Artículos y guías

¿Cómo funcionan las IA? ¿Piensan de verdad?

Por · Publicado el 22 de noviembre de 2026 a las 03:00 · 5 min de lectura

Ilustración con la pregunta: ¿piensan de verdad las IA?
Del video: cómo aprende y cómo responde una IA.

Hice este video para responder una pregunta que mucha gente se hace: ¿cómo funcionan las IA y piensan de verdad?. Acá va lo mismo, ampliado y con las fuentes. Es una explicación simplificada: el detalle técnico real es bastante más complejo, y el debate sobre qué significa "pensar" o "comprender" sigue abierto.

El video

El video completo, con animaciones. Abajo está todo el texto.

Si preferís leer, acá va lo mismo con más detalle.

1. ¿Piensan de verdad?

La respuesta corta: no como una persona, aunque la conversación pueda parecerlo. Más abajo vemos por qué, pero antes conviene entender cómo funcionan por dentro.

Esta nota habla de los modelos de lenguaje grandes (en inglés, LLM), que son la tecnología detrás de los chats de IA que escriben, resumen o traducen.

2. Aprenden leyendo

Un modelo de lenguaje se entrena con colecciones enormes de texto. Primero ese texto se divide en tokens: unidades más chicas que pueden ser palabras, partes de palabras o caracteres. Después el modelo aprende, casi sin que nadie le marque respuestas correctas, encontrando patrones por su cuenta.

La práctica central es una sola: predecir el token que sigue en una secuencia. Repetida una y otra vez sobre mucho texto escrito por personas, esa tarea le enseña al modelo cómo se arman las frases, qué palabras suelen ir juntas y qué temas se relacionan.

3. Una red neuronal, muy simplificada

Por dentro, el modelo es una red neuronal: una enorme cantidad de números (conexiones) que se ajustan durante el entrenamiento. A esos números se les llama parámetros, y los modelos grandes tienen miles de millones. No hay una "base de datos de respuestas": lo aprendido queda repartido en esos parámetros.

La mayoría de los modelos actuales usan una arquitectura llamada transformer, presentada en 2017 en el trabajo "Attention Is All You Need". Su idea clave es el mecanismo de atención (en los modelos de lenguaje, autoatención): el modelo pondera cuánto se relaciona cada token con los demás, incluso con los que están lejos en el texto. Así puede tener en cuenta, por ejemplo, a quién se refiere un "él" tres frases atrás.

Para poder hacer cuentas con las palabras, los tokens se representan como números y se procesan capa tras capa. Es una descripción muy simplificada.

4. Cómo responden

Cuando le escribís algo, el modelo no busca una respuesta guardada. Mira todo lo que hay en la conversación (el contexto) y calcula cuál es el token más probable que sigue. Lo agrega, vuelve a mirar todo y calcula el siguiente. Así arma la respuesta palabra por palabra.

Por eso dos veces la misma pregunta pueden dar respuestas distintas, y por eso puede escribir con fluidez algo que no es cierto: lo que optimiza es lo que suena probable, no lo que está comprobado.

5. ¿Quién les enseñó?

Primero, personas: todo lo que el modelo lee fue escrito por gente. De ahí sale su manera de expresarse, y también los errores y sesgos que haya en esos textos.

Después, otra vez personas: un modelo recién entrenado para predecir texto no necesariamente responde de forma útil. Para afinarlo se usan ejemplos escritos por personas y, además, evaluadores humanos que comparan y ordenan las respuestas del modelo. El modelo aprende a preferir las que esas personas calificaron mejor. Esta técnica se llama aprendizaje por refuerzo con retroalimentación humana (RLHF). En 2022, OpenAI mostró con InstructGPT que un modelo mucho más chico, afinado así, era preferido por evaluadores humanos frente a uno 100 veces más grande sin ese ajuste.

6. Entonces, ¿piensan?

No como una persona. Dominan muy bien los patrones del lenguaje, y eso alcanza para resultados impresionantes. Pero si eso es "comprender" es una discusión abierta: algunos investigadores sostienen que estos modelos entienden en algún sentido, y otros que la fluidez no equivale a comprensión. Un trabajo de Melanie Mitchell y David Krakauer, publicado en PNAS, resume los argumentos de ambos lados y propone que parte del problema es qué entendemos por "entender".

Lo que sí está claro es una limitación práctica: pueden equivocarse con mucha seguridad. A esos errores se los llama alucinaciones: respuestas que suenan creíbles pero son falsas o inventadas, como datos, estudios o links que no existen. Pasan porque el modelo predice lo estadísticamente probable y no comprueba si algo es verdad.

Qué hacer: usá la IA como borrador o ayuda para investigar, y verificá lo importante (salud, dinero, temas legales, datos concretos) en fuentes confiables.

Notebooks y PC para estudiar, trabajar y usar IA

Muchos chats de IA se usan desde el navegador, así que alcanza con un equipo que ande fluido. En Todo Insumos tenemos notebooks y PC para estudiar, trabajar y usar IA. Pasá por el local (Francia 127, San Nicolás) o escribinos por WhatsApp al 336 459-9668. Todo lo que tenemos está en todoinsumos.com.ar.

Aviso: esta es una explicación simplificada. La tecnología cambia rápido y el debate sobre si las IA "piensan" o "comprenden" sigue abierto.

Ver notebooks y PC →

Preguntas frecuentes

¿Cómo aprende una IA como ChatGPT?

Se entrena con enormes cantidades de texto escrito por personas, y su práctica central es predecir el token (palabra o parte de palabra) que sigue. Después se afina con ejemplos y evaluaciones de personas.

¿La IA busca la respuesta en internet o en una base de datos?

Un modelo de lenguaje por sí solo no busca una respuesta guardada: genera la respuesta token por token según lo aprendido y el contexto de la conversación.

¿Quién les enseñó a las IA?

Personas: con los textos que escribieron y, en la etapa de ajuste, con evaluadores humanos que califican y ordenan respuestas (RLHF).

¿Las IA piensan de verdad?

No como una persona. Dominan patrones del lenguaje, pero los expertos siguen discutiendo qué significa comprender y si estos modelos lo hacen.

¿Qué es una alucinación de la IA?

Una respuesta que suena creíble pero es falsa o inventada. Pasa porque el modelo predice lo probable sin comprobar si es verdad, por eso conviene verificar lo importante.

Fuentes

Datos verificados el 22 de noviembre de 2026. Las cifras y precios de mercado pueden cambiar.

Sobre el autor: Luciano Lavia

Fundador de Todo Insumos en San Nicolás de los Arroyos desde 2002. Escribe sobre computación, tecnología, seguridad digital e inteligencia artificial.

Seguí leyendo