IA predictiva, generativa y agéntica: qué resuelve cada una
Contenido elaborado con ayuda de inteligencia artificial. Las fuentes se indican cuando corresponde.
Curso interactivo · gratuito · 4 módulos
IA predictiva, generativa y agéntica: qué resuelve cada una
Aprende a elegir el enfoque según el resultado que necesitas: estimar, crear o actuar. El curso desarrolla los tres diagramas de la imagen y corrige dos simplificaciones frecuentes: entrenar y usar un modelo son fases distintas, y la IA generativa no exige siempre fine-tuning.
Aprende a tu ritmo: abre una lección, recorre su esquema vertical, resuelve el caso y comprueba la explicación. No necesitas instalar programas ni crear cuentas. Los ejercicios son simulaciones; no ejecutan servicios ni generan costes.
Contenido desarrollado con ayuda de IA a partir de una infografía aportada y documentación enlazada. Redacción y esquemas propios; no se reproduce la captura original. Los mapas son orientativos y no constituyen una clasificación oficial ni un ranking de calidad.
0 de 4 comprobaciones superadas.
1. IA predictiva: estimar a partir de datos
La IA predictiva estima una categoría, probabilidad o valor a partir de variables disponibles. Su utilidad depende de medir errores relevantes para la decisión.
- Preprocesamiento: limpiar, tratar valores ausentes y preparar entradas. No inventar datos ni borrar casos difíciles sin criterio.
- Feature engineering: seleccionar y transformar variables. Evita filtraciones: una variable conocida solo después del resultado no sirve para predecirlo antes.
- Entrenamiento: ajustar el modelo con datos históricos y etiquetas cuando el enfoque es supervisado. Inferencia: aplicar el modelo entrenado a casos nuevos.
- Una previsión incluye incertidumbre. Revisa cambios de datos y diferencias entre grupos; una correlación no demuestra causalidad.
El proceso, en vertical
- Datos históricos y objetivo
- Preprocesamiento y variables
- Entrenamiento y validación separados
- Modelo evaluado
- Nuevos datos → predicción → seguimiento
Decide y comprueba
¿Qué ejemplo es predictivo?
Ver razonamiento
Estimar demanda produce una previsión. Redactar es generación y ejecutar pedidos añade acciones.
Aplica lo aprendido
Define una variable que NO deberías usar para prever una cancelación antes de que ocurra.
Comparar con una solución orientativa
La fecha de cancelación registrada después del evento filtraría el resultado. Usa solo información disponible en el momento de la predicción y valida en un periodo posterior.
2. IA generativa: crear con contexto
Un modelo generativo produce una salida nueva a partir de instrucciones y contexto. Puede funcionar con un modelo base sin ajustarlo para cada empresa.
- La infografía muestra base model, fine-tuning y datos de empresa. Fine-tuning adapta parámetros, pero es opcional y requiere datos, permiso y evaluación.
- Una base de conocimiento puede aportar contexto mediante RAG. Actualizar documentos no exige necesariamente reentrenar.
- Herramientas externas pueden proporcionar resultados estructurados. La aplicación controla su ejecución y sus permisos.
- La respuesta debe evaluarse por fidelidad, utilidad y formato. Un texto fluido puede contener afirmaciones falsas.
El proceso, en vertical
- Instrucción y contexto permitido
- Modelo base o adaptado si está justificado
- Recuperación o herramientas opcionales
- Generación
- Revisión y entrega
Decide y comprueba
Quieres responder sobre un manual que cambia cada semana. ¿Qué conviene probar?
Ver razonamiento
RAG puede incorporar documentación actualizada sin cambiar los pesos. Aun así, hay que comprobar recuperación y citas.
Aplica lo aprendido
Separa hechos y estilo en un encargo de redacción.
Comparar con una solución orientativa
Hechos: datos autorizados del documento, sin añadir cifras. Estilo: tono claro, español y tres párrafos. Comprueba los hechos contra la fuente y evalúa el estilo por separado.
3. IA agéntica: coordinar acciones
El esquema muestra un coordinador con un agente de búsqueda y otro de desarrollo. Es una arquitectura posible; un solo agente puede ser suficiente.
- El coordinador asigna tareas, recibe resultados y decide si se ha cumplido el objetivo.
- El agente de búsqueda obtiene información; el de desarrollo puede preparar código y ejecutar pruebas en un entorno acotado.
- Las herramientas convierten decisiones en efectos reales. Deben tener contratos, límites y comprobaciones fuera del modelo.
- La salida final debe describir lo realizado y lo pendiente. No se debe afirmar que una acción se completó si solo se preparó un borrador.
El proceso, en vertical
- Objetivo y límites
- Coordinador o agente único
- Herramientas de búsqueda o desarrollo
- Comprobación de resultados
- Entrega, revisión humana o parada
Decide y comprueba
¿Qué diferencia principal aporta el enfoque agéntico?
Ver razonamiento
La capacidad de actuar añade utilidad y responsabilidad. Autonomía no equivale a fiabilidad.
Aplica lo aprendido
Diseña una tarea de desarrollo con un punto de revisión humana.
Comparar con una solución orientativa
Preparar un cambio en una copia, ejecutar pruebas y mostrar diferencias. La publicación en producción queda como paso separado. Si las pruebas fallan, informar y no declarar éxito.
4. Combinar los tres enfoques sin complicarlo todo
Las categorías pueden convivir. Una aplicación puede prever demanda, redactar una propuesta y preparar una acción para su aprobación.
- Predictiva: mide error de estimación, calibración y utilidad de la decisión.
- Generativa: mide apoyo en fuentes, exactitud, formato y satisfacción con el resultado.
- Agéntica: mide éxito de tarea, acciones no autorizadas, recuperación de fallos, coste y tiempo.
- Empieza por reglas o un flujo sencillo si resuelven el problema. Añade modelos y autonomía cuando aporten una mejora demostrable.
El proceso, en vertical
- Problema concreto
- Resultado esperado: estimar, crear o actuar
- Solución mínima
- Prueba con casos normales y fallos
- Ampliar solo si mejora el resultado
Decide y comprueba
Una tienda quiere anticipar demanda, redactar un informe y preparar un pedido. ¿Qué combinación encaja?
Ver razonamiento
Cada parte tiene criterios diferentes. Preparar un pedido no implica autorización para enviarlo.
Aplica lo aprendido
Proyecto final: elige una tarea de tu trabajo y escribe objetivo, enfoque, datos, límite y criterio de éxito.
Comparar con una solución orientativa
Ejemplo: resumir consultas frecuentes. Enfoque generativo con recuperación; datos anonimizados y autorizados; no enviar respuestas automáticamente; éxito si cada afirmación está respaldada y se reconocen preguntas sin respuesta.
Fuentes para profundizar
Edición: 4 de octubre de 2026. Comprueba la documentación vigente antes de elegir herramientas o desplegar un sistema. Completar este recurso no equivale a una certificación profesional.
Noticias, guías y recursos sobre inteligencia artificial en español. Responsable: Juan Andrés Balboa.
Conoce el proyecto y el criterio editorial · Comunicar una corrección
