Cómo funcionan los chatbots de IA, sin rodeos

No hace falta entender matemáticas para usar bien un chat con IA, pero tener una idea básica de cómo funciona explica muchas cosas: por qué responde con tanta seguridad incluso cuando se equivoca, por qué da respuestas distintas a la misma pregunta, por qué pierde el hilo en conversaciones largas y por qué a veces desconoce eventos recientes. Aquí tienes una explicación sencilla y sin tecnicismos innecesarios.

En pocas palabras

Un chatbot de IA se basa en un modelo de lenguaje grande (LLM, por sus siglas en inglés): una red neuronal enorme entrenada con volúmenes gigantescos de texto para predecir qué palabra viene después. Cuando envías un mensaje, el modelo lee la conversación y genera una respuesta fragmento a fragmento, eligiendo cada vez el siguiente trozo más probable según todo lo anterior. Un entrenamiento posterior le enseña a seguir instrucciones, mantener una conversación y rechazar peticiones dañinas.

No hay una base de datos con respuestas prediseñadas que se consulte, ni una persona escribiendo detrás de escena. Casi todo lo demás en esta guía se deduce de esto.

Paso 1: El texto se divide en tokens

Los modelos no leen letras ni palabras completas. Dividen el texto en tokens: las palabras comunes suelen ser un solo token, mientras que las más largas o poco habituales se dividen en varios fragmentos. Los espacios, los signos de puntuación y los números también se convierten en tokens. Por eso a la IA le cuesta contar las letras de una palabra o invertir una frase: no ve las letras sueltas como tú.

Un mismo significado puede ocupar distinto número de tokens según el idioma, y ese es uno de los motivos por los que la calidad y los límites de longitud pueden variar de una lengua a otra.

Paso 2: Preentrenamiento con volúmenes masivos de texto

En la primera fase, que es la más extensa, el modelo analiza una cantidad descomunal de texto —como páginas web públicas, libros, código y otras fuentes, según el desarrollador— y aprende a predecir el siguiente token. Se le corrige una y otra vez para que ajuste gradualmente sus valores numéricos internos, llamados parámetros o pesos.

Para predecir bien el texto, el modelo acaba asimilando una gran cantidad de gramática, hechos, patrones de razonamiento y estilos. Sin embargo, no guarda una copia de sus datos de entrenamiento como si fuera una biblioteca; lo que almacena son patrones estadísticos. Por eso puede explicar un concepto con total fluidez y, a la vez, equivocarse en una fecha, un nombre o una cita exacta.

Paso 3: El ajuste fino convierte un predictor en un asistente

Un modelo que solo predice texto se limitaría a continuar tu mensaje en lugar de responderlo. Por eso, los desarrolladores lo entrenan aún más con ejemplos de buenas conversaciones y utilizan valoraciones —de personas y, cada vez más, de revisiones automáticas y otros modelos— para premiar respuestas útiles, honestas y seguras. Un método muy conocido es el aprendizaje por refuerzo a partir de la retroalimentación humana (RLHF).

Esta fase le da al chatbot sus «buenos modales»: seguir instrucciones, dar formato, admitir dudas a veces y rechazar peticiones dañinas. También puede generar ciertos sesgos, como la tendencia a darte siempre la razón o a sonar más seguro de lo que debería.

Muchos modelos recientes también están entrenados para razonar: desglosan un problema en pasos intermedios antes de dar la respuesta final. Esto mejora los resultados en matemáticas, programación y planificación, aunque no los hace infalibles.

Paso 4: Tu conversación y la ventana de contexto

Cuando chateas, la app le envía al modelo un conjunto de texto: instrucciones del servicio que tú no ves (el system prompt), los mensajes anteriores de la conversación y tu nuevo mensaje. El modelo no guarda memoria propia entre una petición y otra; solo «recuerda» la conversación porque se le vuelve a enviar entera cada vez.

De forma simplificada, el paquete que se envía para tu tercer mensaje se ve más o menos así:

[sistema]     Eres un asistente útil. Responde con claridad...
[usuario]     ¿Qué buen nombre le pondrías a una panadería?
[asistente]   Aquí tienes algunas ideas: Amanecer Dorado, La Miga Feliz...
[usuario]     Haz que suenen más franceses.
[asistente]   (el modelo redacta esta parte, token a token)

«Haz que suenen más franceses» solo tiene sentido porque se incluyen los mensajes anteriores. Si la app los omitiera, el modelo no tendría idea de a qué se refiere con «suenen».

La cantidad de texto que un modelo puede procesar a la vez se llama ventana de contexto, y las apps suelen recortar las conversaciones largas para no sobrepasar ese límite. Por eso, en un chat muy largo, la IA puede perder detalles del principio. Empezar un chat nuevo con un breve resumen suele solucionar el problema.

Algunos servicios añaden una función de memoria independiente que guarda datos sobre ti entre distintas sesiones. Eso es una función de la aplicación construida alrededor del modelo, no algo que el modelo haga por sí mismo.

Paso 5: La generación de la respuesta

Para cada token siguiente, el modelo calcula las probabilidades de muchas opciones posibles. La app elige una, por lo general con cierta aleatoriedad controlada para que el texto no suene robótico. Esto explica dos cosas que quizá hayas notado:

• La misma pregunta puede dar respuestas distintas. Regenerar la respuesta es una forma rápida de ver alternativas.
• Que una frase esté bien escrita no significa que sea verdad. El modelo elige palabras que encajan bien; no comprueba los hechos mientras escribe.

Pruébalo tú: pídele al chat que te explique qué son los tokens con un ejemplo, luego regenera la respuesta y compara ambas versiones.

Por qué la IA inventa cosas

Cuando un modelo genera información falsa con total seguridad, se le llama alucinación. Ocurre porque está diseñado para redactar textos verosímiles, y crear una cita, una estadística o una biografía que parezca real resulta muy fácil, incluso si no conoce el dato verídico. El entrenamiento ha reducido este problema, pero no lo ha eliminado del todo. Las áreas de mayor riesgo son:

• Cifras exactas, fechas y citas textuales.
• Referencias a libros, artículos científicos, casos judiciales y páginas web.
• Temas muy especializados o de nicho con pocos datos de entrenamiento.
• Sucesos posteriores a la fecha de corte de sus datos de entrenamiento.

Nuestra guía para verificar respuestas de IA te explica cómo comprobar la información rápidamente.

Por qué la IA puede desconocer eventos recientes

El conocimiento de un modelo proviene de los datos recopilados hasta una fecha determinada: su límite de conocimiento. A partir de ahí no sabe nada nuevo, salvo que la app le aporte datos actualizados mediante una herramienta de búsqueda web o a través de texto que tú pegues. Cuando un asistente busca en internet, su respuesta dependerá de la calidad de las páginas que encuentre, así que conviene revisar las fuentes. Si tu duda depende de información reciente, pega tú el texto relevante o contrasta la respuesta con una fuente actualizada.

Modelos, creadores y el menú de modelos

Varias empresas desarrollan modelos de lenguaje grandes, como OpenAI (los modelos GPT detrás de ChatGPT), Anthropic (Claude), Google (Gemini), Meta (Llama), xAI (Grok), DeepSeek, Alibaba (Qwen) y Mistral AI. Algunas publican los pesos de sus modelos para que cualquiera pueda descargarlos y ejecutarlos; otras solo los ofrecen a través de sus propias apps y API. Los modelos se diferencian en estilo, puntos fuertes, idiomas compatibles y nivel de cautela. Nuestras guías de modelos y comparativas como ChatGPT vs Claude los analizan en detalle.

En ChatG puedes elegir el estilo de modelo que prefieras desde el menú, o dejarlo en ChatG Auto. ChatG es un sitio independiente y no está afiliado a ninguna de estas empresas.

Preguntas frecuentes

¿La IA entiende lo que dice?

Es un tema aún en debate. Es evidente que los modelos captan gran parte de la estructura del lenguaje y del mundo, y pueden resolver problemas que no han visto antes. Sin embargo, no tienen vivencias y pueden fallar en cosas que una persona que entendiera el tema jamás pasaría por alto. En la práctica, considera a la IA como una herramienta capaz, no como una autoridad.

¿La IA aprende de mi conversación?

No durante la sesión: los pesos del modelo no cambian mientras hablas con él. Algunos servicios pueden usar las conversaciones más adelante para entrenar futuros modelos, según su política de privacidad y tus ajustes.

¿La IA está conectada a internet?

El modelo en sí, no. Funciona únicamente con lo que aprendió durante su entrenamiento y con lo que esté en la conversación actual. Algunas apps añaden la búsqueda web como una herramienta externa. A menos que una respuesta muestre las fuentes que consultó, asume que proviene de datos de entrenamiento que podrían estar desactualizados.

¿Por qué algunas respuestas son mejores en inglés que en otros idiomas?

Los modelos suelen entrenarse con muchísimo más texto en inglés que en la mayoría de los demás idiomas, y otras lenguas a veces requieren más tokens para decir lo mismo. Los idiomas más hablados suelen funcionar muy bien; los menos comunes pueden dar resultados más flojos.