IA generativa
Sinónimos: Inteligencia artificial generativa · Generative AI · GenAI
Definición ampliada
La IA generativa agrupa modelos capaces de producir contenido nuevo a partir de patrones aprendidos en datos. La salida puede ser texto, imagen, audio, vídeo, código, estructuras moleculares o datos sintéticos.
Es una aplicación del aprendizaje automático: en lugar de aprender a clasificar o a predecir un valor, el modelo aprende cómo son los datos para producir otros parecidos. Hay varias familias técnicas. Los modelos autorregresivos, como los modelos de lenguaje grandes, generan una pieza cada vez, una palabra o un fragmento, a partir de las anteriores [1]. Los modelos de difusión, habituales en imagen, aprenden a retirar ruido y crean una imagen partiendo de ruido aleatorio [2]. Las redes generativas antagónicas entrenan dos redes enfrentadas: una genera y la otra intenta distinguir lo generado de lo real [3]. «Nuevo» no significa necesariamente original, verdadero ni libre de semejanzas con el material de entrenamiento.
Contexto histórico
Los modelos generativos son anteriores a los asistentes de conversación, que llegaron al público general en noviembre de 2022 con ChatGPT [4]. Las redes generativas antagónicas marcaron un hito en 2014 para la síntesis de datos [3]. A partir de 2017, los transformers facilitaron modelos de lenguaje de gran escala y extendieron la generación a texto, código y sistemas multimodales [1].
Importancia actual
A fecha de agosto de 2026, la IA generativa funciona como una interfaz general para crear, transformar y resumir información. Su amplitud de usos convive con límites persistentes de factualidad, procedencia, propiedad intelectual, privacidad y control de la salida.
Se llama modelos de frontera a los más capaces de cada momento. El término viene del debate regulatorio, que los describe como modelos fundacionales muy capaces que podrían tener capacidades peligrosas para la seguridad pública [5].
Aplicaciones
Generales
- Redacción, resumen y traducción.
- Creación y edición de imágenes o audio.
- Asistencia a programación y diseño.
- Generación de ejemplos y datos sintéticos.
Sanitarias
- Preparación de borradores y materiales educativos.
- Generación de imágenes sintéticas para investigación.
- Diseño asistido de moléculas o estructuras.
- Conversación sanitaria, con límites y supervisión explícitos.
Limitaciones
- Puede inventar hechos, referencias o detalles.
- Reproduce sesgos y limitaciones de datos y diseño.
- Plantea cuestiones de privacidad, autoría y propiedad intelectual.
- Puede facilitar fraude, suplantación o desinformación.
- En medicina, la fluidez puede ocultar errores con consecuencias relevantes [6].
Ejemplos
Un modelo puede transformar una descripción en una imagen, completar código o crear un resumen. Cada salida necesita un nivel de revisión distinto según su impacto, su reversibilidad y el contexto en el que se utilizará.