La Inteligencia Artificial generativa no es una moda pasajera ni una simple herramienta tecnológica de apoyo, sino una transformación estructural que impactará la educación, la ciencia, la economía y la vida cotidiana. Así lo sostuvo el investigador mexicano Carlos A. Coello Coello durante la conferencia “Crear sin conciencia: cómo funciona realmente la IA generativa”, impartida en la primera sesión del ciclo Mitos, miedos y verdades de la computación, organizado por El Colegio Nacional.
Ante un auditorio atento a los debates contemporáneos sobre tecnología, el ingeniero y catedrático explicó que la Inteligencia Artificial, término acuñado formalmente en 1956, ha evolucionado desde sistemas basados en reglas —como los primeros sistemas expertos diseñados para apoyar la toma de decisiones— hasta complejas arquitecturas capaces de generar texto, imágenes, audio, video e incluso código de programación. Recordó que las primeras aplicaciones estaban fundamentadas en reglas explícitas programadas por humanos, mientras que el aprendizaje de máquina abrió la puerta a algoritmos que pueden aprender directamente de los datos sin instrucciones detalladas para cada tarea.
Coello detalló que dentro del aprendizaje de máquina existen distintos enfoques. El aprendizaje supervisado entrena modelos con datos etiquetados para clasificar o predecir resultados; el no supervisado busca patrones ocultos en datos sin etiquetar; y el aprendizaje por refuerzo optimiza decisiones mediante la interacción con un entorno y la maximización de recompensas acumuladas. Todos estos métodos comparten un carácter discriminativo, orientado a procesar información para clasificación, regresión o agrupamiento, mediante algoritmos como árboles de decisión, vecinos más cercanos o máquinas de soporte vectorial.
El salto cualitativo, explicó, llegó con el aprendizaje profundo, basado en redes neuronales artificiales inspiradas en la estructura del cerebro humano. Estas redes, compuestas por múltiples capas ocultas interconectadas, permiten modelar representaciones complejas y detectar patrones en grandes volúmenes de datos. Gracias a su arquitectura jerárquica, pueden procesar información de alta dimensionalidad en dominios como texto, audio, señales y video, lo que las convierte en herramientas extraordinariamente versátiles.
En ese contexto emergieron los modelos generativos profundos, diseñados no solo para clasificar información, sino para producir contenido nuevo a partir de distribuciones complejas de datos. A diferencia de los modelos discriminativos, que aprenden la relación entre entradas y salidas, los generativos capturan las estructuras inherentes de los datos y sus procesos de generación. Esta capacidad es la base de sistemas que hoy interactúan con usuarios mediante lenguaje natural a través de prompts, y que se estructuran en tres capas: modelo, conexión y aplicación.
Entre los ejemplos más conocidos se encuentra ChatGPT, capaz de generar texto conversacional; así como herramientas de generación de imágenes como Stable Diffusion, de código abierto; plataformas de video con avatares virtuales como Synthesia; sistemas de generación de código como CodeBERT y GraphCodeBERT; y modelos de síntesis de voz como VALL-E. En el ámbito científico, destacó aplicaciones como AlphaFold, que predice la estructura tridimensional de proteínas, y AlphaGenome, orientado al análisis de regulación genética.
El investigador subrayó que la percepción social sobre estas tecnologías no es homogénea. Citó un estudio de 2024 que mostró mayor optimismo en la región Asia-Pacífico respecto al impacto de la IA generativa, donde 68 por ciento de los encuestados consideraron que tiene efectos positivos en el mundo, frente a 57 por ciento a nivel global.
No obstante, también abordó las controversias legales. Empresas como OpenAI, Alphabet y Meta firmaron en julio de 2023 un acuerdo voluntario con la administración del entonces presidente Joe Biden para implementar marcas de agua en contenidos generados por IA. Posteriormente, una orden ejecutiva de octubre de ese mismo año estableció la obligación de reportar al gobierno federal el desarrollo de modelos de alto impacto. Aun así, persisten demandas relacionadas con posibles violaciones a derechos de autor, particularmente en sistemas de generación de imágenes.
En América Latina, destacó la presentación pública de Latam-GPT el 10 de febrero de 2026, un modelo de lenguaje de gran escala coordinado por el Centro Nacional de Inteligencia Artificial de Chile, desarrollado con la colaboración de más de 60 instituciones y cerca de 200 especialistas de la región. Con 70 mil millones de parámetros y un costo de entrenamiento cercano a los 550 mil dólares, el proyecto busca ofrecer una alternativa abierta y regional.
Sin embargo, el entusiasmo inicial en el sector corporativo ha enfrentado obstáculos. A mediados de 2025, diversas compañías comenzaron a abandonar proyectos piloto de IA generativa ante dificultades de integración, problemas de calidad de datos y expectativas de retorno no cumplidas. Firmas de análisis como Gartner y el semanario The Economist calificaron este periodo como una “fase de la desilusión”.
Coello Coello también advirtió sobre el impacto ambiental. Señaló que para entrenar GPT-3 se utilizaron aproximadamente 700 mil litros de agua y se emitieron alrededor de 284 mil kilogramos de dióxido de carbono. Incluso el uso cotidiano de sistemas conversacionales implica consumo hídrico indirecto en centros de datos; una interacción de entre 20 y 50 preguntas puede equivaler, en consumo de agua, a una botella de 500 mililitros.
En el ámbito educativo, mencionó investigaciones con resultados encontrados. Mientras algunos estudios sugieren mejoras en el aprendizaje, otros advierten efectos adversos. Citó un estudio realizado a principios de 2025 en el Instituto Tecnológico de Massachusetts que encontró que estudiantes que utilizaban de forma consistente modelos de lenguaje para redactar ensayos mostraron disminuciones en capacidades neuronales, lingüísticas y de comportamiento, lo que ha encendido alertas sobre su incorporación indiscriminada en sistemas educativos.
El mensaje final del colegiado fue de cautela informada. La IA generativa, afirmó, tendrá un profundo efecto en múltiples dimensiones de la vida social, desde la salud y la investigación científica hasta los sistemas financieros y la educación. No se trata de aceptarla sin reservas ni de rechazarla por temor, sino de comprender sus fundamentos, límites y consecuencias. “Es importante informarse sobre ésta, aunque no sea de nuestro interés utilizarla. Sin embargo, deben usarse fuentes confiables”, concluyó.
