¿Qué es la IA y qué es un LLM? Explicado desde cero

¿Alguna vez le preguntaste algo a ChatGPT, Claude o cualquier otro chat y pensaste “esto me entiende”? ¿Y alguna vez te contestó con una seguridad total algo que resultó ser mentira? Si te pasó una de las dos, este post es para vos. Y si no, también, porque todo el mundo habla de IA y de LLM como si fueran lo mismo, y no lo son.

Te aviso de entrada: no vamos a hablar de robots que toman conciencia y quieren conquistar el mundo (si querés eso, hay pelis). Vamos a ver qué es cada cosa, cómo funciona un LLM por dentro (a grandes rasgos, sin matemática) y por qué a veces se manda cualquiera. Al final vas a poder explicárselo a alguien que no programa, por ejemplo a tu tío, el que cree que “la inteligencia artificial” es Skynet.

¿Qué es la IA?

IA significa inteligencia artificial. Es un nombre muy grande para un campo muy amplio: cualquier programa que hace algo que, si lo hiciera una persona, diríamos “eso requiere inteligencia”. Reconocer una cara en una foto, recomendarte una serie, traducir un texto, jugar al ajedrez.

Pensalo como un paraguas. Debajo hay muchas cosas distintas, y una de ellas es la que hoy está en todas las noticias y en todos los grupos de WhatsApp de la familia.

Acá viene lo importante: la IA de la que se habla hoy casi siempre se basa en machine learning (aprendizaje automático). La idea es darle vuelta a lo que hacemos normalmente:

En programación clásica, vos escribís las reglas: “si pasa esto, hacé aquello”.
En machine learning, le mostrás muchísimos ejemplos al programa y dejás que él encuentre las reglas.

Nadie le escribió a mano “así se ve un gato”. Le mostraron un montón de fotos de gatos y de no-gatos hasta que aprendió a distinguirlos. Es como enseñarle a un chico: no le das la definición de perro, le señalás perros por la calle hasta que deja de decirle “perro” a todo lo que tiene cuatro patas.

¿Y qué es un LLM?

LLM viene de Large Language Model, o modelo de lenguaje grande. Vamos por partes:

Modelo: un programa que ya fue “entrenado” con ejemplos. Es el resultado de ese aprendizaje.
Lenguaje: trabaja con texto, con palabras.
Grande: lo entrenaron con una cantidad enorme de texto y tiene una cantidad enorme de números internos (se los llama parámetros) que se fueron ajustando durante el entrenamiento. Sí, “grande” acá es tan grande que ya perdió el sentido de la palabra.

Entonces un LLM es un tipo de IA, dentro del machine learning, especializado en texto. ChatGPT y Claude son productos que usan LLM por debajo. No todo lo que es IA es un LLM: el programa que reconoce gatos en fotos no lo es (y es un crack en lo suyo, pero no le pidas que te escriba un mail).

¿Cómo funciona? La versión del celular

Acá va la idea central, y es más simple de lo que parece: un LLM predice cuál es la próxima palabra.

Fijate en el teclado de tu celular. Escribís “nos vemos mañana a” y te sugiere “las”. Eso es predecir la próxima palabra. Un LLM hace lo mismo, pero con un “corrector” que leyó una cantidad descomunal de texto y que mira muchísimo más contexto que las últimas dos palabras. Digamos que es el autocompletado de tu celular después de ir al gimnasio, hacer un máster y leerse toda la biblioteca.

Y después repite el truco: predice una palabra, la agrega a lo que ya tenía, predice la siguiente, la agrega, y así. La respuesta larga que ves en el chat se arma palabra por palabra (en realidad por pedacitos de palabra, que se llaman tokens, pero para entender la idea alcanza con pensar en palabras).

Un ejemplo que podés correr

Para que no quede en humo, armemos la versión de juguete de esta idea: un programa que cuenta qué palabra suele venir después de cada palabra.

const texto = "el gato duerme el gato come el perro duerme";
const palabras = texto.split(" ");

const conteo: Record<string, Record<string, number>> = {};
for (let i = 0; i < palabras.length - 1; i++) {
  const actual = palabras[i];
  const siguiente = palabras[i + 1];
  conteo[actual] ??= {};
  conteo[actual][siguiente] = (conteo[actual][siguiente] ?? 0) + 1;
}

console.log(conteo["el"]);

Lo que hace: recorre el texto de a pares de palabras y anota, para cada palabra, cuántas veces apareció cada palabra que le sigue. Usa el operador ??= (asigna solo si lo que hay está vacío), que existe desde TypeScript 4.0 y Node 15.

Para correrlo, guardalo como conteo.ts. Con Node 24 alcanza con node conteo.ts, porque Node ya entiende TypeScript sin compilar. Con un Node más viejo, usá npx tsx conteo.ts.

Mirá la última línea. Después de “el”, en nuestro texto vino “gato” dos veces y “perro” una. Así que el resultado es { gato: 2, perro: 1 }. Si tuviéramos que adivinar qué viene después de “el”, apostaríamos por “gato”. Mala suerte para el perro.

Eso, en miniatura, es un modelo de lenguaje: aprendió de un texto qué palabra es más probable después de otra. Claro, este mira una sola palabra hacia atrás y aprendió de una frase. Un LLM mira muchísimo contexto y aprendió de una cantidad de texto que ni nos imaginamos. Esa diferencia de escala es la que hace que parezca que “entiende”.

Ojo: un LLM de verdad no guarda una tabla de conteos como la nuestra. Es una red neuronal con miles de millones de parámetros que aprendió patrones mucho más complejos, y mira todo el texto que le pasaste, no solo la última palabra. Pero la idea de fondo es la misma: calcular qué palabra es más probable que venga después.

¿Por qué a veces inventa cosas?

Con lo anterior ya se entiende lo más raro de los LLM. Como lo que hace es producir el texto que suena más probable, no consulta una base de datos de verdades. Si le preguntás algo que no sabe, no se queda callado: sigue armando una respuesta que suena razonable. A eso se lo llama alucinar.

Es el amigo que en el asado opina de fútbol, de economía y de medicina con la misma seguridad, y jamás dice “la verdad, ni idea”. Un LLM puede acertar un montón de veces y fallar con la misma cara de seguridad, y no te avisa cuándo está inventando. Por eso, si algo importa (un dato, una cita, un código que vas a poner en producción), lo verificás vos.

¿Qué te llevás?

IA es el paraguas grande. Machine learning es aprender de ejemplos en vez de escribir reglas. LLM es un modelo de ese tipo especializado en texto.
Un LLM, en el fondo, predice la próxima palabra, una y otra vez, con muchísimo contexto y muchísimo entrenamiento.
Por eso es buenísimo para redactar, resumir, explicar o darte un primer borrador, y por eso mismo hay que revisarle lo que dice.

Tratalo como a un compañero muy rápido y muy leído que a veces se inventa cosas con total tranquilidad: ayuda un montón, pero no firmás nada sin leerlo.