IA generativa — qué es y por qué cambió el trabajo intelectual
De máquinas que clasifican a máquinas que escriben, diseñan y codean. Cómo la arquitectura Transformer de 2017 terminó convertida en una caja de texto gratis en noviembre de 2022.
Germán Falcioni✦ Lectura: 9 min
La caja de texto que rompió la barrera
Noviembre de 2022. Un martes cualquiera, OpenAI publica una página discreta en su sitio: chat.openai.com. Sin lanzamiento, sin keynote, sin campaña. Cinco días después, un millón de personas ya lo habían probado. Dos meses después, cien millones — la adopción de consumidor más rápida jamás medida, según el Stanford AI Index Report 2024. Más rápida que TikTok. Más rápida que Instagram. Más rápida que cualquier cosa.
Clasificar no es generar
Hasta ese momento, casi toda la IA que veías en un producto hacía una cosa: tomar algo y etiquetarlo. Un filtro de spam lee tu email y decide: spam o no spam. Netflix mira tu historial y etiqueta películas: te va a gustar, no te va a gustar. Una radiografía pasa por un modelo entrenado y sale etiquetada: anomalía, sin anomalía.
Son máquinas de clasificación. Útiles. A veces imprescindibles. Pero ninguna crea nada.
La IA generativa es lo opuesto.
Le pedís a Claude "redactá un email para un cliente pidiendo extender el plazo, tono profesional" y escribe uno. No busca un template guardado. Lo compone en ese instante, tomando patrones de los millones de emails que leyó durante el entrenamiento.
Le pedís a Midjourney "montaña al atardecer, luz cinematográfica" y aparece la imagen. No la saca de Google. La genera píxel por píxel.
Le pedís a GitHub Copilot una función en Python y escribe el código. No lo copia de Stack Overflow. Lo arma respetando convenciones de sintaxis que absorbió de miles de millones de líneas de código público.
Cómo aprende a hacer todo eso
Se entrena con una cantidad difícil de imaginar de ejemplos — libros digitalizados, artículos, código, imágenes etiquetadas. La tarea durante el entrenamiento es una sola: predecir la palabra que viene. Dadas las anteriores, ¿cuál es la próxima?
Suena trivial. No lo es. Para predecir bien, el modelo termina aprendiendo cómo están estructurados los emails profesionales, cómo abre un informe, qué convenciones siguen los códigos que funcionan, qué elementos componen una imagen bonita.
Es como un músico que escuchó diez millones de canciones de todos los géneros y ahora puede componer una pieza nueva que suena coherente.
La magia no es que entienda. Es que capturó los patrones con tanta resolución que parece que entiende.
Por qué tardó en llegar
Hasta noviembre de 2022, usar IA generativa requería programación, servidores y plata. Era territorio de laboratorios.
Entonces OpenAI abrió una caja de texto gratis en el navegador, y de repente tu tía podía pedirle a una IA que le escribiera un email. Eso disparó todo.
Los modelos que importan hoy
Para texto: Claude (Anthropic), ChatGPT (OpenAI), Gemini (Google). Para imágenes: DALL-E, Midjourney, Stable Diffusion. Para código: GitHub Copilot, Claude Code, Cursor. Para video: Sora, Runway.
Tres ideas para llevar:
- Generativa no es clasificación. Clasificar es separar lo que ya existe; generar es crear algo nuevo. No es la misma tecnología con más potencia — es otra categoría.
- El modelo no busca, compone. No hay una base de datos de respuestas guardadas. Cada respuesta se arma token por token en ese mismo instante, combinando patrones aprendidos.
- El año clave no fue el de la invención — fue el de la accesibilidad. Transformer existía desde 2017 y GPT-3 desde 2020. Lo que llegó en noviembre de 2022 fue la caja de texto. Y la caja de texto era la parte difícil.