IA generativa: qué es, ejemplos y cómo funciona

Puede que ya la uses sin ponerle nombre: un correo redactado con ChatGPT, una imagen creada para una presentación, un resumen de reunión generado automáticamente. Todo eso es IA generativa. Empiezo por la definición, después la diferencia con la IA «clásica», el funcionamiento explicado sin matemáticas, ejemplos concretos por tipo de contenido y los límites que conviene conocer.

¿Qué es la IA generativa? Definición

La IA generativa (o inteligencia artificial generativa, en inglés generative AI) designa los sistemas capaces de crear un contenido nuevo, ya sea texto, imagen, vídeo, sonido o código, a partir de una petición formulada en lenguaje corriente. Se apoya en modelos entrenados con cantidades muy grandes de datos, de los que han aprendido las regularidades para producir contenidos que se les parecen sin copiarlos.

La palabra clave es «generativa»: donde los sistemas anteriores respondían a una pregunta cerrada (¿este mensaje es spam?, ¿este cliente se va a ir?), estos producen algo que no existía. La petición que les haces se llama prompt, y el resultado depende en gran parte de la información que pongas en ella.

Hay tres términos que aparecen a menudo junto a la definición:

• Modelo de lenguaje (LLM, por large language model): el motor de las IA generativas de texto, como los modelos GPT de OpenAI, Claude de Anthropic, Gemini de Google o los de Mistral AI.
• Modelo fundacional: un gran modelo entrenado una vez con datos muy variados y reutilizado después para decenas de tareas distintas.
• Gen AI: la abreviatura inglesa habitual, sinónimo de IA generativa.

¿Qué es una IA generativa, en una frase sencilla?

Una IA generativa es un programa al que le describes lo que quieres, en español, y que lo fabrica: un texto, una imagen, una música, un fragmento de código. No busca la respuesta en una base de datos, la compone a partir de lo que ha aprendido.

¿ChatGPT es una IA generativa?

Sí. ChatGPT es el asistente conversacional de OpenAI, lanzado a finales de noviembre de 2022, y es el que dio a conocer la IA generativa al gran público. Se basa en los modelos GPT, siglas de Generative Pre-trained Transformer: la palabra «generativo» está en el nombre. Claude, Gemini, Le Chat de Mistral o Microsoft Copilot pertenecen a la misma familia. De hecho, comparo dos de ellos en mi opinión sobre Claude AI.

¿Qué diferencia hay entre IA e IA generativa?

La IA generativa no es una tecnología distinta de la inteligencia artificial: es una de sus ramas. Las dos encajan como muñecas rusas:

1. La inteligencia artificial agrupa todas las técnicas que permiten a una máquina realizar tareas asociadas a la inteligencia humana.
2. El aprendizaje automático (machine learning) es la parte en la que la máquina aprende a partir de ejemplos en lugar de reglas escritas a mano.
3. El aprendizaje profundo (deep learning) utiliza redes neuronales de muchas capas.
4. La IA generativa es la familia de modelos de aprendizaje profundo cuyo objetivo es producir contenido.

En la práctica, la confusión viene de que la IA «de antes» ya estaba en todas partes, sin llamar la atención. La tabla siguiente aclara la diferencia.

Las dos conviven. Una IA clásica sigue siendo superior en una tarea repetitiva bien definida, con un resultado medible y una necesidad de constancia. La IA generativa destaca allí donde la variedad de situaciones hace imposible escribir todas las reglas.

¿Cuáles son los 3 tipos de IA?

La clasificación más citada distingue las IA por su nivel de capacidad: la IA débil (o estrecha), especializada en un ámbito; la IA general, capaz de igualar al ser humano en el conjunto de las tareas intelectuales; y la superinteligencia, que lo superaría. Todas las IA en servicio hoy, generativas incluidas, siguen dentro de la primera categoría: la IA general sigue siendo un objetivo de investigación, no un producto.

Otra clasificación, más útil en el día a día, distingue la IA por lo que hace: predictiva (anticipa), generativa (produce) y agéntica (encadena acciones por sí sola para alcanzar un objetivo). Esta última familia es la que detallo en mi guía para crear un agente de IA.

¿Cómo funciona la IA generativa?

Entender el principio permite entender los límites. Esta es la explicación sin matemáticas, en cuatro pasos.

1. El entrenamiento: aprender regularidades

Un modelo de lenguaje se entrena primero con cantidades gigantescas de texto: páginas web, libros, artículos, código. Su única tarea en esta fase: adivinar el siguiente fragmento de palabra (un token) en miles de millones de frases y corregir sus parámetros cada vez que se equivoca. A fuerza de repetirlo, aprende la gramática, hechos, estilos y razonamientos tipo.

El salto técnico que lo hizo posible es de 2017: la arquitectura Transformer, publicada por investigadores de Google, que permite al modelo tener en cuenta todo el contexto de una frase a la vez. La T de GPT es ella.

2. El ajuste: aprender a responder

Un modelo que sabe continuar un texto todavía no sabe conversar. Una segunda fase lo entrena con ejemplos de preguntas y buenas respuestas, y después con preferencias expresadas por personas que puntúan sus respuestas. Eso es lo que convierte un predictor de texto en un asistente que sigue instrucciones y rechaza ciertas peticiones.

3. La generación: palabra a palabra

Cuando haces una pregunta, el modelo no busca la respuesta en una base. Calcula, para cada fragmento de palabra posible, la probabilidad de que venga a continuación, elige uno, lo añade al texto y vuelve a empezar. Tu respuesta se construye así, token a token. Eso explica su fluidez y que dos peticiones idénticas den dos respuestas distintas.

En las imágenes, el principio cambia de forma pero no de naturaleza. Los llamados modelos «de difusión» parten de una imagen de ruido aleatorio y la van limpiando paso a paso, guiados por tu descripción, hasta obtener una imagen coherente. El vídeo y el sonido siguen lógicas parecidas.

4. Por qué inventa

Este mecanismo no tiene ninguna noción de verdad: produce lo verosímil, no lo verdadero. Cuando la información está en lo que ha aprendido, lo verosímil y lo verdadero coinciden. Cuando falta, produce igualmente una respuesta verosímil, y es falsa. Este fenómeno tiene nombre, la alucinación: una referencia jurídica, una estadística o un número de página perfectamente creíbles y totalmente inventados.

Dos mecanismos reducen este defecto sin eliminarlo. La búsqueda web, ahora integrada en los principales asistentes, les permite apoyarse en páginas actualizadas y citar sus fuentes. El contexto que aportas (documentos, ejemplos, instrucciones precisas) pesa más en la calidad de la respuesta que la forma de redactar la petición: ahí está toda la clave del prompt engineering moderno.

Ejemplos de IA generativa por tipo de contenido

El término abarca tecnologías que no tienen ni la misma madurez ni los mismos usos. La tabla siguiente clasifica quince ejemplos concretos por tipo, con herramientas reales y la precaución que conviene mantener. Filtra y después copia la selección para compartirla con tu equipo.

Texto: la familia más madura

Es la IA generativa más utilizada y la más útil en el trabajo: redacción, resumen, traducción, análisis de documentos, conversación. Los asistentes generalistas (ChatGPT de OpenAI, Claude de Anthropic, Gemini de Google, Le Chat de Mistral AI, Microsoft Copilot) cubren lo esencial, y todos ofrecen una versión gratuita para probar.

Ejemplo de petición que funciona: «Aquí tienes el acta de nuestra reunión (pegada debajo). Redacta un correo de ocho líneas a los participantes con las tres decisiones tomadas y quién hace qué, sin frases hechas». Para ir más lejos, he reunido ejemplos de prompts para ChatGPT clasificados por uso.

Imagen: excelente para ilustrar, frágil en el detalle

Describes una escena y la herramienta produce la imagen. Midjourney, Adobe Firefly y el generador de imágenes integrado en ChatGPT son los más conocidos; Photoshop incluye un relleno generativo para retocar una foto existente. El nivel es ya muy bueno para ilustrar, y más frágil en cuanto hace falta una coherencia perfecta entre varios visuales o una marca concreta.

Dos precauciones: los derechos de uso varían según el servicio, y una imagen generada puede retomar elementos estilísticos de obras existentes. Para un uso comercial, lee las condiciones de la herramienta.

Vídeo: la familia que más rápido se mueve

Google Veo, Runway o Kling generan planos de unos segundos a partir de un texto o de una imagen. La calidad avanza deprisa, pero el mercado también se mueve deprisa: OpenAI anunció el 24 de marzo de 2026 el cierre de Sora, su aplicación y su API de generación de vídeo, seis meses después del lanzamiento de la aplicación. No construyas todo un proceso sobre una sola herramienta de esta familia.

Sonido: voz, música y reuniones

Síntesis de voz muy cercana a la humana (ElevenLabs), composición musical a partir de una descripción (Suno), actas automáticas de reuniones en las herramientas de videoconferencia. En la empresa, este último uso suele ser el primero en adoptarse, porque elimina una tarea que a nadie le gusta hacer.

Código: el ahorro más visible

Escritura, corrección, explicación y migración de código. GitHub Copilot, Cursor o Claude Code asisten a los desarrolladores y permiten a perfiles que no son desarrolladores crear pequeños programas útiles. Esta práctica tiene incluso nombre, el vibe coding, con sus puntos fuertes y sus trampas.

¿Para qué sirve la IA generativa en el trabajo?

Los usos se agrupan en cuatro familias, sea cual sea la profesión:

• Producir un primer borrador. Un mensaje delicado, un acta, una descripción, el borrador de una propuesta. El ahorro no está en suprimir el trabajo sino la página en blanco, siempre que reescribas.
• Entender un volumen que no tienes tiempo de leer. Un pliego de licitación, un año de intercambios con un cliente, un informe técnico: subes el documento y le haces tus preguntas. Es el uso más rentable, y el menos arriesgado, porque el modelo trabaja sobre un texto que puedes verificar.
• Transformar información. Notas sueltas a una tabla, una tabla a un texto, un idioma a otro. Tarea mecánica, resultado verificable.
• Explorar y dejarte llevar la contraria. Pedir las objeciones a un proyecto, los puntos ciegos de un análisis, las opciones no contempladas. El uso más infravalorado.

Desplegar estos usos en un equipo es otra cosa muy distinta a probarlos por tu cuenta: marco, elección de la herramienta, formación, medición. He escrito un plan paso a paso sobre IA para empresas, y también acompaño a las pymes que quieren automatizar sus tareas repetitivas con IA (automatización con IA a medida).

Los límites y los riesgos de la IA generativa

• La fiabilidad. El modelo comete errores con total seguridad. Toda información que te comprometa debe verificarse, y el proceso debe prever quién la verifica.
• La confidencialidad. Usar un asistente equivale a transmitir información a un tercero. Las ofertas profesionales suelen excluir el uso de tus contenidos para el entrenamiento, algo que no siempre ocurre con las cuentas personales gratuitas: lee las condiciones.
• Los derechos de autor. Los modelos se entrenan con obras existentes, y hay varios pleitos que enfrentan a autores, editores y proveedores de modelos. El estatus de los contenidos generados sigue en debate: prudencia con los usos comerciales.
• Los sesgos. Un modelo reproduce los desequilibrios de sus datos de entrenamiento. En todo lo que afecta a personas (selección de personal, evaluación), la decisión debe seguir siendo humana.
• Los contenidos falsos. Las imágenes, voces y vídeos manipulados (deepfakes) se han vuelto fáciles de producir, lo que alimenta estafas y desinformación.
• La dependencia. Un proceso construido en torno a un servicio depende de sus condiciones, de sus precios y de su supervivencia, como recordó el cierre de Sora.
• La uniformización. Si todo el mundo usa las mismas herramientas con las mismas instrucciones, todo el mundo produce lo mismo. La diferencia está en lo que aportas tú.
• La huella ambiental. Entrenar y hacer funcionar estos modelos consume mucha electricidad y muchos recursos en los centros de datos. Usar la herramienta adecuada para cada tarea no es solo una cuestión de coste.

Lo que dice la ley: el AI Act

El reglamento europeo de inteligencia artificial (AI Act) regula la IA generativa. Sus obligaciones de transparencia se aplican desde el 2 de agosto de 2026: una persona debe saber que está hablando con una IA, los proveedores deben marcar los contenidos generados de forma detectable, y los deepfakes deben señalarse como tales. Para los sistemas que ya estaban en el mercado antes de esa fecha, el marcado técnico dispone de un plazo hasta el 2 de diciembre de 2026, en virtud del llamado reglamento «ómnibus digital», en vigor desde el 27 de julio de 2026. Las obligaciones propias de los sistemas de alto riesgo, como la selección de personal, se aplazan al 2 de diciembre de 2027.

Cómo usar bien la IA generativa: 5 reglas

1. Da todo el contexto a la primera: quién eres, para quién es el resultado, el documento de referencia, el formato esperado.
2. Aporta las fuentes en lugar de hacer que las busque. Pega el contrato, el informe, las cifras: así el modelo responde sobre algo real.
3. Verifica todo lo que te comprometa: cifras, nombres, fechas, referencias jurídicas, citas.
4. No pongas nunca datos sensibles en una cuenta personal gratuita (datos de clientes, salarios, salud, secretos empresariales).
5. Reescribe antes de publicar. Un texto generado y publicado tal cual se parece a todos los demás; tu experiencia marca la diferencia.

Lo más eficaz para empezar sigue siendo sencillo: elige una tarea pesada que vayas a hacer de todos modos esta semana (un acta, un documento que entender, un mensaje difícil), hazla con un asistente siguiendo estas reglas y repite al día siguiente con otra. Es la repetición la que crea el hábito.

Escrito por

Anthony Courtin

Consultor SEO, GEO y automatización con IA

Acompaño a pymes y profesionales independientes en su visibilidad (Google, ChatGPT, Perplexity) y en el uso real de la IA en el trabajo. Intervengo en empresas para formar a los equipos y replantear los procesos. Todo lo que escribo aquí lo uso en mis proyectos.

Sígueme en LinkedIn Mi canal de YouTube (en francés)