La IA aún no es inteligente: Entiende aquí realmente cuál es la diferencia entre los LLMs y la inteligencia artificial
En los últimos años, la inteligencia artificial (IA) ha sido protagonista de titulares, conferencias, debates éticos y hasta conversaciones cotidianas. Palabras como “algoritmo”, “modelo de lenguaje” o “machine learning” se han infiltrado en el vocabulario de profesionales de la salud, pacientes, emprendedores e investigadores. Sin embargo, en medio de este entusiasmo, surge una pregunta fundamental: ¿realmente estamos tratando con inteligencia?
La respuesta corta es no. A pesar de su nombre, la inteligencia artificial todavía está muy lejos de ser verdaderamente “inteligente”, al menos en los términos que asociamos con la capacidad humana de razonar, entender, tener conciencia o empatía. Lo que hoy llamamos IA, en particular los modelos de lenguaje como ChatGPT, son herramientas potentes, pero limitadas. Este artículo busca aclarar qué son exactamente los modelos de lenguaje de gran tamaño (LLMs, por sus siglas en inglés), cómo se diferencian de una inteligencia real y por qué es crucial entender esta distinción, especialmente en el ámbito de la salud.
¿Qué es un LLM y cómo funciona?
La ilusión de comprensión
Un modelo de lenguaje de gran tamaño (Large Language Model o LLM, en inglés) es un tipo de algoritmo de inteligencia artificial diseñado para generar texto de manera coherente a partir de enormes cantidades de datos. Estos modelos no entienden el lenguaje como lo hace un ser humano; simplemente predicen cuál es la siguiente palabra más probable con base en patrones aprendidos.
Por ejemplo, si escribimos una frase como “El paciente presentó fiebre y…”, el modelo puede completar con “escalofríos” porque ha visto muchas combinaciones similares en los textos con los que fue entrenado. ¿Significa eso que el modelo entiende qué es la fiebre o qué siente un paciente? No. Simplemente identifica correlaciones estadísticas entre palabras.
Entrenamiento masivo, comprensión mínima
Estos modelos se entrenan con billones de palabras tomadas de libros, artículos, páginas web y otros textos. A partir de ese entrenamiento, aprenden a generar respuestas que parecen humanas. Pero esta capacidad no implica comprensión real del contexto o intención. Los LLMs no tienen conciencia, emociones ni sentido del propósito. No entienden ni el dolor humano ni el sentido de una consulta médica.
Esta diferencia es crítica en entornos como la salud, donde comprender verdaderamente el contexto, la historia clínica y el estado emocional del paciente puede marcar la diferencia entre una atención adecuada y una potencialmente riesgosa.
IA generativa vs. inteligencia humana
La inteligencia humana es contextual y empática
La inteligencia humana no se basa solo en datos. Está profundamente influenciada por la experiencia, el juicio ético, las emociones, la intuición y la capacidad de adaptación a situaciones nuevas. Un médico, por ejemplo, no solo analiza síntomas; también considera la historia del paciente, su entorno social, sus miedos y expectativas. Además, puede actuar con empatía y tomar decisiones en contextos de incertidumbre.
Los LLMs, en cambio, no tienen experiencia ni conciencia del mundo físico. No aprenden de las consecuencias de sus acciones. No pueden decir si una respuesta que dieron fue correcta o causó un daño. Solo generan texto.
¿Y la inteligencia artificial general?
Existe un concepto conocido como “inteligencia artificial general” (AGI, por sus siglas en inglés), que se refiere a una IA capaz de entender, aprender y aplicar conocimiento en múltiples dominios, de manera flexible y autónoma, como lo haría un ser humano. Esta forma de inteligencia aún no existe. Muchos expertos estiman que podrían pasar décadas —si es que llega a lograrse— antes de alcanzar ese nivel.
Por ahora, lo que tenemos son IAs especializadas o “estrechas” (narrow AI), entrenadas para tareas específicas: traducir idiomas, identificar patrones en radiografías, generar notas clínicas o responder preguntas. Potentes, sí, pero muy lejos de ser inteligentes en el sentido humano.
Riesgos de malinterpretar las capacidades de la IA en salud
Confianza excesiva puede ser peligrosa
Uno de los mayores desafíos actuales es la tendencia de muchos usuarios —incluso profesionales de la salud— a asumir que los modelos como ChatGPT “entienden” lo que dicen y “saben” de lo que hablan. Este malentendido puede llevar a errores graves. Por ejemplo, confiar ciegamente en un resumen clínico generado por IA, sin validarlo, podría derivar en un tratamiento incorrecto.
A menudo, los LLMs presentan información de forma convincente, pero pueden inventar datos (lo que se llama alucinaciones), citar fuentes inexistentes o mezclar hechos con errores. En salud, donde la precisión y la ética son fundamentales, esto representa un riesgo real.
Falta de responsabilidad
Otra preocupación importante es la responsabilidad. Si un modelo de lenguaje comete un error que afecta la salud de un paciente, ¿quién es el responsable? ¿El desarrollador del modelo? ¿El profesional que lo utilizó? ¿La institución que lo integró en su sistema? La falta de claridad al respecto genera un vacío legal y ético que aún debe resolverse.
Privacidad y seguridad de los datos
Estos modelos necesitan datos para entrenarse y mejorar. Pero en el ámbito médico, los datos son sensibles. Existen riesgos relacionados con la privacidad, la confidencialidad y el uso indebido de información clínica. Por eso, organizaciones como la Organización Mundial de la Salud subrayan la importancia de establecer marcos de regulación, transparencia y rendición de cuentas en el desarrollo y uso de IA en salud. Puedes consultar más sobre esto en [la página oficial de la OMS](https://www.who.int/es/news-room/fact-sheets/detail/artificial-intelligence).
Cómo usar los LLMs de forma responsable en salud
Como asistentes, no como expertos
Los LLMs pueden ser herramientas útiles si se utilizan de forma responsable. Por ejemplo, pueden ayudar a redactar documentación médica, traducir términos complejos a lenguaje accesible para pacientes o analizar grandes volúmenes de información rápidamente. Pero siempre deben ser supervisados por un profesional humano.
La validación es clave
Toda información generada por un modelo de lenguaje debe ser verificada por profesionales capacitados. No basta con que suene coherente: debe estar alineada con la evidencia científica, las guías clínicas y el contexto específico del paciente.
Capacitación continua
Para evitar malentendidos y usos inapropiados, es fundamental que los profesionales de la salud, tecnólogos y tomadores de decisiones reciban formación sobre qué son y qué no son los modelos de lenguaje. Entender sus límites es tan crucial como conocer sus beneficios.
¿Cuál es el futuro de la inteligencia artificial en salud?
Aunque los LLMs aún no representan una “inteligencia real”, su evolución es rápida. Cada vez son más buenos para generar lenguaje natural, analizar datos clínicos, detectar patrones y asistir en tareas administrativas. Pero su integración segura en el sistema de salud dependerá de la ética, la regulación y la supervisión humana.
Es probable que en los próximos años veamos sistemas más sofisticados, capaces de combinar diferentes tipos de datos (imágenes, texto, datos biométricos) para asistir en diagnósticos o personalizar tratamientos. Pero incluso esos avances seguirán siendo herramientas, no sustitutos del juicio clínico humano.
Conclusión: No confundas habilidad con inteligencia
En resumen, los modelos de lenguaje como ChatGPT son tecnologías impresionantes y útiles, pero no son inteligentes en el sentido humano. No entienden, no sienten, no piensan. Solo procesan texto con base en estadística. Es fundamental que tanto profesionales como pacientes comprendan esta diferencia para evitar riesgos, tomar decisiones informadas y aprovechar estas herramientas de forma responsable.
En Futuro de la Salud, creemos que el conocimiento es el mejor antídoto contra la desinformación. Por eso, te invitamos a compartir este artículo con tus colegas, pacientes o estudiantes. Entender qué es y qué no es la IA es esencial para construir un sistema de salud más seguro, ético y humano.
Nuestra misión es ayudarte a prepararte para los cambios que vienen. Suscríbete a nuestro newsletter para recibir artículos como este, entrevistas exclusivas y recursos formativos sobre innovación en salud.
Artículo escrito por Juan Pablo Salazar Arias, Médico, MSc.
© Futuro de la Salud. Todos los derechos reservados.
