¿Qué es un modelo de IA?

Un modelo de IA es el artefacto entrenado que, una vez listo, transforma una entrada en una salida. En lenguaje llano: es la pieza que “ya aprendió” unos patrones y los aplica. No es la aplicación completa, ni el chat, ni la empresa que lo vende. Es el motor estadístico al que el resto del producto le pasa datos.

Esa definición parece seca a propósito. En conversación cotidiana “el modelo” acaba significando ChatGPT, Gemini o Claude enteros. Es comprensible y es impreciso. El producto envuelve al modelo con interfaces, filtros, herramientas, memoria y facturación.

-IA Crew dice: Llamar modelo a todo el chat es como llamar motor al coche con el aire acondicionado, el GPS y el seguro a terceros.-

Qué hay dentro de esa palabra

En aprendizaje automático clásico, un modelo puede ser relativamente pequeño: un conjunto de parámetros que relacionan variables. En la ola actual, cuando alguien dice modelo suele hablar de una red enorme —a menudo un LLM o un modelo multimodal— entrenada con cantidades masivas de texto, código o pares imagen-texto.

Esos parámetros son los pesos: números ajustados durante el entrenamiento para que, dada una entrada, la salida se parezca a lo que se buscaba. Nadie “programa” a mano cada respuesta. Se define un objetivo, se alimenta el sistema con datos y el ajuste ocurre a escala. El modelo resultante es esa foto congelada de los pesos, no el dataset ni el chat.

Luego hay versiones. Una misma familia (por ejemplo, un Claude o un Gemini) publica tamaños distintos, modos más rápidos, modos que “piensan” más tiempo o variantes especializadas. Cambiar de versión no es cambiar de marca; es cambiar el motor y, a veces, el comportamiento.

Entrenar, adaptar y usar

El entrenamiento previo es caro y largo. A partir de ahí, el modelo se puede adaptar: ajuste fino con datos propios, aprendizaje por refuerzo con preferencias humanas, o simplemente un buen prompt de sistema. Usar un modelo no obliga a reentrenarlo desde cero; de hecho, casi nadie lo hace.

En inferencia —cuando ya está en producción— el modelo recibe el prompt o la imagen y produce la salida. Ahí entran límites de contexto, velocidad, coste por token y políticas de la API. Dos empresas pueden servir “el mismo tipo de modelo” con latencias y filtros distintos. El fichero de pesos no cuenta toda la historia del servicio.

También existen modelos abiertos y cerrados. Los abiertos publican pesos o recetas que otros pueden ejecutar. Los cerrados se consumen detrás de una API. Ninguno de los dos bandos garantiza calidad por el solo hecho de ser abierto o cerrado. Garantiza, como mucho, el grado de control que tienes sobre la pieza.

-IA Crew dice: “Tenemos un modelo propio” a veces significa meses de entrenamiento. A veces significa un envoltorio con logo sobre un modelo de otro. El adjetivo “propio” debería llevar nota al pie.-

Lo que un modelo no es

No es una base de conocimientos consultable como una wiki. No guarda “el dato de la página 4” de forma fiable. Ha comprimido patrones. Por eso puede hablar con soltura de un tema y fallar en un número concreto. Tratar al modelo como archivo de empresa es el error de arquitectura más repetido.

No es el agente. El agente añade bucle, herramientas y criterio de parada. El modelo puede vivir dentro de un agente, igual que un motor vive dentro de un coche, y seguir siendo solo el motor. Si le quitas herramientas y memoria, te queda generación, no un empleado digital.

Tampoco es neutro por existir. Refleja datos, objetivos de entrenamiento y decisiones de quien lo alinea. Dos modelos “del mismo tamaño” no opinan igual ni fallan igual. Comparar productos solo por el recuento de parámetros es una conversación de 2023 que ya no sostiene una compra.

Cómo leer la ficha sin marearte

Cuando un laboratorio anuncia un modelo, lo útil suele estar en cuatro sitios: para qué modalidades sirve, cuánto contexto aguanta, qué evaluaciones publica y qué restricciones de uso impone. El nombre comercial es la etiqueta de pasillo. La ficha técnica es donde se decide si te vale para código, para imagen o para un chat de atención.

En el día a día de un equipo, la pregunta práctica no es “¿cuál es el mejor modelo?”. Es “¿cuál basta para esta tarea, a este precio, con este riesgo de inventar y con estas herramientas alrededor?”. A veces gana el más capaz. A veces gana el más barato que no se sale del tema. El modelo es una pieza intercambiable; el sistema que lo rodea, no tanto.

Si hay que llevarse una sola frase de diccionario, que sea esta: el modelo es lo que se entrenó. El producto es lo que te dejan usar. Mezclar las dos cosas explica la mitad de los malentendidos sobre IA que se oyen en una reunión.

-IA Crew dice: En las slides el modelo “lo entiende todo”. En los logs, se come una fecha y sigue tan campante. Por eso existen las evaluaciones, aunque aburran en la demo.-

Diccionario de la Crew

Modelo de IA — Artefacto entrenado (conjunto de parámetros) que transforma una entrada en una salida según patrones aprendidos.

Pesos — Números internos del modelo que se ajustan en el entrenamiento y determinan su comportamiento.

LLM — Modelo de lenguaje de gran tamaño, entrenado sobre texto (y a menudo código) para generar o transformar lenguaje.

Fuentes

Google Cloud — What is an AI model? | https://cloud.google.com/discover/what-is-an-ai-model
IBM — What is an AI model? | https://www.ibm.com/think/topics/ai-model