IA generativa e IA predictiva: la diferencia

Un restaurante de Valladolid quiere preparar la compra y la carta del día. Los ejemplos de este artículo son ilustrativos, sin pruebas propias ni resultados medidos. Para estimar cuántos cubiertos atenderá, parte de registros diarios sin nombres y del calendario de aperturas. Para redactar la carta, utiliza las fichas confirmadas de los platos. El primer encargo busca una previsión que ayude a decidir cuánto comprar. El segundo busca una descripción que cocina pueda revisar antes de publicarla. No se evalúan con el mismo criterio: una frase bien escrita no demuestra que la cantidad prevista sea útil para organizar el restaurante.

Dirección decide compras y turnos; cocina comprueba ingredientes, alérgenos y descripciones. Si el pronóstico anuncia más comensales, eso no convierte la estimación en reservas confirmadas ni explica por sí solo la causa del aumento. Si el borrador añade un ingrediente que no aparece en la ficha, hay que corregirlo. Adapta estos controles a tu trabajo. Empieza con dos encargos separados para saber dónde falla cada uno antes de conectarlos.

En una tienda de recambios de Zaragoza, clasificar una reclamación puede ser el encargo de un modelo generativo. El equipo define categorías y proporciona reclamaciones de prueba sin identificadores personales. Claude puede proponer etiquetas mediante instrucciones y también preparar una respuesta. Una solución desarrollada con scikit-learn podría abordar la clasificación con modelos ajustados a datos adecuados. Ver una etiqueta en pantalla no permite deducir cuál de esos métodos se ha utilizado. La prueba útil consiste en comparar las propuestas con casos que el equipo ya haya revisado, antes de decidir cómo derivar cada reclamación.

Por eso, texto y número no bastan para elegir. Un chat puede ejecutar un cálculo o utilizar otro modelo; pregunta qué ha hecho y qué datos ha usado. El prompt, el encargo escrito que le das, debe concretar el objetivo y las categorías si las hay. En cambio, una regla de una hoja de cálculo puede servir como referencia sin convertirse por eso en IA. Consulta también modelo abierto y modelo cerrado.

Prepara un borrador con una ficha confirmada o encarga una comparación de previsiones antes de integrar sistemas. Para calcular el coste total, suma preparación de datos, puesta en marcha, licencia, consumo y revisión. Pide una propuesta con un responsable y un criterio para decidir si esa prueba de redacción o previsión merece seguir.

En la formación de Ciade puedes aprender a delimitar el encargo. Define qué material aportarás, qué salida necesitas y quién la comprobará. Aplica ese encargo al borrador de carta o a la comparación de previsiones antes de conectar ambos trabajos.

Para repasar conceptos, consulta qué es la IA generativa, qué es un modelo, entrenamiento e inferencia, que es utilizar el modelo para obtener un resultado.