Qué hace bien y qué hace mal la IA generativa

La IA generativa no es buena ni mala en abstracto. Es excelente en un tipo de tarea y peligrosa en otro, y casi todas las decepciones que he visto en empresas vienen de pedirle lo segundo esperando lo primero. Si quieres una regla que puedas aplicar mañana: brilla cuando el trabajo es de lenguaje y no hay una única respuesta correcta, y falla cuando necesitas un dato exacto, comprobable y siempre igual.

Este artículo va dirigido a quien tiene que decidir, no a quien programa. Si diriges una empresa o un equipo y te han repetido mil veces “usa IA” sin decirte para qué, aquí tienes el criterio: qué tareas puedes soltarle con tranquilidad y en cuáles te va a meter en un lío si la dejas sola.

¿Qué es exactamente la IA generativa?

La IA generativa es un programa que produce texto (o imágenes, o audio) prediciendo qué viene después. Los modelos que están detrás de herramientas como ChatGPT se llaman LLM, siglas en inglés de “modelo grande de lenguaje”. Su único trabajo es este: dada una secuencia de palabras, calcular cuál es la palabra más probable a continuación, y luego la siguiente, y así hasta formar una respuesta completa.

Ese detalle lo cambia todo. El modelo no consulta una base de datos con la verdad. No sabe si algo es cierto. Ha leído cantidades enormes de texto y ha aprendido qué combinaciones de palabras suelen ir juntas. Cuando le preguntas algo, no busca la respuesta correcta: genera la respuesta que suena más plausible. Si quieres entender el mecanismo con calma, lo explico en detalle en cómo funciona la IA generativa.

De esa forma de funcionar salen a la vez sus mejores virtudes y sus peores defectos.

¿En qué brilla la IA generativa?

Brilla en todo lo que sea manejar lenguaje sin una respuesta única correcta. Hay cuatro fortalezas claras.

Trabaja con lenguaje mejor que cualquier herramienta anterior. Redactar, reformular, resumir, cambiar el tono de un texto, traducir. Estas tareas no tienen una respuesta “correcta”, tienen muchas respuestas válidas, y el modelo produce una perfectamente aceptable en segundos. Pedirle un primer borrador de un correo comercial, un resumen de una reunión larga o una versión más breve de un documento es exactamente su terreno.

Tolera la ambigüedad. Un programa tradicional necesita instrucciones exactas o se rompe. La IA generativa entiende peticiones vagas y aun así hace algo útil. Le puedes decir “hazme esto un poco más formal” o “quítale la paja a este texto” sin definir qué significa exactamente, y responde razonablemente. Para un humano eso es natural. Para el software de toda la vida era imposible.

Absorbe volumen. Puede leer cuarenta currículums, doscientas reseñas de clientes o un contrato largo y darte un resumen en minutos. No se cansa ni pierde atención a la reseña número ciento cincuenta. Cuando el problema es “hay demasiado texto y alguien tiene que leerlo todo”, la IA hace una primera pasada que a una persona le llevaría un día.

Genera borradores rápidos. Su mayor valor no está en el trabajo terminado. Está en quitarte la página en blanco. Un guion de vídeo, diez ideas para una campaña, la estructura de una propuesta. Empezar cuesta, y ese es justo el paso que la IA te resuelve. Luego revisas y corriges, que es más rápido que crear desde cero.

¿En qué falla la IA generativa?

Falla en todo lo que exige exactitud comprobable. Aquí están las cuatro debilidades que más problemas causan.

No garantiza exactitud factual. Como genera el texto más plausible en lugar de consultar la verdad, a veces inventa datos que suenan perfectos y son falsos. Esto es una alucinación: el modelo afirma con total seguridad una cifra, una fecha, una cita legal o un nombre que no existe. No hay un aviso de “esto me lo estoy inventando”. Suena igual de convincente cuando acierta que cuando falla, y ese es el problema.

No hace aritmética garantizada. Puede resolver una cuenta sencilla, pero no es una calculadora. Como trata los números como texto que predecir, en cálculos con varios pasos se equivoca sin avisar. Para una nómina, una factura o cualquier cifra que tenga que cuadrar, no puedes fiarte del resultado directo. Necesita una hoja de cálculo o un programa que haga el cálculo de verdad.

No ofrece trazabilidad. Cuando te da un dato, normalmente no puede decirte de dónde lo ha sacado con fiabilidad. Y si se lo pides, a veces se inventa la fuente también. En un sector donde tienes que justificar de dónde viene cada número (finanzas, salud, legal), una respuesta sin origen verificable no vale, por buena que suene.

No es repetible. Haz la misma pregunta dos veces y puedes recibir dos respuestas distintas. En el software tradicional eso sería un fallo grave: metes los mismos datos y esperas el mismo resultado siempre. La IA generativa funciona al revés por diseño, y esa variabilidad es un problema serio cuando necesitas consistencia. Lo desarrollo en IA frente a software tradicional, porque es la diferencia que más despista a quien viene del mundo del software clásico.

¿Cómo clasifico las tareas de mi empresa?

La forma más práctica de decidir es poner cada tarea en una de dos columnas. Aquí tienes ejemplos reales para que veas el criterio en acción.

Tarea de empresa	Suéltala a la IA	Supervísala o evítala
Redactar el borrador de un correo comercial	Sí, luego lo revisas
Resumir cuarenta currículums para una primera criba	Sí, con repaso humano de los finalistas
Calcular una nómina o una factura		Evítala: usa una herramienta de cálculo
Citar la cláusula exacta de un contrato		Supervísala: verifica la cita contra el original
Generar diez ideas para una campaña	Sí, es su terreno
Dar a un cliente el precio oficial de un producto		Supervísala: el precio sale de tu sistema, no del modelo
Traducir un documento interno	Sí, con repaso si es delicado
Decidir un despido o una contratación		Evítala: es una decisión con responsabilidad humana

Fíjate en el patrón. Las tareas de la izquierda son de lenguaje, admiten varias respuestas buenas y el coste de un error pequeño es bajo. Las de la derecha exigen un dato exacto, tienen una única respuesta correcta o implican una responsabilidad que no puedes delegar en una máquina que a veces inventa.

Cuatro preguntas para decidir tarea por tarea

Cuando dudes con una tarea concreta, hazte estas cuatro preguntas:

1. ¿Es un trabajo de lenguaje o necesito un dato exacto? Lenguaje, adelante. Dato exacto, cuidado.
2. ¿Hay una única respuesta correcta? Si la hay, la IA es el sitio equivocado para buscarla sola.
3. ¿Necesito saber de dónde salió el resultado? Si tienes que justificar el origen, no te fíes de lo que el modelo diga sin comprobarlo.
4. ¿Pasa algo si dos veces responde distinto? Si necesitas consistencia total, esta herramienta no te la da por sí sola.

Con una sola respuesta que te encienda la alarma, esa tarea va a la columna de supervisar. En cómo es la tarea ideal para la IA profundizo en cómo reconocer de un vistazo los trabajos que encajan.

El patrón que sí funciona: la IA propone, tú verificas

El error más caro es tratar la IA como si fuera un empleado en quien confías a ciegas. El uso que funciona es otro: la IA hace el trabajo pesado y una persona o una regla comprueba el resultado antes de usarlo.

Ese repaso no es opcional, es la parte que convierte una herramienta poco fiable en un proceso fiable. La IA te redacta el correo y tú lo lees antes de enviarlo. La IA resume los currículums y una persona revisa a los finalistas. La IA propone las cifras y una hoja de cálculo las recalcula. El resultado combina lo mejor de los dos: la velocidad de la máquina y el criterio de la persona.

Ese criterio, saber cuándo la IA acierta y cuándo te está colando un gol, es justo lo que se entrena con la práctica. Es el eje del curso IA sin hype, pensado para que tomes estas decisiones con cabeza y sin depender de que alguien te venda la moto.

Un concepto nuevo cada semana

Suscribirme

Checklist para clasificar una tarea

• He identificado si la tarea es de lenguaje o de datos exactos
• He comprobado si existe una única respuesta correcta
• He decidido si necesito trazabilidad del origen del resultado
• He valorado si me afecta que la respuesta varíe entre intentos
• He definido quién o qué verifica la salida antes de usarla
• He puesto la tarea en la columna de soltar o en la de supervisar

Preguntas frecuentes

¿Entonces no me fío nunca de la IA generativa?

Te fías para lo que hace bien y no para lo que hace mal. Es una herramienta excelente para tareas de lenguaje donde caben varias respuestas válidas, y una mala elección para datos exactos, cálculos que tienen que cuadrar o decisiones con responsabilidad legal. La confianza se decide tarea por tarea, no de una vez para todo.

¿Por qué inventa datos si es tan avanzada?

Porque no consulta la verdad, predice el texto más probable. Una alucinación es información que suena creíble pero es falsa, y ocurre porque el modelo genera la continuación más plausible en lugar de comprobar un hecho. Es una consecuencia directa de cómo funciona, no un fallo que se arregle con una actualización cualquiera.

¿Esto mejorará con el tiempo?

En calidad de redacción y en muchos detalles, seguramente. Pero las limitaciones de fondo (que a veces inventa, que no garantiza el cálculo y que puede responder distinto a la misma pregunta) vienen de su forma de funcionar. Conviene tomar decisiones con la herramienta que tienes hoy, no con la que quizá exista dentro de dos años.

¿La IA va a sustituir a mi equipo?

Sustituye tareas, no personas con criterio. Quita trabajo repetitivo de lenguaje y borradores, y deja intactas las decisiones que exigen juicio y responsabilidad. Lo que cambia es en qué inviertes el tiempo de tu equipo: menos teclear, más decidir y revisar.