La inteligencia artificial generativa es la clase de modelos y sistemas de IA que produce contenido derivado de los patrones aprendidos en sus datos. Puede generar o transformar texto, imagen, audio, vídeo, código y otras representaciones.
«Nuevo» no significa necesariamente verdadero, original en sentido jurídico ni adecuado para un proceso. La salida es una generación probabilística que debe evaluarse según su uso.
Cómo funciona
Distintas arquitecturas generan de maneras diferentes. Los modelos autorregresivos predicen unidades sucesivas, como tokens de texto. Los modelos de difusión parten de ruido y reconstruyen progresivamente una muestra. Otros enfoques incluyen autoencoders variacionales y redes generativas adversarias.
Muchos sistemas actuales se apoyan en modelos fundacionales preentrenados y los condicionan mediante prompts, contexto, RAG, herramientas o fine-tuning. La interfaz puede ocultar estas capas, pero siguen determinando calidad, coste y riesgo.
Usos empresariales
| Tipo de trabajo | Ejemplo | Verificación necesaria |
|---|---|---|
| Transformar | resumir una llamada o reescribir un texto | fidelidad al original y omisiones |
| Extraer | convertir documentos en campos | evidencia, esquema y casos ausentes |
| Crear | preparar un borrador o diseño | calidad, derechos, tono y revisión |
| Asistir | responder con conocimiento empresarial | fuentes, permisos y abstención |
| Actuar | proponer pasos y herramientas | autorización, límites y resultado real |
Ejemplo empresarial
Un equipo comercial utiliza IA generativa para preparar el borrador de una propuesta. La aplicación recupera tarifas autorizadas, exige una estructura, marca supuestos y enlaza cada afirmación comercial con su fuente.
La persona responsable revisa compromisos, precio y condiciones antes del envío. El sistema mide tiempo hasta aprobación y correcciones, no número de textos generados.
Riesgos y límites
La generación puede incluir información falsa, sesgos, contenido sensible o material demasiado parecido a los datos de entrenamiento. NIST agrupa además riesgos de seguridad, privacidad, integridad de la información, propiedad intelectual e interacción entre personas y sistemas.
Los controles dependen del uso. Un borrador creativo admite variación; una explicación médica o una acción financiera exige evidencia, límites y supervisión mucho mayores. No existe una política única para «usar IA generativa».
Cómo evaluarla
Define primero la tarea y la consecuencia del error. Para extracción puedes medir campos y evidencia; para resumen, cobertura y fidelidad; para creación, rúbricas y revisión ciega; para agentes, trayectoria, herramientas, permisos y resultado.
Incluye usuarios y datos representativos, fallos graves, intentos adversariales y casos en los que el sistema debe abstenerse. Combina pruebas antes del despliegue con monitorización y revisión de incidentes en producción.
Qué no debe confundirse con IA generativa
- IA predictiva o discriminativa: estima una clase, valor o probabilidad; no se centra en producir contenido complejo.
- LLM: modelo de lenguaje; es una parte de la IA generativa, no toda la categoría.
- Modelo fundacional: base adaptable; puede ser generativo, pero describe principalmente su papel reutilizable.
- Chatbot: interfaz conversacional que puede incorporar IA generativa.
- Agente de IA: sistema que dirige acciones; puede utilizar un modelo generativo.
La decisión útil
No busques «un caso de IA generativa». Elige una unidad de trabajo donde generar o transformar aporte algo medible, define qué debe permanecer bajo control humano o determinista y prueba el resultado completo.
Fuentes y lecturas recomendadas
- NIST AI 600-1, perfil de IA generativa, definición operativa, riesgos y acciones de gestión, julio de 2024.
- Google for Developers: generative AI glossary, definiciones y arquitecturas relacionadas, consultado el 20 de agosto de 2026.
- INSTINTIA: no empieces por la IA, selección de problemas y procesos antes de la tecnología.
Definición y vigencia revisadas el 20 de agosto de 2026.