Preguntas Frecuentes

Un LLM (modelo de lenguaje grande, si lo traducimos) es, resumido sin tecnicismos, un programa entrenado con muchísimo texto que ha aprendido a predecir qué palabra viene después de otra. Suena simple, casi tonto. Y sin embargo de ahí sale ChatGPT, Claude, Gemini y toda la ola de herramientas que te escriben un correo o te resumen un contrato en dos segundos.

Piénsalo como el autocompletado del móvil, pero entrenado con una biblioteca entera en lugar de con tus últimos mensajes. La diferencia de escala es tan grande que el resultado deja de parecer autocompletado y empieza a parecer conversación.

¿Por qué ahora y no hace diez años? Porque hicieron falta tres cosas a la vez: muchísimos datos de texto disponibles, ordenadores capaces de procesarlos (las famosas GPU, que hasta hace poco solo interesaban a quien jugaba videojuegos) y un cambio de diseño interno del modelo, el llamado “transformer”, que salió de un paper de Google en 2017. Sin las tres piezas juntas, esto seguiría siendo un experimento de laboratorio.

Una cosa que la gente da por hecho y no es cierta: el modelo no “sabe” nada en el sentido en que lo sabe una persona. No consulta una base de datos cuando le preguntas algo, genera la respuesta palabra a palabra en base a patrones aprendidos. Por eso a veces se inventa cosas con total seguridad (lo que se conoce como alucinación) y por eso conviene no tratarlo como un oráculo, sino como una herramienta que hay que revisar.

Para un negocio pequeño esto se traduce en usos muy concretos: responder dudas frecuentes de clientes, redactar primeras versiones de textos, resumir documentos largos. Nada de ciencia ficción, simplemente un empleado muy rápido y algo despistado al que hay que revisarle el trabajo.

Si te preguntas si merece la pena mirarlo para tu negocio, la pregunta que te haría yo no es “qué puede hacer la IA”, es “qué tarea repetitiva os quita más tiempo cada semana”. Ahí suele estar la respuesta.

→ Enlace directo a esta pregunta

Esta pregunta me la hacen sobre todo clientes que están dudando si de verdad necesitan contratar a una agencia o si pueden “hacerlo con IA” directamente. Lo entiendo, cualquiera que haya visto a ChatGPT escribir una función en segundos se ha hecho esa pregunta.

La IA generativa escribe código razonablemente bien cuando el problema está bien delimitado y se parece a algo que ya existe miles de veces en internet: un formulario de contacto, una función que ordena una lista, un componente típico. Ahí sí ahorra tiempo de verdad, y en la agencia lo usamos para eso constantemente.

Lo que no hace bien, todavía, es entender el contexto completo de un proyecto real: por qué esa API devuelve los datos en ese formato tan raro, qué decisión de hace dos años sigue condicionando cómo se puede tocar tal componente, o qué va a pasar con el rendimiento cuando ese cliente pase de 50 a 5.000 usuarios. Eso requiere a alguien que entienda el negocio detrás del código, no solo el código.

Hay un ejemplo que uso mucho: pedirle a una IA que “arregle un bug” en un proyecto grande sin darle más contexto que el mensaje de error. A veces acierta. Muchas veces propone una solución que hace desaparecer el síntoma pero deja el problema real intacto, o peor, introduce un problema nuevo en otro sitio del código que nadie revisó.

Entonces, ¿reemplaza a un programador? No al programador que sabe lo que está haciendo. Sí puede reemplazar, con el tiempo, a la parte más mecánica y repetitiva del trabajo, y de hecho ya lo está haciendo, lo cual cambia qué habilidades merece la pena tener. Un desarrollador que sabe revisar, corregir y decidir qué código generado por IA merece la pena usar, vale más ahora que hace tres años. Uno que solo copia y pega sin entender, no.

Si tu negocio se plantea prescindir de desarrolladores por esto, la pregunta que te haría es quién va a asumir la responsabilidad cuando algo falle en producción un sábado por la noche. Esa parte, de momento, sigue siendo humana.

→ Enlace directo a esta pregunta

Antes de meterme en este tema tuve que aprenderlo yo mismo, porque no tenía ni idea de qué pasaba realmente con lo que escribes en un chat de IA. La respuesta corta es: depende, y la mayoría de la gente no lee la parte que depende.

Cuando escribes algo en una herramienta de IA gratuita orientada a consumidor, en muchos casos esa conversación puede usarse para seguir entrenando el modelo, salvo que la propia herramienta ofrezca (y tú actives) una opción para evitarlo. En los planes de empresa o en las API que usamos nosotros para construir cosas para clientes, normalmente es al revés: por defecto no se usa para entrenar nada, queda solo como parte del servicio que has pedido.

La regla que aplico yo, sin excepciones: nunca pegar en un chat de IA nada que no pegarías en un correo a un desconocido. Contraseñas, datos de clientes, contratos con cláusulas de confidencialidad, todo eso se queda fuera. No porque asuma mala fe de la empresa que hace la IA, sino porque cualquier sistema puede tener un fallo de seguridad, y cuanto menos dato sensible circule, menos hay que perder si algo falla.

Para un negocio que quiere meter IA en su web o su atención al cliente, hay una pregunta que casi nadie hace y debería: ¿dónde vive el dato mientras se procesa? Si es una herramienta con servidores en la Unión Europea y contrato de encargado de tratamiento (lo que exige el RGPD), la cosa cambia bastante respecto a copiar y pegar datos de clientes en la web pública de un chatbot cualquiera.

Y luego está lo obvio, que se nos olvida: si tu propia empresa no permite compartir cierta información con un proveedor externo cualquiera, tampoco deberías compartirla con una IA solo porque parezca “solo una herramienta”. Es un proveedor externo más, con sus términos de servicio y su letra pequeña como cualquier otro.

Lo que aprendí investigando esto es que el riesgo real no suele estar en la IA en sí, sino en no leer qué plan estás usando y para qué se ha configurado.

→ Enlace directo a esta pregunta