Puntos clave
- La IA generativa es la que inventa un resultado que antes no existía. No elige entre respuestas ya preparadas.
- Una forma habitual de construirlo es acumular y afinar poco a poco: el texto se va uniendo pieza a pieza y la imagen suele irse afinando paso a paso en toda la pantalla borrosa.
- Qué encaja con qué sale de un olfato entrenado con muchísimos ejemplos. Nadie escribió esa regla a mano.
- Con la misma petición sale un resultado un poco distinto cada vez, porque la elección varía en cada intento.
- Texto, imagen, sonido, video: en todos se crea algo nuevo a partir de los patrones aprendidos.
La analogía
Al entrar en una floristería y pedir un ramo pequeño de flores amarillas, quien atiende no toma un ramo ya hecho del mostrador. Se pone delante de los cubos con las flores sueltas y va eligiendo una a una, añadiéndolas a la mano, mientras crea ahí mismo un ramo nuevo. El ramo hecho hoy con el mismo pedido suele ser un poco distinto al de ayer.
Eso es lo que hace la IA generativa: no busca ni saca una respuesta ya hecha en algún sitio, sino que, al recibir el pedido, la construye ahí mismo, pieza a pieza.
La mano se mueve con soltura porque ya ha armado miles de ramos antes. Sabe, casi de memoria, qué hoja va bien junto a qué flor, así que hasta ante un pedido nuevo le sale con naturalidad cuál es la siguiente flor.
En detalle
Elegir y construir son cosas distintas
Lo que hace la IA se divide en dos grandes tareas. Una es mirar algo que ya existe y decidir de qué tipo es: ver una foto y decir si es un gato o no, o ver un correo y decir si es spam o no. La respuesta es una entre unas pocas opciones fijas.
La otra es construir algo que no existía. Aquí la respuesta no está en ninguna lista fija: las frases o imágenes posibles son, en la práctica, infinitas, y hay que producir una nueva. Es tan distinto como elegir un ramo del mostrador y armar un ramo con flores sueltas.
Por eso también cambia la forma de juzgar el resultado. En la tarea de decidir se puede contar si acertó o falló, pero un resultado inventado no tiene una hoja de respuestas. Solo se puede juzgar si resulta verosímil, si encaja con lo pedido.
Se completa añadiendo pieza a pieza
La IA generativa que más se usa hoy tiende a no escupir el resultado entero de una vez, sino a construirlo en varias pasadas. Al escribir, elige el siguiente fragmento, lo añade y vuelve a elegir el fragmento siguiente. Es como poner una flor en el ramo, mirar el conjunto de nuevo y elegir la siguiente flor.
Con una imagen pasa igual. En vez de terminarla de un solo trazo, pasa varias veces (por lo general decenas, unas pocas en los modelos rápidos) por una etapa donde, a partir de una nebulosa, la forma se va ajustando poco a poco. Que el texto vaya apareciendo en la pantalla, o que una imagen se vuelva nítida poco a poco, es la señal de que este proceso está ocurriendo de verdad.
Al elegir cada pieza, se vuelve a mirar todo lo construido hasta ese momento. Si antes se colocó una flor roja, la elección siguiente cambia. Por eso una flor mal colocada al principio a veces arrastra las elecciones posteriores.
El olfato para lo que encaja viene de muchísimos ejemplos
Nadie escribió a mano una regla de qué va bien después de qué. Es el resultado de recorrer una cantidad enorme de texto e imágenes y aprender qué patrones aparecían juntos con frecuencia: qué palabra suele seguir a cuál, de qué color suele ser la parte superior del cielo en un dibujo. Así se acumula ese olfato.
Este olfato es distinto de memorizar frases o imágenes enteras. Si las hubiera memorizado, no podría ni tocar un pedido nuevo. Es justamente porque aprendió la relación entre las piezas que puede responder ante combinaciones que nunca oyó antes.
De ahí también viene un límite. Igual que una flor que no está en el cubo no puede entrar en el ramo, lo que apenas se vio en el entrenamiento sale torpe. Por eso cosas como el número de dedos o un texto largo, aunque haya muchos ejemplos, necesitan una regla exacta y se desvían con facilidad. Hoy se ha mejorado mucho, pero con letras pequeñas o frases largas todavía hay errores.
Con el mismo pedido sale un resultado distinto cada vez
Al elegir una pieza, la IA no tiene una sola candidata delante. Pone una puntuación de qué tan verosímil es cada una entre varias candidatas posibles, y elige una de ellas. En ese proceso de elección hay algo de azar mezclado, así que el resultado cambia cada vez, aunque el pedido sea el mismo.
Ese margen de azar se puede ajustar. Si se estrecha, salen resultados parecidos y sin sorpresas; si se ensancha, aumentan las combinaciones inesperadas, a costa de que también crezca el riesgo de que salga algo raro. Ese azar es también lo que hace que funcione probar varias veces hasta que salga un resultado que guste. Si se fija el azar (mismo valor inicial, mismos ajustes), se puede volver a obtener el mismo resultado. Muchos servicios dejan el azar activado por defecto, por eso el resultado parece cambiar cada vez.
Si cambia el objeto, cambia la forma de construirlo
Lo que se construye puede ser texto, imagen, voz o video. Al cambiar el objeto, cambia la forma de la pieza: en el texto es un fragmento de palabra, en la imagen es un paso que afina el conjunto de la pantalla, en el sonido es un breve tramo de tiempo.
Crear algo nuevo siguiendo lo aprendido es lo común, pero la forma de construirlo depende del objeto y del modelo. El texto suele unirse pieza a pieza, y la imagen suele afinarse entera, en varias pasadas, desde una pantalla borrosa. Aun así, una técnica que funciona bien en un campo suele pasar a otro: las que nacieron en el texto saltaron a la imagen, y las que nacieron en la imagen, al sonido y al video. Es también el trasfondo de que hayan aumentado rápido los servicios que manejan varios tipos a la vez.
Con más precisión
La IA generativa se refiere a modelos que aprenden, en forma de probabilidad, el patrón contenido en los datos de entrenamiento, y luego extraen un resultado nuevo siguiendo esa probabilidad. Mientras un modelo que solo decide se concentra en trazar una frontera, un modelo generativo aprende cómo se reparten los datos en sí. Por eso puede señalar, dentro de ese reparto, un punto que nadie ha construido todavía.
La analogía también tiene costuras. Quien atiende la floristería toma flores reales que están en el cubo, pero dentro de un modelo generativo no hay frases o imágenes enteras guardadas para sacar. El material de entrenamiento no se almacena, y el resultado se calcula de nuevo cada vez. Eso sí, lo que se vio muchísimas veces durante el entrenamiento puede salir con una forma muy parecida a ello, y de ahí surge una de las cuestiones de derechos de autor. Usar obras ajenas para entrenar también es, en sí mismo, motivo de controversia.
Además, quien atiende la floristería sabe por sí mismo si el ramo que armó es bonito, pero un modelo generativo no. Solo mide qué tan verosímil es; no tiene un mecanismo aparte para comprobar si es verdad.
Pruébalo
Malentendidos comunes
Es fácil pensar que busca y muestra un texto o una imagen guardados en algún sitio, pero en realidad no guarda el material de entrenamiento entero: calcula y construye algo nuevo cada vez a partir de lo que aprendió.
Es fácil pensar que, por ser algo recién construido, también es nuevo y exacto en sus hechos, pero en realidad se construye siguiendo lo verosímil, así que un contenido que se aparta de los hechos puede colarse dentro de una frase que suena natural.
Es fácil pensar que crea como una persona, pero en realidad elige combinaciones dentro del patrón que aprendió, así que le cuesta producir bien un formato del todo ajeno, sin ningún ejemplo previo.
Resumen en una línea
La IA generativa, en vez de elegir entre respuestas ya preparadas, construye cada vez un resultado nuevo, acumulando y afinando poco a poco, siguiendo el olfato que aprendió sobre qué encaja con qué.
¿Has visto un error o tienes una analogía mejor? Sugerir una corrección · Última actualización 2026-10-17