Guía de estudio de IA · Módulo 1. Fundamentos
IA generativa: qué es, cómo funciona y ejemplos
La IA generativa es la inteligencia artificial que crea contenido nuevo (textos, imágenes, voz, música, vídeo o código) a partir de los patrones que aprendió de enormes cantidades de datos. Es lo que hay detrás de ChatGPT, Gemini o Claude, y funciona generando lo más probable, no lo comprobado: por eso es tan útil y por eso a veces se equivoca.
¿Qué es la IA generativa?
La IA generativa, o inteligencia artificial generativa, es la que crea contenido nuevo: escribe un texto, dibuja una imagen, compone una canción, pone voz a un guion o programa una función, a partir de una petición en lenguaje normal. Lo consigue porque ha aprendido, con enormes cantidades de ejemplos, cómo suelen ser los textos, las imágenes o los sonidos, y genera algo que se parece a ellos sin copiarlos tal cual.
El NIST, el organismo de normalización de Estados Unidos, la define como la clase de modelos de IA que imitan la estructura y las características de los datos con los que se entrenan para generar contenido sintético derivado: imágenes, vídeos, audio, texto y otros contenidos digitales. La palabra importante es «derivado»: lo que sale es nuevo, pero está hecho con los patrones de lo que entró. Un modelo que ha visto millones de fotos de perros no guarda una copia de cada una: aprende lo que tienen en común, y con eso puede dibujar un perro que nunca ha existido.
Un ejemplo para verlo. Si le pides a un asistente «escribe un correo para mover la reunión del martes al jueves, con tono cordial», no busca ese correo en ninguna parte. Lo escribe palabra a palabra, eligiendo en cada paso la continuación que mejor encaja con tu petición y con todo lo que aprendió sobre cómo son los correos de trabajo.
La IA generativa no es nueva en el laboratorio, pero llegó al gran público el 30 de noviembre de 2022, cuando OpenAI abrió ChatGPT a cualquiera. Desde entonces se ha extendido a casi todo: los buscadores, los móviles, las herramientas de oficina y las de diseño, vídeo y programación.
Dentro del mapa de la inteligencia artificial, es una rama del deep learning, que a su vez es una forma de machine learning: sistemas que aprenden de los datos en lugar de seguir reglas escritas a mano, construidos con redes neuronales de muchas capas.
¿Qué diferencia hay entre la IA y la IA generativa?
La IA generativa es un tipo de IA. La diferencia está en lo que devuelve: la IA predictiva, la más habitual hasta 2022, analiza datos y devuelve una etiqueta, una cifra o una recomendación; la IA generativa devuelve contenido nuevo.
Un mismo correo sirve para verlo. Un filtro de spam (IA predictiva) lo lee y responde «no es spam, con un 97 % de probabilidad». Un asistente de IA generativa lo lee y te propone la respuesta escrita. El primero clasifica lo que ya existe; el segundo crea algo que no existía.
| IA predictiva | IA generativa | |
|---|---|---|
| Qué hace | Clasifica, recomienda o pronostica | Crea texto, imágenes, audio, vídeo o código |
| Qué devuelve | Una etiqueta, una cifra o una lista ordenada | Un contenido nuevo |
| Ejemplos | Filtro de spam, detección de fraude, previsión de ventas, recomendador de series | Asistentes de chat, generadores de imágenes, voz sintética, asistentes de código |
| Cómo se comprueba | Contra lo que pasó después (¿acertó la previsión?) | Leyendo, mirando o probando el resultado, uno a uno |
| Principal riesgo | Decidir mal sobre personas con datos sesgados | Inventar con seguridad y crear contenido engañoso |
IBM resume la diferencia así: la predictiva combina estadística y machine learning para encontrar patrones en datos históricos y prever lo más probable; la generativa aprende de sus datos para producir contenido parecido, pero no copiado. Y añade que no compiten: una empresa puede usar las dos a la vez, por ejemplo una predictiva para detectar qué clientes pueden irse y una generativa para redactar la oferta que les envía.
En el fondo las dos predicen. La generativa también calcula probabilidades, pero en lugar de una sola respuesta («spam» o «no spam») predice, una y otra vez, la siguiente pieza de un contenido. Eso es lo que explica el siguiente apartado.
Predecir o generar
Animación: el mismo correo en una IA predictiva y en una IA generativa
¿Cómo funciona la IA generativa?
La IA generativa funciona en dos tiempos. Primero se entrena: un modelo con miles de millones de valores internos ajustables (sus parámetros) procesa enormes cantidades de textos, imágenes o sonidos y aprende sus patrones. Después genera: ante una petición, calcula qué es lo más probable que venga a continuación y lo va eligiendo, pieza a pieza, hasta completar el contenido.
En un texto, la pieza es un token (una palabra o un trozo de palabra). Ante «El cielo de Madrid en agosto es…», el modelo no consulta un dato: asigna probabilidades a las continuaciones posibles («azul», «despejado», «abrasador»…) y elige una. Luego repite el proceso con la frase ya ampliada. No siempre escoge la más probable: introduce algo de azar controlado, y por eso la misma pregunta puede darte dos respuestas distintas.
El entrenamiento de los modelos actuales suele tener tres fases:
- Preentrenamiento. El modelo aprende a completar textos (o a reconstruir imágenes) con una cantidad enorme de datos. Al terminar sabe mucho del lenguaje y del mundo, pero no sabe conversar ni seguir instrucciones.
- Ajuste. Se le enseña con ejemplos de preguntas y buenas respuestas, y con valoraciones de personas que comparan varias respuestas y eligen la mejor. Así aprende a ser útil y a rechazar lo que no debe hacer.
- Uso. Cuando le escribes un prompt, el modelo ya no aprende: aplica lo aprendido para generar la respuesta. A esta fase se la llama inferencia.
A estos modelos tan grandes y generalistas, entrenados una vez y adaptados después a muchas tareas, se les llama modelos fundacionales. GPT, Gemini, Claude, Llama o Mistral son familias de modelos fundacionales; ChatGPT, la app de Gemini o Claude son las aplicaciones que los ponen a tu alcance.
De este funcionamiento sale su gran límite: el modelo genera lo probable, no lo comprobado. Si no sabe una cifra, la frase con una cifra plausible sigue siendo una continuación probable. A eso se le llama alucinación, y OpenAI explica que, además, muchas evaluaciones premian acertar por intuición en lugar de reconocer que no se sabe algo. Lo tienes más desarrollado en la lección sobre qué es un LLM.
¿Qué modelos hay detrás de la IA generativa?
Detrás de la IA generativa actual hay sobre todo dos familias de modelos: los transformers, que generan texto y código (y cada vez más, de todo), y los modelos de difusión, que generan imágenes, vídeo y audio. Antes de ellos, las GAN fueron las que dieron el primer gran salto en imágenes.
Transformers. Es la arquitectura que presentaron investigadores de Google en 2017 en el artículo «Attention Is All You Need». Su idea clave, la atención, permite que el modelo relacione cada palabra con todas las demás del texto y decida cuáles importan para continuar. Los LLM (modelos de lenguaje grandes) son transformers entrenados con muchísimo texto, y son el motor de ChatGPT, Claude o Gemini. La misma arquitectura sirve para código, y los modelos multimodales la usan para trabajar a la vez con texto, imágenes y sonido.
Modelos de difusión. Funcionan al revés de lo que parece. En el entrenamiento, se toman imágenes reales y se les añade ruido poco a poco, hasta que solo queda nieve de televisión; el modelo aprende a deshacer cada paso. Para generar, empieza desde ruido puro y lo va limpiando, paso a paso, guiado por tu descripción, hasta que aparece una imagen que antes no existía. El método se popularizó con un artículo de 2020 y, en 2022, con Stable Diffusion, que lo hacía en un espacio comprimido para que bastara un ordenador normal. Es la base de casi todos los generadores de imagen y de vídeo actuales.
GAN (redes generativas antagónicas). Presentadas en 2014, enfrentan a dos redes: una genera imágenes falsas y otra intenta distinguirlas de las reales, como un falsificador y un detective que se entrenan mutuamente. Fueron las primeras en crear caras realistas de personas que no existen. Hoy se usan menos para generar desde cero, porque la difusión da resultados más variados y fáciles de guiar con texto.
No hace falta saber programar ninguno de los tres para usar la IA generativa, pero sí ayuda a entender su comportamiento: un transformer escribe de izquierda a derecha sin poder volver atrás (por eso conviene pedirle que piense antes de responder), y un modelo de difusión compone la imagen entera a la vez, refinándola en cada paso (durante años, sus puntos débiles fueron las manos, el texto dentro de la imagen y las cantidades exactas).
¿Qué tipos de IA generativa hay? Ejemplos de herramientas
La forma más útil de clasificar la IA generativa es por lo que genera. Estos son los seis tipos principales, con ejemplos de herramientas conocidas a octubre de 2026:
| Tipo | Qué genera | Ejemplos de herramientas |
|---|---|---|
| Texto | Respuestas, resúmenes, correos, traducciones, informes | ChatGPT, Gemini, Claude, Copilot, Le Chat |
| Imagen | Ilustraciones, fotos realistas, diseños, edición de fotos | Los generadores de ChatGPT y Gemini, Midjourney, Adobe Firefly |
| Voz y música | Locuciones, voces clonadas, doblaje, canciones | ElevenLabs, Suno |
| Vídeo | Clips a partir de un texto o de una imagen | Veo, Sora, Runway, Kling |
| Código | Funciones, programas completos, revisión de errores | GitHub Copilot, Claude Code, Codex, Cursor |
| Multimodal | Combina varios: entiende una foto y responde en voz, por ejemplo | Los asistentes generales (ChatGPT, Gemini, Claude) |
La frontera entre tipos se está borrando: los asistentes generales ya generan texto, imágenes y voz desde la misma conversación, y los modelos multimodales entienden y crean varios formatos a la vez. Los nombres de los modelos cambian cada pocos meses (en el blog tienes, por ejemplo, GPT-6 Astra), pero los tipos se mantienen.
Hay un tipo menos visible que también conviene conocer: la IA generativa que trabaja por ti. Los agentes de IA usan un modelo generativo para decidir pasos, escribir y ejecutar acciones, y herramientas como n8n la meten dentro de automatizaciones. Ahí el contenido generado no es un texto que lees, sino una acción que se ejecuta, y eso exige más cuidado.
¿Para qué sirve la IA generativa?
La IA generativa sirve para crear primeros borradores, transformar contenido que ya tienes (resumir, traducir, reescribir, cambiar de formato) y explorar ideas rápido. Rinde mejor cuando tú sabes juzgar el resultado, y peor cuando le pides datos que no puedes comprobar.
Su uso ya es masivo. Según Eurostat, en 2025 un 33 % de las personas de 16 a 74 años de la Unión Europea había usado herramientas de IA generativa en los tres meses anteriores, con grandes diferencias entre países: del 48 % de Dinamarca al 18 % de Rumanía. Entre los 16 y los 24 años la usó un 64 %. El motivo más común es el uso personal, pero también se usa mucho para trabajar y, entre los más jóvenes, para estudiar.
Usos que funcionan bien:
- En el día a día: entender un documento difícil, preparar un viaje, practicar un idioma, redactar una reclamación, pedir ideas para una receta con lo que hay en la nevera.
- Para estudiar: explicaciones adaptadas a tu nivel, preguntas de repaso, resúmenes de tus propios apuntes (con herramientas como NotebookLM, que responden a partir de tus fuentes).
- En el trabajo: correos, actas de reuniones, informes a partir de notas, presentaciones, traducciones, respuestas a clientes revisadas por una persona, análisis de hojas de cálculo.
- En la empresa: atención al cliente con respuestas sugeridas, búsqueda en la documentación interna, generación de código, imágenes y textos de marketing, formación. Funciona cuando hay un proceso claro, datos ordenados y alguien responsable de revisar.
- Para crear: bocetos, guiones, música de fondo, prototipos visuales.
Donde no conviene usarla sin más: datos que no puedes comprobar, decisiones sobre personas (contratar, conceder un crédito, diagnosticar), consejos legales, médicos o financieros que vayas a seguir sin un profesional, y cualquier cosa que se publique o se envíe sin que una persona la lea antes.
Ejemplo práctico: preparar una charla de 10 minutos con IA generativa
Supón que tienes que presentar a tu equipo, en 10 minutos, los resultados de un proyecto. Tienes tus notas desordenadas y una hoja con cuatro cifras. Así lo haría con un asistente de IA generativa, paso a paso:
- Dale el contexto y tus materiales. Pega tus notas (sin datos personales de clientes ni información confidencial que tu empresa no permita compartir) y explica para quién es la charla.
- Pide la estructura, no el texto final. Por ejemplo:
Soy jefe de proyecto y tengo que presentar a mi equipo, en 10 minutos,
los resultados del proyecto que te pego abajo.
1. Propón una estructura de 5 partes con el tiempo de cada una.
2. Para cada parte, la idea principal en una frase.
3. Usa solo las cifras que aparecen en mis notas. Si falta un dato
para que la historia se entienda, dime qué falta en lugar de inventarlo.
- Itera sobre lo que no te convenza. «La parte 3 es demasiado técnica para el equipo comercial: reescríbela con un ejemplo de cliente.» Pedir cambios concretos funciona mejor que empezar de cero.
- Genera los apoyos. Pide el texto de cada diapositiva en tres líneas como mucho y, si lo necesitas, una imagen para la portada describiendo estilo y contenido («ilustración sencilla, colores de la marca, sin texto»).
- Comprueba y hazlo tuyo. Revisa cada cifra contra tu hoja (es donde más se equivoca), quita lo que no dirías tú y ensaya en voz alta. La IA te ha ahorrado la página en blanco; la responsabilidad de lo que dices sigue siendo tuya.
El paso 5 no es opcional. Un buen resultado de IA generativa se parece mucho a uno correcto, y esa es precisamente la trampa. Si quieres afinar las peticiones, tienes la lección sobre cómo escribir un buen prompt.
¿Qué riesgos y límites tiene la IA generativa?
El principal riesgo de la IA generativa es que se equivoca con la misma seguridad con la que acierta. Pero no es el único: el NIST enumera doce riesgos propios o agravados por ella, desde la invención de datos y los sesgos hasta la privacidad, la propiedad intelectual o el impacto ambiental. Estos son los que más afectan a quien la usa a diario:
- Inventa. Genera cifras, citas, enlaces o leyes plausibles que no existen. Comprueba en la fuente todo lo que vayas a usar.
- Repite sesgos. Aprende de datos escritos por personas, con sus estereotipos. Si le pides «la imagen de un directivo», es probable que salga siempre el mismo tipo de persona.
- No sabe qué es confidencial. Lo que pegas en una herramienta puede guardarse y, según el servicio y tus ajustes, usarse para entrenar. Con datos de clientes, de pacientes o internos, usa solo las herramientas que tu empresa haya aprobado.
- Derechos de autor. Los modelos se entrenan con obras ajenas, y lo que generan puede parecerse demasiado a alguna. En la UE, desde el 2 de agosto de 2025, quienes ofrecen modelos de uso general deben tener una política para respetar los derechos de autor y publicar un resumen de los datos con los que entrenan. En España, además, la ley considera autor a la persona natural que crea la obra: lo generado sin aportación creativa humana difícilmente tiene la protección de una obra.
- Deepfakes. Imágenes, voces y vídeos falsos de personas reales, cada vez más difíciles de distinguir. Se usan para estafas (la llamada de un «familiar» con su voz clonada) y para desinformar.
- Dependencia. Si delegas siempre la primera versión, cuesta más pensar por tu cuenta. Úsala para ir más lejos, no para dejar de entender.
¿Qué dice la ley europea?
El Reglamento europeo de inteligencia artificial (el AI Act) tiene un artículo dedicado a la transparencia, el 50, que se aplica desde el 2 de agosto de 2026. Para la IA generativa obliga a tres cosas:
- Quien ofrece la herramienta tiene que marcar lo que genera (texto, imagen, audio o vídeo) en un formato legible por máquina, para que se pueda detectar que es artificial. Los sistemas que ya estaban en el mercado antes de esa fecha tienen hasta el 2 de diciembre de 2026, según las preguntas frecuentes de la Comisión Europea.
- Quien difunde un deepfake tiene que avisar de que lo es, de forma clara, como tarde la primera vez que alguien lo ve. En obras evidentemente artísticas, satíricas o de ficción basta con un aviso que no estropee la obra.
- Quien publica textos generados con IA para informar sobre asuntos de interés público tiene que decirlo, salvo que una persona los haya revisado y asuma la responsabilidad editorial.
Para marcar el contenido ya hay estándares. Las credenciales de contenido de la coalición C2PA añaden al archivo un registro firmado de cómo se creó, y Google marca lo que generan sus modelos con SynthID, una marca de agua invisible. No son infalibles (una captura de pantalla puede borrar los metadatos), pero son la mejor pista disponible: los detectores que «adivinan» si un texto está escrito con IA fallan a menudo.
Errores comunes al empezar con la IA generativa
- Usarla como buscador. Responde con lo que aprendió, no con lo último publicado. Si necesitas datos recientes, activa la búsqueda en la herramienta o dale tú la fuente.
- Creerse las cifras y las citas. Es el error más caro. Cualquier dato que vayas a repetir, compruébalo en el original.
- Pedir poco y esperar mucho. «Hazme una presentación» da algo genérico. Contexto, objetivo, formato y ejemplos dan algo útil.
- Pegar lo que no debes. Contratos, datos de clientes o información interna en una cuenta personal.
- Quedarse con la primera respuesta. La segunda o la tercera, después de corregirla, suelen ser mucho mejores.
- Publicar sin leer. Un texto o una imagen generados que salen con tu nombre son tuyos, con sus errores.
Lo que yo tendría en cuenta
La IA generativa es la herramienta más versátil que he visto llegar a la oficina, y también la que más fácil hace parecer que algo está bien cuando no lo está. Por eso mi criterio es sencillo: la uso para todo lo que puedo revisar y para casi nada que no pueda comprobar.
Tres reglas que me funcionan. La primera, separar el borrador de la decisión: la IA propone, yo decido, sobre todo cuando lo que sale afecta a una persona, a un cliente o a dinero. La segunda, no delegar nada irreversible: enviar, publicar, pagar o borrar requieren que alguien lo mire antes, aunque la máquina lo haga bien nueve de cada diez veces. La tercera, cuidar qué datos entran: si no lo pondría en un correo a un desconocido, no lo pego en una herramienta que no ha aprobado mi empresa.
Y una cuarta, más personal: aprender cómo funciona por dentro, aunque sea a este nivel. Saber que genera lo probable y no lo cierto cambia la forma de pedirle las cosas y de leer lo que devuelve. A partir de aquí, la guía sigue con qué es un LLM, el tipo de modelo generativo que más vas a usar.
La lección en una imagen
Preguntas frecuentes
¿Qué significa IA generativa?
IA generativa significa inteligencia artificial capaz de generar, es decir, de crear contenido nuevo: textos, imágenes, audio, vídeo o código. El NIST de Estados Unidos la define como la clase de modelos de IA que imitan la estructura y las características de los datos con los que se entrenan para generar contenido sintético derivado.
¿Qué diferencia hay entre IA e IA generativa?
La IA generativa es un tipo de inteligencia artificial. La IA, en general, incluye sistemas que clasifican, recomiendan o predicen (un filtro de spam, un recomendador de series); la IA generativa es la parte que crea contenido nuevo a partir de una petición, como un texto o una imagen.
¿Cuáles son los 3 tipos de IA?
La clasificación más citada distingue la IA estrecha o débil (sistemas que hacen bien tareas concretas: todo lo que existe hoy, incluida la IA generativa), la IA general (que igualaría a una persona en cualquier tarea intelectual) y la superinteligencia (que la superaría). Las dos últimas son, por ahora, teóricas.
¿Cuáles son las IA generativas más usadas?
En texto, asistentes como ChatGPT, Gemini, Claude, Copilot o Le Chat de Mistral; en imagen, los generadores integrados en esos asistentes, Midjourney o Adobe Firefly; en voz y música, ElevenLabs o Suno; en vídeo, Veo, Sora, Runway o Kling; y en código, GitHub Copilot, Claude Code, Codex o Cursor.
¿Es lo mismo IA generativa que ChatGPT?
No. ChatGPT es una aplicación de IA generativa, igual que Gemini o Claude. La IA generativa es la tecnología en general; ChatGPT es un producto de OpenAI que la usa para generar texto, imágenes y código a partir de lo que le pides.
¿La IA generativa crea algo original o copia?
Normalmente no copia: combina patrones aprendidos y genera algo que no estaba tal cual en sus datos. Pero puede reproducir fragmentos o estilos muy reconocibles si se lo pides o si un dato se repetía mucho en el entrenamiento, y su originalidad tiene límites: tiende a lo más típico.
¿De quién son los derechos de lo que genera una IA?
Depende de cada país y de cuánto haya aportado una persona. En España, la ley de propiedad intelectual considera autor a la persona natural que crea la obra, así que un contenido generado sin aportación creativa humana difícilmente tendrá la protección de una obra. Para un uso comercial importante, consulta a un abogado y revisa las condiciones de la herramienta.
¿Cómo saber si un texto o una imagen está hecho con IA?
No hay un método infalible. Los detectores de texto fallan a menudo. En imágenes, vídeo y audio ayudan las marcas que añaden los propios fabricantes, como las credenciales de contenido del estándar C2PA o SynthID de Google, y desde el 2 de agosto de 2026 la ley europea obliga a marcar ese contenido y a avisar de los deepfakes.
Fuentes
- NIST, Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile (NIST AI 600-1, jul 2024)
- NIST, glosario del CSRC: generative artificial intelligence
- IBM, Generative AI vs. predictive AI: What’s the difference? (9 ago 2024)
- IBM, Understanding the different types of artificial intelligence
- Vaswani et al., Attention Is All You Need (arXiv 1706.03762, 2017)
- Ho, Jain y Abbeel, Denoising Diffusion Probabilistic Models (arXiv 2006.11239, 2020)
- Rombach et al., High-Resolution Image Synthesis with Latent Diffusion Models (arXiv 2112.10752)
- Goodfellow et al., Generative Adversarial Networks (arXiv 1406.2661, 2014)
- OpenAI, Introducing ChatGPT (30 nov 2022)
- OpenAI, Why language models hallucinate (5 sep 2025)
- Eurostat, Use of artificial intelligence by individuals (Statistics Explained, 15 abr 2026)
- Comisión Europea, Transparency obligations under Article 50 of the AI Act (preguntas frecuentes)
- Reglamento (UE) 2024/1689 de inteligencia artificial (EUR-Lex)
- C2PA, Coalition for Content Provenance and Authenticity
- Google DeepMind, SynthID
- BOE, texto refundido de la Ley de Propiedad Intelectual (artículo 5)