Determinismo en IA: por qué da respuestas distintas

Haz la misma pregunta dos veces a una herramienta de IA y es probable que te conteste de dos formas distintas. Prueba lo mismo con la hoja de cálculo de tu contabilidad: 2 + 2 siempre da 4, hoy, mañana y dentro de un año. Esa diferencia tiene un nombre, determinismo, y decide en qué partes de tu negocio la IA generativa encaja y en cuáles te va a dar un disgusto.

No es un fallo que alguien vaya a arreglar en la próxima versión. Es cómo funciona la tecnología por dentro. Y entenderlo, aunque no seas técnico, te ahorra meter la IA donde no debe estar.

¿Qué significa que un software sea “determinista”?

Un sistema determinista da siempre el mismo resultado exacto ante la misma entrada. Metes los mismos datos, obtienes la misma salida, todas las veces, sin sorpresas.

Es lo que esperas de casi todo el software que usa tu empresa. La calculadora, la nómina, el programa que emite las facturas, el cálculo del IVA. Si tu programa de facturación diera un total distinto cada vez que lo abres con los mismos conceptos, lo tirarías a la basura esa misma mañana. Esa fiabilidad es la base sobre la que construyes procesos que puedes auditar: si algo sale mal, reproduces la entrada, ves la salida y encuentras el error.

El software tradicional funciona con reglas fijas escritas por una persona. “Si el importe supera los mil euros, aplica este descuento.” La regla se cumple siempre igual porque alguien la programó así. Esa es la lógica que has usado durante décadas, y la que explico con más detalle en cómo se diferencia la IA del software de siempre.

La IA generativa no juega con esas reglas.

¿Por qué la IA da respuestas distintas a la misma pregunta?

La IA generativa no sigue reglas fijas: predice. Un LLM (un modelo de lenguaje, el motor detrás de herramientas como ChatGPT o Claude) genera texto adivinando cuál es la palabra más probable que viene después, y luego la siguiente, y así hasta completar la respuesta. Técnicamente no trabaja con palabras enteras sino con tokens, que son trozos de palabra, pero la idea para ti es la misma: va eligiendo la pieza siguiente basándose en probabilidades.

El detalle importante está en cada paso: no hay una única palabra “correcta”, hay varias candidatas con distinta probabilidad. El modelo no siempre escoge la más probable. Se deja un margen de elección deliberado, controlado por un ajuste llamado temperatura. Con la temperatura alta, el modelo se arriesga más y produce respuestas más variadas y creativas. Con la temperatura baja, se ciñe a lo más probable y suena más plano.

Esa variación está puesta a propósito. Es lo que hace que la IA redacte un correo con matices en vez de escupir siempre la misma frase robótica. El precio de esa riqueza es que pierdes la repetibilidad. Si quieres entender el mecanismo completo por debajo, lo desgloso en cómo funciona la IA generativa por dentro.

	Software tradicional	IA generativa
Cómo decide	Reglas fijas que escribió una persona	Predice la siguiente palabra por probabilidad
Misma entrada	Misma salida, siempre	Puede dar salidas distintas
¿Auditable?	Sí, reproduces el cálculo	Difícil: la salida cambia
Encaja en	Facturación, nóminas, cálculos legales	Borradores, resúmenes, atención, ideas

¿Se puede hacer que la IA sea repetible?

Puedes acercarte bastante, pero no dar la repetibilidad por garantizada. Poniendo la temperatura a su valor mínimo, el modelo escoge casi siempre la palabra más probable y las respuestas se parecen mucho entre sí. Para muchos usos, con eso basta.

El problema es todo lo demás que se mueve alrededor. El proveedor actualiza el modelo a una versión nueva y la misma pregunta empieza a contestar distinto. Cambias una coma en tu instrucción y la respuesta se desvía. El sistema arrastra el contexto de mensajes anteriores y eso también influye. Ninguna de esas piezas está bajo tu control del todo.

Así que la pregunta útil no es “¿puedo hacerla determinista?”. La pregunta útil es “¿mi proceso aguanta que de vez en cuando la respuesta cambie?”. Y esa respuesta depende del proceso, no de la IA.

¿Por qué te importa a ti como decisor?

Te importa porque tus procesos no son todos iguales: unos exigen el mismo resultado exacto y otros conviven bien con la variación. Meter la IA en el grupo equivocado es donde las empresas se hacen daño.

Piensa en dos columnas. A la izquierda, lo que exige determinismo: la factura que mandas a un cliente, la nómina de tus empleados, el asiento contable, el cálculo de un plazo legal, un número de cuenta. Ahí un resultado distinto significa un error que acaba en Hacienda, en una reclamación o en un pago mal hecho, no una variante creativa.

A la derecha, lo que tolera variación: el primer borrador de una respuesta a un cliente, el resumen de una reunión larga, tres ideas de titular para una campaña, una traducción que luego alguien revisa. Si la IA lo redacta de dos formas distintas, ninguna de las dos está “mal”. Te vale como punto de partida.

Procesos que exigen determinismo	Procesos que toleran variación
Emitir facturas y calcular impuestos	Redactar el borrador de un correo
Nóminas y pagos	Resumir un documento largo
Asientos contables	Generar ideas para una campaña
Cálculos legales y plazos	Primer borrador de atención al cliente

La regla de decisión es corta: si el proceso necesita que la respuesta sea siempre exactamente la misma y sea auditable, la IA generativa no debería tener la última palabra. Si el proceso admite un borrador que una persona revisa o que da igual que varíe, la IA te ahorra tiempo de verdad. Ese criterio, aplicado caso por caso a tu empresa, es justo lo que trabajamos en el curso de IA sin hype.

Un concepto nuevo cada semana

Suscribirme

Los errores que veo cometer a los decisores

Casi todos los tropiezos con esto vienen de tratar la IA como si fuera el software de siempre. Cuatro que se repiten:

Poner la IA a calcular la factura y “revisar por encima”. Una revisión rápida se le escapa un número cambiado con facilidad, porque el texto tiene buena pinta. La forma es impecable aunque el dato esté mal. Si el cálculo tiene que ser exacto, el cálculo lo hace una regla fija, y la IA como mucho te ayuda a redactar el mensaje que lo acompaña.

Creer que si funcionó en la demo funcionará igual en producción. La demo salió bien porque hiciste la pregunta una vez y quedó bonita. En producción esa misma pregunta se lanza cientos de veces con datos distintos, y ahí aparecen las respuestas que no viste. Una prueba con un solo caso no te dice nada sobre la repetibilidad.

Confundir “se equivoca a veces” con “da respuestas distintas”. Son dos problemas diferentes. Que la respuesta cambie es el no-determinismo del que va este artículo. Que la respuesta suene convincente pero sea falsa es otra cosa, la alucinación, que explico aparte en qué es una alucinación de la IA. Puedes tener una respuesta estable y equivocada, o una respuesta correcta que cambia cada vez. Confundirlos lleva a “arreglar” el problema que no tenías.

Pedir “quítale toda la aleatoriedad” y quedarte tranquilo. Bajar la variación ayuda, pero no convierte la IA en una calculadora. Sigues teniendo cambios de versión, sensibilidad a cómo preguntas y contexto de por medio. Tratarla como si fuera 100% fiable después de ese ajuste es cambiar un riesgo visible por uno escondido.

Preguntas frecuentes

¿El no-determinismo es lo mismo que una alucinación de la IA?

No. El no-determinismo es que la IA te da respuestas distintas a la misma pregunta. La alucinación es que te da una respuesta que suena creíble pero es incorrecta. Puedes tener una sin la otra: una respuesta que cambia cada vez pero siempre correcta, o una respuesta estable que siempre repite el mismo error.

¿Poniendo la temperatura a cero se arregla el determinismo en IA?

Ayuda mucho, pero no lo garantiza al cien por cien. Con la temperatura al mínimo el modelo escoge casi siempre la palabra más probable, así que las respuestas se parecen bastante. Aun así, un cambio de versión del modelo por parte del proveedor, o una variación en cómo formulas la pregunta, pueden alterar el resultado.

¿Puedo usar IA para facturación si un humano revisa después?

Para el cálculo en sí, mejor que no. La revisión humana detecta errores gruesos, pero un importe cambiado en un texto bien redactado se cuela con facilidad. La combinación segura es la de siempre: el número lo calcula un sistema determinista y la IA, si acaso, redacta el texto que acompaña a ese número.

¿Por qué la misma pregunta me dio ayer una respuesta y hoy otra?

Por varias razones a la vez. La IA incorpora variación deliberada en cada respuesta, el proveedor pudo actualizar el modelo entre ayer y hoy, y hasta un pequeño cambio en cómo escribiste la pregunta influye. Nada de eso indica que algo se haya roto. Es el comportamiento normal de esta tecnología.

¿El no-determinismo se corregirá en el futuro?

El no-determinismo forma parte del diseño de cómo generan texto estos modelos; nadie tiene pendiente arreglarlo. La variación es justo lo que les permite escribir con matices en lugar de repetir frases idénticas. Lo razonable no es esperar a que desaparezca, sino elegir bien en qué procesos la aprovechas y en cuáles no la dejas entrar.