La IA generativa es el tipo de inteligencia artificial que crea contenido nuevo, como texto, imágenes, audio, video o código, a partir de una instrucción escrita. La OCDE la define como una tecnología que produce ese contenido «cuando un usuario se lo pide». La IA tradicional, en cambio, suele decidir sobre datos que ya existen: clasifica un correo como spam, aprueba o marca un pago, reconoce una cara. La diferencia práctica es que una responde con algo que no existía y la otra con una etiqueta o una predicción.
Qué hace exactamente
El documento de la OCDE Initial policy considerations for generative artificial intelligence (septiembre de 2023) resume la idea así: estos sistemas generan contenido nuevo con base en sus datos de entrenamiento y en respuesta a una instrucción, conocida como prompt. Pueden escribir un resumen, traducir un texto, crear una imagen o contestar una pregunta.
El Instituto Nacional de Estándares y Tecnología de Estados Unidos (NIST) usa una definición más técnica en su perfil de riesgos de IA generativa (NIST AI 600-1, julio de 2024): son modelos que imitan la estructura y las características de los datos con los que aprendieron para producir contenido sintético derivado. Es decir, no copian un archivo guardado: producen una pieza nueva que se parece a lo que vieron.
IA generativa frente a IA tradicional
La Organización Mundial de la Propiedad Intelectual (OMPI) explica la diferencia en su informe de patentes sobre IA generativa con dos tipos de tareas:
| IA «tradicional» (discriminativa) | IA generativa | |
|---|---|---|
| Qué hace | Toma una decisión sobre datos de entrada: clasificar, detectar, segmentar | Crea datos nuevos a partir de una entrada |
| Qué aprende | La frontera que separa unas clases de otras | Cómo se distribuyen las características de todos los ejemplos |
| Ejemplo | ¿Esta imagen es la Mona Lisa o no? | Pintar un cuadro nuevo con ese estilo |
| Costo | Menos parámetros y datos | Más parámetros, más cómputo y, a menudo, más datos |
| Cómo se usa | Requiere datos etiquetados para cada tarea | Basta escribir una instrucción en lenguaje natural |
Fuente: OMPI, Patent Landscape Report: Generative Artificial Intelligence, capítulo 1.
La OMPI añade un matiz: los modelos generativos también pueden clasificar, pero con menos precisión que un modelo discriminativo diseñado para eso. Por eso los bancos siguen usando modelos de puntuación de riesgo para revisar pagos, como explicamos en cómo usan los bancos la IA para detectar fraudes, aunque añadan asistentes generativos en otras áreas.
Los principales tipos de modelos
El informe de la OMPI identifica cuatro familias:
- Redes generativas antagónicas (GAN): dos redes compiten, una genera imágenes y otra intenta detectar si son falsas. Se presentaron en 2014.
- Autocodificadores variacionales (VAE): comprimen los datos y los reconstruyen con variaciones.
- Modelos de difusión: parten de ruido y lo van limpiando hasta formar una imagen. Son la base de herramientas como Stable Diffusion.
- Modelos de lenguaje grandes (LLM): predicen el siguiente fragmento de texto una y otra vez. Los explicamos en qué es un modelo de lenguaje grande.
Según la OMPI, las solicitudes de patente de IA generativa pasaron de 733 familias en 2014 a más de 14,000 en 2023, y más de 25% de todas se publicaron solo en 2023. El salto coincide con la arquitectura transformer, presentada en 2017, que sostiene a los LLM actuales.
Para qué se usa
La OCDE cita usos en educación, entretenimiento, salud e investigación científica, y señala que estos sistemas empiezan a funcionar como agentes que hacen tareas por el usuario, como reservar algo. Entre las patentes, la OMPI encontró que las áreas con más solicitudes son software, ciencias de la vida (5,346 familias entre 2014 y 2023) y gestión de documentos y publicación (4,976).
En el día a día, los usos más comunes son redactar y resumir textos, traducir, generar imágenes, escribir código y responder preguntas en un chat. En todos, el resultado es un borrador que conviene revisar.
Los riesgos que señalan los organismos técnicos
El perfil del NIST enumera 12 riesgos que la IA generativa crea o agrava. Cuatro afectan directamente a cualquier usuario:
- Confabulación: contenido falso dicho con seguridad, lo que se conoce como alucinación. Lo tratamos en qué es una alucinación de la IA.
- Privacidad de datos: filtración o uso no autorizado de información personal, de salud o de ubicación.
- Seguridad de la información: facilita ataques como el phishing y abre nuevas vías de ataque, entre ellas las instrucciones escondidas que explicamos en qué es prompt injection.
- Integridad de la información: abarata la producción de contenido que no distingue hechos de opiniones o de ficción, útil para campañas de desinformación.
El NIST también menciona la propiedad intelectual. En México, la Suprema Corte ya se pronunció sobre obras hechas por IA, como contamos en derechos de autor e inteligencia artificial. Y la imitación de voces reales ya se usa en fraudes, un caso que detallamos en fraude con voz clonada.
Cómo usarla con criterio
- Verifica cifras, fechas y nombres en una fuente original antes de usarlos. El sistema puede inventarlos con tono seguro.
- No pegues datos sensibles como contraseñas, NIP, números de tarjeta o estados de cuenta en un chat de IA.
- Revisa el aviso de privacidad de la herramienta para saber si usa tus conversaciones para entrenar.
- Desconfía de audios o videos urgentes que piden dinero, aunque la voz suene conocida.
Si te interesa la regulación, en ley de inteligencia artificial en México explicamos en qué va la discusión legislativa.
