Glosario
Qué es un LLM, explicado sin tecnicismos
En corto
Un LLM es un modelo entrenado con enormes cantidades de texto que aprende a predecir qué palabra viene después. De ahí sale su capacidad para conversar, resumir y escribir. También de ahí sale su mayor defecto: cuando no sabe algo, no se calla, produce la continuación más plausible. Por eso sirve para redactar y razonar, y no como fuente de datos.
Actualizado el
Contenido 6 secciones
La idea, en una frase
Un LLM —modelo grande de lenguaje— es un sistema que ha leído una cantidad enorme de texto y ha aprendido a predecir qué viene después.
Eso es todo. Suena poco para lo que hace, y ahí está lo interesante: predecir la continuación de un texto con suficiente precisión resulta ser, en la práctica, una forma de resumir, traducir, razonar y conversar.
Por qué se inventa cosas
Es la consecuencia directa de lo anterior, y conviene entenderla bien porque cambia cómo usas la herramienta.
El modelo no consulta una base de datos ni comprueba nada. Produce la continuación más plausible del texto que le has dado. Si le preguntas por un dato que conoce bien, la continuación más plausible es el dato correcto. Si le preguntas por algo que no está en su entrenamiento —el precio de un producto esta semana, el artículo tercero de una ley concreta— la continuación más plausible sigue siendo una respuesta con aspecto de correcta.
No hay una señal interna que diga “esto me lo estoy inventando”. Por eso las invenciones suenan igual de seguras que los aciertos.
Qué se deduce de esto
Sirve muy bien para: redactar y reescribir, resumir un texto que tú le das, traducir, estructurar ideas, explicar conceptos generales, generar borradores y opciones.
No sirve como fuente para: precios, fechas, cifras, citas legales, nombres propios poco conocidos o cualquier cosa que vayas a publicar sin comprobar.
La regla práctica: si el dato importa, verifícalo. Para eso, Perplexity —que busca primero y cita las fuentes— es mejor herramienta que un asistente clásico. Están los cinco comparados en el ranking de asistentes de IA.
Lo que sí ha cambiado en los últimos años
Los modelos actuales alucinan bastante menos que los de hace dos años, sobre todo cuando pueden buscar en la web. Pero “menos” no es “nunca”, y la forma del error no ha cambiado: sigue sonando convincente.
Lo que deberías mirar antes de usarlo en el trabajo
Dónde se procesan tus datos y si se usan para entrenar. Es aburrido y es lo único que puede darte un problema serio. Lo explicamos en IA y RGPD.
Y si vas a empezar a usarlo a diario, la guía de prompts básicos te ahorra la primera semana de prueba y error. Para elegir herramienta, el ranking de mejores herramientas de IA reúne lo mejor de cada categoría.
Las cuatro comprobaciones, en orden
- ¿Qué plan estás usando? El individual y el de empresa tienen condiciones de tratamiento distintas. La ficha de ChatGPT lo dice: para datos de empresa hacen falta los planes de trabajo.
- ¿Dónde se procesa? Ninguno de los tres asistentes grandes procesa dentro de la UE por defecto. Si tu sector lo exige, la conversación se acaba ahí.
- ¿Puedes verificar la respuesta? Ninguno cita fuentes de forma sistemática. Si necesitas comprobar cada afirmación, Perplexity existe justamente para eso.
- ¿Sabes lo que cuesta el escalón siguiente? De los asistentes que analizamos, solo Gemini publica tarifa en euros. La de ChatGPT no se pudo verificar.
Por qué el punto tres es el que más daño hace
Un modelo de lenguaje produce texto plausible, y lo plausible se parece mucho a lo cierto. Cuando la respuesta es sobre algo que ya sabes, detectas el error; cuando es sobre algo que no sabes —que es justamente para lo que lo usas— no lo detectas.
La regla práctica: usa el modelo para lo que puedas verificar o para lo que no importe que falle. Redactar, reestructurar y resumir un texto que tú vas a leer entra en la primera categoría. Preguntar un dato normativo y publicarlo sin comprobar, no.
Preguntas frecuentes
¿Por qué la IA se inventa cosas?
Porque está optimizada para producir la continuación más plausible de un texto, no para decir la verdad. Cuando no tiene la información, el resultado más plausible sigue siendo una respuesta con aspecto correcto. No es un error puntual: es cómo funciona.
¿Aprende de lo que le cuento?
Depende del producto y del plan. En algunos, las conversaciones pueden usarse para mejorar el modelo salvo que lo desactives; en los planes de empresa, normalmente no. Es lo primero que hay que mirar antes de meter información sensible.
¿Un LLM sabe lo que ha pasado hoy?
Solo si tiene acceso a búsqueda web. Por sí mismo, su conocimiento acaba en la fecha en que terminó su entrenamiento. Herramientas como Perplexity buscan primero y responden después, que es un enfoque distinto.
¿Entiende lo que escribe?
Es la pregunta filosófica de moda y no tiene respuesta corta. Lo práctico es esto: produce resultados útiles con una consistencia sorprendente y falla de formas que una persona no fallaría. Trátalo como una herramienta muy capaz, no como un colega.
Herramientas mencionadas
- Análisis de ChatGPT
El asistente de IA más usado del mundo y el más completo en funciones: chat, voz, imágenes, análisis de archivos y agentes. El punto de partida para casi todo el mundo.
- Análisis de Claude
Asistente de Anthropic con fama de escribir mejor que la media y de aguantar documentos muy largos sin perder el hilo. La elección habitual de quien trabaja con texto.
- Análisis de Gemini
El asistente de Google, integrado en Gmail, Docs y el resto de Workspace, y el único de los grandes con precios publicados en euros para España.
Cuando tengas el criterio, la lista está en lo mejor de herramientas de IA; o vuelve al índice de guías.