Detrás de Claude, ChatGPT o Gemini hay lo mismo: un modelo de lenguaje. Entender en dos minutos cómo funciona explica casi todo lo demás — por qué a veces acierta de forma asombrosa, por qué otras se inventa datos y por qué la forma de preguntar cambia tanto el resultado.
Sin metáforas de ciencia ficción y sin una sola fórmula.
Qué hace, exactamente
Un modelo de lenguaje predice qué viene después en un texto. Eso es todo. Le das un principio y calcula qué continuación es la más probable, palabra a palabra.
Si le das «los Reyes Magos son», hay continuaciones muy probables y otras que no. Ha leído tantísimo texto que sus predicciones son extraordinariamente buenas.
Lo sorprendente —y esto es lo que casi nadie explica— es que predecir bien la siguiente palabra, hecho a una escala enorme, produce algo que parece razonar. Para continuar correctamente un texto que dice «el error del balance está en» hay que haber captado bastante sobre contabilidad. La comprensión aparece como efecto secundario de la predicción.
De dónde sale lo que sabe
De haber leído cantidades ingentes de texto: libros, artículos, documentación, conversaciones, código. Durante el entrenamiento ajusta millones de parámetros internos hasta que sus predicciones son buenas.
Dos consecuencias prácticas que conviene tener claras:
- Ese entrenamiento terminó en una fecha. Es la fecha de corte. Lo posterior no lo conoce, salvo que se lo des tú en la conversación.
- No guarda los textos que leyó. No hay dentro una copia de la Wikipedia que consulte. Aprendió patrones, no archivos. Por eso no puede citar la fuente exacta de nada, aunque a veces lo parezca.
Por qué esto explica casi todo
| Lo que observas | Por qué pasa |
|---|---|
| Se inventa datos con aplomo | Genera la continuación más plausible. Cuando no sabe, plausible deja de significar cierto. |
| Cambiar el prompt cambia mucho el resultado | Tu texto es el principio que continúa. Otro principio, otra continuación. |
| Se le olvida lo del principio de una charla larga | Solo puede tener en cuenta una cantidad limitada de texto a la vez. |
| Dos respuestas distintas a la misma pregunta | No elige siempre la palabra más probable: hay algo de azar deliberado. |
| No sabe nada de tu empresa | Tus datos internos no estaban en lo que leyó. Nunca lo estuvieron. |
| Escribe mejor de lo que calcula | Se entrenó prediciendo lenguaje, no operando números. |
Lo que NO es
No es un buscador. No consulta internet en cada respuesta ni recupera documentos. Construye la respuesta desde cero. Algunas herramientas le añaden búsqueda web como una capacidad aparte, pero el modelo en sí no busca.
No es una base de datos. No hay una tabla dentro que se pueda consultar ni corregir.
No es un programa con reglas escritas por alguien. Nadie programó «si te preguntan por facturas, responde esto». Ese comportamiento emergió del entrenamiento, y por eso ni siquiera quien lo construye puede predecir con exactitud qué va a responder.
No entiende como una persona. Aquí hay debate legítimo y conviene no zanjarlo a la ligera. Lo práctico: se comporta como si entendiera en muchísimas tareas, y falla de formas en que una persona que entendiera no fallaría. Trátalo por lo que hace, no por lo que parece.
Las siglas, en una línea cada una
- LLM — large language model, modelo de lenguaje grande. «Grande» se refiere al tamaño del modelo y del texto con el que se entrenó.
- IA generativa — la que genera contenido nuevo, frente a la que solo clasifica o predice.
- Token — el trozo en que parte el texto para trabajar. Aproximadamente una sílaba larga o una palabra corta.
- Parámetros — los valores internos que se ajustan al entrenar. Son miles de millones.
- Fecha de corte — hasta cuándo llega lo que leyó.
Qué te llevas de aquí
Que la calidad de lo que recibes depende directísimamente de lo que le das. No es un oráculo al que consultar: es un motor que continúa lo que le pongas delante.
De ahí salen las dos consecuencias prácticas del día a día: escribir buenos prompts importa muchísimo —la fórmula está en cómo escribir un buen prompt— y hay que verificar los datos, por las razones que explica por qué se inventa cosas.
Si quieres ver esto aplicado a tareas de tu propio trabajo en vez de en abstracto, Claude para principiantes va justo de eso.
Preguntas frecuentes
¿Qué es un modelo de lenguaje?
Un sistema entrenado para predecir cómo continúa un texto. Suena poca cosa, pero hacerlo muy bien exige haber captado gramática, estructura y una cantidad enorme de información sobre el mundo, y de ahí sale todo lo demás.
¿Cómo aprende un modelo de lenguaje?
Procesando cantidades enormes de texto y ajustándose cada vez que falla al predecir la palabra siguiente. Repetido a una escala difícil de imaginar, ese ajuste acaba produciendo un sistema que redacta, resume y traduce sin que nadie le programara ninguna de esas tareas.
¿Un modelo de lenguaje entiende lo que dice?
Depende de qué llamemos entender, y la discusión no está cerrada. Para trabajar, lo práctico es esto: se comporta como si entendiera mientras el tema le resulta familiar, y falla sin avisar cuando no. Por eso se revisa todo lo verificable.
¿Qué significa que un modelo sea más grande?
Que tiene más parámetros, los valores internos que ajusta al entrenarse. Más grande suele ser más capaz, pero también más lento y más caro. Para la mayoría de tareas de oficina, el modelo intermedio da el mismo resultado por menos.