Qué es la IA generativa (y qué no es)

Desde finales de 2022, millones de personas han hablado con una máquina que escribe como persona, dibuja lo que le describes y resume en segundos un documento que te tomaría una tarde leer. A eso se le llama IA generativa, y en menos de cuatro años pasó de curiosidad de laboratorio a herramienta que usan estudiantes, contadores, maestras y dueños de fondas. Pero el uso masivo no ha venido acompañado de una comprensión igual de masiva: mucha gente la usa sin saber qué está pasando detrás de la pantalla, y eso lleva tanto a desconfiar de más como a confiar de más.

Esta guía es para entenderla de verdad, sin fórmulas ni jerga innecesaria: de dónde viene, cómo produce texto e imágenes, en qué es buena y en qué falla, qué productos dominan hoy, cuánto cuesta (en dinero y en energía), qué mitos conviene desechar y cómo empezar a usarla con criterio. Todos los datos están fechados y enlazados a su fuente; la información sobre productos está actualizada a noviembre de 2026.

Qué es la IA generativa (y qué no es)

La IA generativa es la rama de la inteligencia artificial que produce contenido nuevo —texto, imágenes, audio, video o código— a partir de patrones que aprendió de enormes cantidades de datos. La diferencia con la IA «tradicional» está en el tipo de respuesta. Un sistema clásico de clasificación te dice si un correo es spam o no, o si una radiografía muestra una fractura: elige entre opciones. Un sistema generativo, en cambio, escribe el correo, redacta el informe o dibuja la ilustración.

Para entender lo que no es, conviene quitarle tres capas de mitología:

• No es una base de datos que «busca» respuestas. Un modelo generativo no consulta un archivo donde estén guardadas las frases correctas; construye cada respuesta a partir de probabilidades. Algunos productos sí combinan el modelo con un buscador, pero son dos piezas distintas.
• No es una mente consciente. Que hable en primera persona y con fluidez no significa que entienda el mundo como tú, que tenga intenciones o que «sepa» cuándo miente.
• No es una inteligencia artificial general. Los sistemas actuales son muy capaces en muchas tareas, pero siguen teniendo fallas que ningún experto humano cometería, como inventar una cita bibliográfica con total seguridad.

Una buena imagen mental: la IA generativa es un aprendiz que leyó una fracción enorme de lo que la humanidad ha escrito, que imita estilos con una facilidad asombrosa, que con frecuencia acierta y que, cuando no sabe algo, a veces rellena el hueco con algo que suena correcto.

De dónde viene: del aprendizaje automático a los LLM

La IA generativa no apareció de la nada con ChatGPT. Es la punta visible de varias décadas de investigación que conviene ver como una escalera de cuatro peldaños.

1. Aprendizaje automático: aprender de ejemplos

Durante buena parte del siglo XX, la IA se construyó con reglas escritas a mano (la llamada IA simbólica): «si el paciente tiene fiebre y tos, considera gripe». Funcionaba en dominios acotados, pero se rompía ante la complejidad del mundo real. El aprendizaje automático cambió el enfoque: en lugar de programar las reglas, le das al sistema miles de ejemplos y dejas que encuentre los patrones por su cuenta. Así funcionan los filtros de spam o los modelos que estiman si un cliente pagará su crédito.

2. Aprendizaje profundo: redes neuronales con muchas capas

Las redes neuronales artificiales son una familia de modelos inspirada muy libremente en el cerebro: capas de «neuronas» numéricas conectadas entre sí, cuyos pesos se ajustan durante el entrenamiento. La idea es antigua, pero despegó cuando hubo datos y cómputo suficientes. El momento simbólico fue 2012, cuando una red llamada AlexNet ganó por amplio margen la competencia de reconocimiento de imágenes ImageNet (Krizhevsky, Sutskever y Hinton, NeurIPS 2012). A partir de ahí, el aprendizaje profundo se volvió la técnica dominante en visión, voz y lenguaje, apoyado en las GPU, chips que originalmente se diseñaron para videojuegos.

3. Transformers: leer todo el contexto a la vez

En 2017, un equipo de Google publicó el artículo «Attention Is All You Need», que presentó la arquitectura transformer (Vaswani et al., 2017). Su pieza clave, el mecanismo de atención, permite que el modelo, al procesar cada palabra, «mire» a todas las demás del texto y pondere cuáles son relevantes. En la frase «la maestra le devolvió el examen al alumno porque estaba mal calificado», la atención ayuda a resolver a qué se refiere «estaba». Además, los transformers se pueden entrenar de forma muy paralela, lo que permitió escalar a tamaños antes impensables.

4. Grandes modelos de lenguaje

Al entrenar transformers cada vez más grandes con cada vez más texto, surgieron los grandes modelos de lenguaje (LLM, por sus siglas en inglés). En 2020, OpenAI mostró con GPT-3 que un modelo suficientemente grande podía resolver tareas nuevas con sólo unas cuantas instrucciones o ejemplos, sin reentrenarlo (Brown et al., 2020). El salto al gran público llegó el 30 de noviembre de 2022, cuando OpenAI abrió ChatGPT como una interfaz de conversación gratuita (OpenAI, 2022). Desde entonces, la competencia entre laboratorios ha producido nuevas generaciones de modelos cada pocos meses. Si quieres ver los hitos en orden, revisa nuestra línea del tiempo de la IA.

Cómo genera texto un modelo de lenguaje

Aquí está el corazón del asunto, y es más sencillo de lo que parece. Un modelo de lenguaje hace, en esencia, una sola cosa: predecir qué fragmento de texto viene a continuación. Todo lo demás —contestar preguntas, traducir, programar, resumir— se construye sobre esa capacidad.

Tokens: las piezas del texto

El modelo no lee letras ni palabras completas, sino tokens: fragmentos que pueden ser una palabra corta («sol»), parte de una palabra larga («electro» + «domésticos») o un signo de puntuación. El proceso de cortar el texto en esas piezas se llama tokenización. Los tokens importan por razones prácticas: los servicios cobran por token, y cada modelo tiene una ventana de contexto, es decir, un máximo de tokens que puede considerar a la vez (tu pregunta, los documentos que adjuntas y la conversación previa).

Predicción, una pieza a la vez

Cuando escribes «La capital de Yucatán es», el modelo calcula una probabilidad para cada token posible de su vocabulario y elige uno («Mérida» tendrá una probabilidad altísima). Luego agrega ese token al texto y repite el cálculo para el siguiente, y así hasta terminar. Un parámetro llamado temperatura controla cuánto se arriesga el modelo: con temperatura baja tiende a elegir siempre lo más probable (respuestas más predecibles); con temperatura alta explora opciones menos probables (respuestas más variadas y creativas, pero también más propensas a errores). Por eso la misma pregunta puede darte respuestas ligeramente distintas cada vez.

Preentrenamiento: leer casi todo

¿De dónde salen esas probabilidades? Del preentrenamiento: el modelo procesa cantidades gigantescas de texto (páginas web, libros, código, artículos) y, una y otra vez, intenta adivinar la palabra siguiente; cada error ajusta ligeramente sus miles de millones de parámetros. No hace falta que nadie etiquete los datos, porque el propio texto contiene la respuesta correcta; por eso se le considera aprendizaje autosupervisado. Al terminar, el modelo ha absorbido gramática, datos del mundo, estilos y hasta patrones de razonamiento, pero todavía no es un buen asistente: si le preguntas algo, puede continuar tu texto como si fuera un foro en vez de contestarte.

Ajuste y RLHF: de autocompletar a conversar

Para convertirlo en asistente se aplican etapas adicionales. Con el ajuste fino y, en particular, el ajuste por instrucciones, se le muestran miles de ejemplos de peticiones con respuestas bien hechas. Después viene el aprendizaje por refuerzo con retroalimentación humana (RLHF): personas comparan varias respuestas del modelo y señalan cuál es mejor; con esas preferencias se entrena un sistema que premia las respuestas útiles, veraces y seguras. OpenAI documentó este procedimiento en su trabajo sobre InstructGPT, donde un modelo ajustado así fue preferido por evaluadores humanos frente a uno 100 veces más grande sin ajustar (Ouyang et al., 2022). Hoy los laboratorios combinan estas técnicas con otras variantes de refuerzo, pero la lógica es la misma: pulir el comportamiento del modelo, no enseñarle conocimientos nuevos.

Modelos de razonamiento

En los últimos dos años se popularizaron los modelos de razonamiento, entrenados para generar una especie de borrador interno —una cadena de pensamiento— antes de dar la respuesta final. Esto mejora notablemente su desempeño en matemáticas, programación y problemas de varios pasos, a cambio de tardar más y consumir más tokens. La documentación de OpenAI los compara con «un colega senior» al que basta darle el objetivo, frente a modelos más rápidos que necesitan instrucciones explícitas (OpenAI, guía de prompting). Explicamos cómo aprovechar esa diferencia en Cómo escribir prompts que sí funcionan.

Imagen, audio y video: la otra familia generativa

Los generadores de imágenes funcionan con una lógica distinta. La técnica dominante es el modelo de difusión, formalizado en su versión moderna por Ho, Jain y Abbeel (2020). La idea, explicada sin matemáticas:

1. Durante el entrenamiento se toman millones de imágenes y se les agrega ruido poco a poco, como estática de televisión, hasta que quedan irreconocibles.
2. El modelo aprende a hacer el camino inverso: dada una imagen ruidosa, estimar qué ruido quitar para acercarse a una imagen limpia.
3. Para generar, se parte de ruido puro y se aplica ese «desruido» muchas veces, guiado por tu descripción. La imagen emerge gradualmente, como una foto que se revela.

El texto que escribes se conecta con la imagen gracias a representaciones numéricas compartidas (embeddings) que relacionan palabras y rasgos visuales. Variantes de esta familia generan video (texto a video), donde además hay que mantener coherencia entre cuadros, y audio. La voz sintética (texto a voz) y la clonación de voz usan arquitecturas diversas, incluidos transformers.

La frontera entre familias se ha difuminado: los sistemas actuales son cada vez más de IA multimodal, capaces de recibir una foto de un recibo y explicarlo, o de editar una imagen siguiendo una conversación. Esto también tiene un lado oscuro: los deepfakes de voz y video son cada vez más convincentes, y estándares como las credenciales de contenido C2PA intentan dejar constancia de cómo se creó un archivo.

Qué hace bien y qué hace mal

La regla práctica: la IA generativa es excelente para producir borradores plausibles y mala para garantizar exactitud. Esta tabla resume dónde conviene apoyarse en ella y dónde extremar la cautela.

Alucinaciones

Una alucinación es una respuesta falsa presentada con total seguridad. No es un error ocasional que se vaya a corregir con el siguiente parche, sino una consecuencia de cómo funcionan estos modelos. Un trabajo de investigadores de OpenAI publicado en septiembre de 2025 argumenta que el entrenamiento y las evaluaciones habituales premian «adivinar» por encima de admitir incertidumbre, igual que en un examen de opción múltiple donde dejar la respuesta en blanco garantiza cero puntos (OpenAI, 2025; Kalai et al., 2025). El caso más citado ocurrió en 2023 en Nueva York: en la demanda Mata contra Avianca, unos abogados presentaron ante un tribunal federal precedentes judiciales que ChatGPT había inventado (CNBC/NBC News, mayo de 2023). Los modelos más recientes alucinan menos, sobre todo cuando razonan o consultan fuentes, pero ninguno está libre del problema.

Sesgos

Un modelo aprende de lo que lee, y lo que hay en internet refleja desigualdades y estereotipos. Si le pides «la imagen de un director de empresa», puede tender a ciertos perfiles; si evalúa currículos, puede arrastrar patrones injustos. A esto se le llama sesgo algorítmico. Además, el contenido en español de México está menos representado que el inglés, así que en temas locales (trámites del SAT, regulación estatal, expresiones regionales) los errores son más probables.

Fecha de corte

Cada modelo se entrena con datos hasta cierto momento, su fecha de corte. Lo que pasó después no lo «sabe», salvo que el producto le dé acceso a búsqueda web o a documentos que tú proporciones. Si preguntas por una reforma reciente y el asistente no muestra fuentes, desconfía.

Razonamiento

Los modelos actuales resuelven problemas que hace tres años parecían inalcanzables, pero su razonamiento sigue siendo irregular: pueden resolver un problema difícil y fallar en una variante sencilla, o convencerse de un error y justificarlo con argumentos elocuentes. Tampoco son buenos jueces de sí mismos: si les preguntas «¿estás seguro?», a veces cambian una respuesta correcta por complacerte.

Las principales familias de productos hoy

El mercado cambia tan rápido que los nombres de versión envejecen en semanas, así que aquí hablamos de familias, no de modelos específicos. Para comparaciones detalladas consulta nuestra comparativa de asistentes de IA y el directorio de herramientas.

• Asistentes conversacionales generales. ChatGPT (OpenAI), Gemini (Google), Claude (Anthropic), Microsoft Copilot, Meta AI y Grok (xAI). Todos ofrecen versiones gratuitas y de pago, conversación por texto y voz, lectura de archivos e imágenes, y búsqueda web en mayor o menor medida.
• Modelos de pesos abiertos. Familias como Llama (Meta), DeepSeek, Qwen (Alibaba) o los de Mistral publican sus pesos para que cualquiera los descargue y ejecute en sus propios servidores, algo relevante para empresas que no quieren enviar datos a terceros. En el glosario, la entrada sobre modelos de pesos abiertos explica por qué no siempre equivalen a código abierto.
• IA integrada en herramientas de trabajo. Asistentes dentro de suites de oficina, correo, hojas de cálculo y editores de código, que trabajan con tus documentos como contexto.
• Generadores de imagen, video y voz. Desde generadores integrados en los asistentes hasta servicios especializados; por ejemplo, Google ofrece su modelo de video Veo en la app de Gemini y en su API (Google DeepMind).
• Agentes. Sistemas que no sólo responden, sino que ejecutan tareas de varios pasos: navegar, llenar formularios, programar.

En el ecosistema mexicano también hay propuestas locales, como Tlamati, que se presenta como «IA mexicana» y es una opción más a evaluar con los mismos criterios que cualquier otra.

Un recordatorio de lo volátil que es este mercado: OpenAI anunció en marzo de 2026 el cierre de su aplicación de video Sora, menos de seis meses después de lanzarla como app independiente (Engadget, marzo de 2026). No construyas procesos críticos sobre un solo producto sin un plan alternativo.

Cuánta gente la usa: los datos

Las cifras de adopción varían mucho según quién mide y cómo. Estas son algunas de las más sólidas disponibles a noviembre de 2026:

• México: 20.1% de la población en edad de trabajar (15 a 64 años) usó algún producto de IA generativa en el primer trimestre de 2026, frente a 16.7% en el primer semestre de 2025, según el reporte de difusión de IA del Microsoft AI Economy Institute, que se basa en telemetría anonimizada ajustada por población (Microsoft, mayo de 2026).
• Mundo: con la misma metodología, la proporción global llegó a 18.8% en junio de 2026, con una brecha creciente entre el Norte Global (28.8%) y el Sur Global (16.2%) (Microsoft, septiembre de 2026).
• Estados Unidos: 49% de los adultos usa chatbots de IA al menos ocasionalmente, frente a 33% en 2024; ChatGPT es el más usado (44%), seguido de Gemini (24%) y Copilot (17%). Encuesta a 5,119 adultos realizada en febrero de 2026 (Pew Research Center, junio de 2026).
• Empresas: 88% de las organizaciones encuestadas reporta uso regular de IA en al menos una función de negocio, aunque la mayoría todavía no la escala más allá de pilotos (McKinsey, The State of AI, noviembre de 2025).
• Un producto: OpenAI informó en febrero de 2026 que ChatGPT alcanzó 900 millones de usuarios activos semanales y 50 millones de suscriptores de pago; es una cifra de la propia empresa, no auditada (TechCrunch, febrero de 2026).

El AI Index 2026 de Stanford resume la tendencia: la IA generativa alcanzó 53% de adopción poblacional en tres años, más rápido que la computadora personal o internet (Stanford HAI, 2026). La adopción, sin embargo, no equivale a confianza: en la misma encuesta de Pew, sólo 16% de los estadounidenses espera que la IA tenga un efecto positivo en la sociedad en los próximos 20 años.

Costos y energía: lo que no se ve en la pantalla

Cada respuesta tiene un costo físico: chips especializados funcionando en un centro de datos que consume electricidad y, a menudo, agua para enfriarse. Hay que distinguir dos momentos. El entrenamiento de un modelo de frontera es una inversión enorme y puntual; la inferencia —cada vez que alguien lo usa— es pequeña por consulta, pero se multiplica por cientos de millones de usuarios.

¿Cuánto es una consulta? Google publicó en agosto de 2025 que una petición de texto mediana a la app de Gemini consumía 0.24 Wh de energía y 0.26 mililitros de agua, equivalente, según la empresa, a ver televisión menos de nueve segundos (Google Cloud, agosto de 2025). Es una cifra útil pero parcial: la midió la propia empresa, corresponde a una mediana (las tareas largas, de imagen o de video consumen bastante más) y excluye el entrenamiento.

A escala global, la Agencia Internacional de Energía estima que los centros de datos consumieron unos 485 TWh en 2025 y que esa cifra casi se duplicará, a unos 950 TWh, para 2030; el consumo de los centros enfocados en IA creció 50% sólo en 2025 (AIE, «Key Questions on Energy and AI», vía Eco-Business, mayo de 2026). Ese es el debate de fondo sobre la huella energética de la IA: el impacto individual de una consulta es bajo, pero el agregado presiona redes eléctricas y recursos hídricos, un tema relevante para regiones con estrés hídrico donde se instalan centros de datos.

En dinero, la tendencia ha sido a la baja: el AI Index 2025 de Stanford calculó que el costo de inferencia de un sistema con desempeño equivalente a GPT-3.5 cayó más de 280 veces entre finales de 2022 y finales de 2024 (Stanford HAI, 2025). Por eso hay versiones gratuitas útiles, aunque los modelos más potentes y los de razonamiento siguen siendo caros de operar y suelen reservarse para planes de pago.

Mitos comunes

1. «Busca la respuesta en internet.» No por defecto. El modelo genera texto con base en lo que aprendió; sólo consulta la web si el producto tiene esa función activada, y aun así puede citar mal.
2. «Si lo dice con seguridad, es cierto.» El tono seguro es parte del estilo aprendido, no un indicador de exactitud.
3. «Aprende de cada conversación en tiempo real.» El modelo no se reentrena mientras hablas. Algunos productos guardan memoria de tus preferencias o usan conversaciones para entrenar versiones futuras según su configuración de privacidad, que conviene revisar.
4. «Es sólo un autocompletado, no sirve para nada serio.» Predecir el siguiente token, a esta escala y con el ajuste adecuado, produce capacidades reales de análisis, programación y síntesis. Que el mecanismo sea simple no hace triviales los resultados.
5. «Entiende y siente como una persona.» Imita muy bien el lenguaje de las emociones, pero no hay evidencia de que tenga experiencias. Antropomorfizarlo lleva a confiarle decisiones que no le corresponden.
6. «Los detectores de IA saben si un texto es generado.» Los detectores de texto generado se equivocan con frecuencia, incluidos falsos positivos contra textos escritos por personas; no deberían usarse como única prueba para sancionar a un estudiante.
7. «Va a reemplazar todos los trabajos mañana.» Transforma tareas dentro de los trabajos más que profesiones completas de golpe; el ritmo depende de cada sector y de cómo se adopte.

Cómo empezar a usarla con criterio

No necesitas saber programar. Necesitas hábitos. Esta lista sirve igual para un estudiante de prepa que para el dueño de un despacho contable en Puebla:

1. Empieza por tareas de bajo riesgo. Pulir un correo, resumir un artículo que ya leíste, generar ideas para una clase. Así calibras dónde acierta y dónde no.
2. Dale contexto. Quién eres, para quién es el resultado, qué tono y formato quieres. La diferencia entre una respuesta genérica y una útil suele estar en tu prompt. Nuestra guía Cómo escribir prompts que sí funcionan y la biblioteca de prompts te ahorran mucha prueba y error.
3. Proporciona tú las fuentes. Pega o adjunta el documento que quieres analizar en lugar de preguntar «de memoria». Muchos productos funcionan así con técnicas de generación aumentada por recuperación, que reducen (sin eliminar) las alucinaciones.
4. Verifica lo verificable. Cifras, nombres, fechas, artículos de ley y citas: siempre contra la fuente original.
5. Cuida tus datos. No pegues RFC, CURP, expedientes médicos, contraseñas ni información confidencial de clientes en servicios cuyas condiciones no conoces. En México, el tratamiento de datos personales por particulares se rige por la Ley Federal de Protección de Datos Personales en Posesión de los Particulares, expedida en marzo de 2025 (Cámara de Diputados). Más detalles en privacidad y datos al usar IA.
6. Sé transparente. Si un texto importante lo redactó en buena parte una IA, dilo cuando corresponda (en la escuela, en un trabajo para un cliente, en una publicación).
7. Prueba más de una herramienta. Cada asistente tiene fortalezas distintas; comparar dos respuestas es, además, una forma sencilla de detectar errores.

La IA generativa no es magia ni fraude: es una tecnología estadística muy potente con límites claros. Quien entiende cómo funciona aprovecha sus fortalezas, se protege de sus fallas y toma mejores decisiones sobre cuándo usarla y cuándo no.