: alguien tiene que entender por dónde pasa la información y quién tiene derecho a verla. Esa función no requiere necesariamente crear un puesto, pero debe asignarse a una persona designada.

Vocabulario

Las ocho palabras que bastan para desenvolverse en una reunión

No necesita conocer más para decidir. Un proveedor que le exige más vocabulario probablemente le está vendiendo complejidad.

Modelo de lenguaje: Un programa entrenado con enormes volúmenes de texto para predecir la continuación más probable de una frase. Es el motor de los asistentes conversacionales.
IA generativa: Familia de sistemas que producen contenido nuevo —texto, imagen, código, sonido— en lugar de clasificar o predecir un valor.
Alucinación: Una respuesta falsa producida con el mismo aplomo que una respuesta correcta. No es un error que se corrija, es una propiedad del método que hay que acotar.
Prompt: La instrucción que se da al modelo. Su formulación cambia enormemente la calidad del resultado, lo que la convierte en una competencia en sí misma.
RAG: Generación aumentada por recuperación: se buscan los documentos pertinentes en sus propias bases y después se pide al modelo que responda apoyándose en ellos. Es lo que permite a la IA hablar de su empresa.
Fine-tuning: Reentrenamiento parcial de un modelo con sus datos para adaptarlo a un tono o a un formato. Costoso, y rara vez la primera palanca que conviene accionar.
Agente: Un modelo autorizado a desencadenar acciones: enviar un correo, escribir en una base de datos, llamar a una API. Ahí es donde empieza realmente el riesgo operativo.
Token: La unidad en que se divide el texto, y la unidad de facturación. El coste de un uso se calcula en tokens consumidos, no en número de usuarios.

Entorno cambiante

Cómo decidir cuando todo cambia cada trimestre

Respuesta breve

¿En qué apoyarse cuando los modelos cambian continuamente?

En lo que no cambia. Sus datos, sus procesos y las competencias de sus equipos tienen una vida útil de varios años. El modelo del momento, de unos pocos meses. Una arquitectura correcta trata el modelo como una pieza intercambiable, lo que le permite cambiarlo en un día en lugar de reconstruir la herramienta.

En concreto, bastan tres principios para atravesar los ciclos. Primero, no escriba nunca el nombre de un proveedor de forma fija en sus herramientas: el punto de entrada del modelo debe ser una pieza aislada y reemplazable. Segundo, conserve en su empresa lo que tiene valor: los datos depurados, las reglas de negocio, los ejemplos validados. Por último, mida la calidad con sus propios casos de prueba, no con las clasificaciones públicas que cambian cada mes y no dicen nada de su actividad.

Lo que le saldrá caro no es haber elegido el modelo equivocado. Es haber construido una arquitectura que le impide cambiarlo.

Preguntas frecuentes

Las objeciones que más a menudo nos plantean

¿Es realmente inteligente la inteligencia artificial?

No, no en el sentido en que se entiende en un ser humano. Un modelo de lenguaje no entiende lo que escribe: calcula la continuación más probable a partir de regularidades observadas en sus datos de entrenamiento. Esta predicción es lo bastante buena para ser útil, pero no implica ni comprensión ni intención.

¿Por qué la IA inventa respuestas falsas?

Porque está diseñada para producir una respuesta plausible, no para señalar lo que ignora. Una información ausente de su entrenamiento se rellena con lo que estadísticamente se parece a una buena respuesta. Por esta razón, un uso serio en la empresa exige conectar el modelo a sus documentos y mantener una verificación humana de los resultados importantes.

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

La automatización clásica es determinista: la misma entrada produce siempre la misma salida, y su comportamiento se puede auditar línea por línea. La IA generativa es probabilística: la misma entrada puede producir dos salidas distintas. Eso la hace adecuada para tareas difusas e inadecuada para tareas que exigen una exactitud sistemática, como el cálculo de nóminas.

¿Hay que esperar a que la tecnología se estabilice antes de dar el paso?

Esperar no reduce el riesgo, lo desplaza. Sus empleados ya usan estas herramientas, y mientras tanto los competidores estructuran sus datos. La respuesta correcta no es esperar, sino invertir en lo que no pasa de moda: la calidad de sus datos, la claridad de sus procesos y la competencia de sus equipos.

Familiarización del comité de direcciónDos horas para hablar de la IA con las mismas palabras.Riesgos y controlLo que realmente puede salir mal, y cómo se acota.OportunidadesTraducir esta comprensión en ganancias medibles.

Siguiente paso

Una sesión de familiarización para su comité de dirección

Dos horas para que todos hablen de lo mismo, con el vocabulario de su sector y sus casos reales. Es una misión distinta del diagnóstico, con un informe escrito y una evaluación antes y después.

Solicitar una sesión Escríbanos