Un modelo de lenguaje es el motor que hay debajo de Claude, ChatGPT o Gemini: un programa que ha aprendido a continuar textos. Saber qué es un modelo de lenguaje explica por qué a veces acierta de forma asombrosa, por qué otras se inventa datos y por qué la forma de preguntar cambia tanto. Aquí va cómo funciona, qué significa LLM, lo que no es y qué hacer con esto el lunes.
Qué es un modelo de lenguaje, explicado con el refranero
Si te digo «a quien madruga…», tú completas «Dios le ayuda» sin pensar. No lo has razonado (ni te hace falta): lo has oído tantas veces que la continuación te sale sola.
Un modelo de lenguaje hace exactamente eso, pero con todo. Le das el principio de un texto y calcula cuál es la continuación más probable, trozo a trozo. Esa es la definición entera. Todo lo demás son detalles de cómo lo hace.
La diferencia contigo es la cantidad. Tú has oído unos cuantos refranes. Un modelo de lenguaje ha leído cantidades enormes de texto: libros, artículos, documentación, conversaciones. Por eso no solo completa refranes. Completa correos, resúmenes de contratos y respuestas a preguntas.
Y aquí viene lo sorprendente. Para continuar bien un texto que dice «el descuadre del balance está en…», hay que haber captado bastante de contabilidad. A base de predecir texto, el modelo acaba recogiendo mucho de lo que el texto cuenta. No lo ha estudiado: le ha salido de tanto leer.
Cómo funciona un modelo de lenguaje, en tres pasos
No hace falta saber matemáticas para entenderlo. Basta con estos tres pasos, que son los que describe Anthropic, la empresa que hace Claude, en su glosario:
- Lee muchísimo. Se le da una cantidad enorme de texto y se le pide que adivine la palabra siguiente, una y otra vez. A esto se le llama preentrenamiento.
- Se corrige cada vez que falla. Como quien estudia con tarjetas: mira la respuesta, ve que se ha equivocado y ajusta. Repetido muchísimas veces, acaba acertando casi siempre.
- Aprende a atender peticiones. Un modelo que solo predice no sabe ayudar: le pides «resúmeme esto» y sigue escribiendo como si fuera parte del documento. Por eso después se le entrena con respuestas que valoran personas, para que siga instrucciones.
El tercer paso es el que convierte un autocompletar gigante en un asistente. Claude es eso: un modelo de lenguaje al que se ha enseñado a trabajar contigo.
Un detalle más. El modelo no lee letras ni palabras enteras: parte el texto en trozos, que se llaman tokens. Una palabra corriente suele ser un trozo; una larga o rara, varios. Por qué eso te afecta más de lo que parece, en qué son los tokens.
Qué es un LLM (y por qué lo de «grande»)
LLM son las siglas en inglés de large language model, modelo de lenguaje grande. Es el mismo concepto con apellido: cuando lees «LLM» en una noticia, están hablando de lo que hay debajo de Claude o de ChatGPT.
Lo de «grande» va por dos cosas: la cantidad de texto con la que se entrenó y el número de parámetros. Los parámetros son los valores internos que se ajustan en el paso dos. Piensa en los mandos de una mesa de sonido (solo que, en vez de veinte, hay una cantidad difícil de imaginar).
¿Más grande es mejor? Suele ser más capaz, pero también más lento y más caro. Para un correo o el resumen de un contrato, la diferencia entre dos modelos buenos se nota mucho menos que la diferencia entre pedir bien y pedir mal.
Y una sigla que va de la mano. La IA generativa es la que crea contenido nuevo; un modelo de lenguaje es el tipo de IA generativa que trabaja con texto.
Por qué esto explica lo que te pasa con Claude
Aquí está lo útil. Casi todo lo que te sorprende de estas herramientas, para bien o para mal, sale de que continúan textos:
| Lo que notas | Por qué pasa |
|---|---|
| Se inventa un dato con total seguridad | Escribe lo más probable. Cuando no sabe, lo probable deja de ser lo cierto, y suena igual de convincente |
| Cambias el prompt y cambia todo | Tu texto es el principio que continúa. Otro principio, otra continuación |
| La misma pregunta da dos respuestas distintas | No elige siempre la palabra más probable: hay algo de azar a propósito, para que no suene a plantilla |
| En una charla larga olvida lo del principio | Solo tiene delante una cantidad limitada de texto a la vez |
| No sabe lo que pasó el mes pasado | Su lectura terminó en una fecha |
| No sabe nada de tu empresa | Tus clientes y tus precios no estaban en lo que leyó |
La primera fila es la que más disgustos da. Para un modelo de lenguaje, «lo sé» y «suena bien» son la misma operación. Por qué pasa y cómo cazarlo, en alucinaciones de la IA.
Las otras filas tienen artículo propio: lo que tiene delante a la vez es la ventana de contexto, y la fecha en que dejó de leer es su fecha de corte.
Lo que no es: ni buscador, ni base de datos, ni una persona
No es un buscador. No va a internet cada vez que le preguntas (aunque a veces lo parezca). Construye la respuesta con lo que aprendió. Algunas herramientas le añaden búsqueda web aparte, pero el modelo, por sí solo, no busca.
No es una base de datos. Dentro no hay una copia de la Wikipedia que consulte. Aprendió patrones, no archivos. Por eso no puede decirte de dónde sacó un dato.
No es un programa con reglas. Nadie escribió «si te preguntan por facturas, responde esto». Su comportamiento sale del entrenamiento. Por eso ni quien lo construye sabe con exactitud qué va a contestar.
No es una persona. Se comporta como si entendiera en muchísimas tareas, y falla de formas en que una persona que entendiera no fallaría. Si piensa o no es un debate abierto. Para trabajar, lo práctico es tratarlo por lo que hace, no por lo que parece.
¿Hace falta entender esto para usarlo?
Para usarlo, no. Para usarlo bien, sí. ¿Por qué? Te lo contamos: de aquí salen las dos costumbres que separan a quien le saca partido de quien lo deja a la segunda semana.
La primera: darle un buen principio. Si continúa lo que le das, lo que le das decide el resultado. Una petición de cuatro palabras tiene muchísimas continuaciones posibles, y te llega la más genérica. Contarle para quién es, para qué y con qué tono deja muy pocas continuaciones posibles, y casi todas útiles. El método, en cómo escribir un buen prompt.
La segunda: comprobar lo que se pueda comprobar. Fechas, cifras, nombres de leyes. No es desconfianza, es saber con qué trabajas.
Cada pocos meses sale un modelo nuevo y alguien anuncia que ya no se inventa nada. Lo que no cambia con ninguno es que sigue continuando textos, y el texto que suena bien no siempre es el cierto.
Un modelo de lenguaje no sabe cosas: continúa textos. Con un buen principio, la continuación es asombrosa; con uno malo, es solo plausible.
Por dónde empezar
Con un experimento de diez minutos. Pide dos veces lo mismo a Claude, en dos conversaciones distintas. Primero, así:
Escribe un correo a un proveedor por un retraso.
Después, así:
Escribe un correo a nuestro proveedor de embalaje. El pedido de cajas tenía que llegar el lunes y seguimos sin él; nos para los envíos del viernes. Es un proveedor de años y queremos seguir con él. Tono firme y cordial, máximo ocho líneas. Pídele una fecha concreta de entrega.
Compara las dos respuestas. La segunda no es mejor porque el modelo se esfuerce más: es mejor porque le has dado un principio con el que solo cabe una continuación útil. «Máximo ocho líneas» también cuenta, porque le dice dónde parar.
Nosotros recomendamos Claude para esto por dos motivos comprobables: escribe con un tono sobrio por defecto y admite «esto no está en el documento» más que otros. Qué es y qué hace, en qué es Claude. Y si alguna respuesta te sale floja, los fallos típicos están en por qué Claude da malas respuestas.
Si quieres practicarlo con ejercicios sobre tareas de oficina, sin programar nada, es lo que se hace en Claude para principiantes: cinco módulos, 22 lecciones, 49 €. Para un equipo, desde la página de empresas.
Preguntas frecuentes
¿Qué es un modelo de lenguaje?
Un programa entrenado para continuar textos: le das el principio y calcula la continuación más probable. Ha leído tanto que sus continuaciones son correos, resúmenes o respuestas útiles. Es el motor que hay debajo de Claude, ChatGPT o Gemini.
¿Qué es un LLM y para qué sirve?
LLM significa large language model, modelo de lenguaje grande. Sirve para todo lo que es texto: redactar, resumir, traducir, responder preguntas y ordenar información. «Grande» se refiere a la cantidad de texto con la que se entrenó y al número de parámetros.
¿Cómo aprende un modelo de lenguaje?
Leyendo cantidades enormes de texto, intentando adivinar la palabra siguiente y corrigiéndose cada vez que falla. Después se le entrena con respuestas valoradas por personas para que siga instrucciones y no solo continúe el texto.
¿Un modelo de lenguaje entiende lo que dice?
Es un debate abierto. Para trabajar, lo práctico es esto: se comporta como si entendiera en muchas tareas, pero puede inventarse un dato con total seguridad. Por eso se comprueba todo lo que sea verificable.
¿Cuál es la diferencia entre un LLM y un chatbot?
El LLM es el motor; el chatbot es la ventana donde le escribes. Claude, por ejemplo, es un asistente construido sobre un modelo de lenguaje al que se ha enseñado a seguir instrucciones, con una aplicación para hablar con él.