En los últimos meses —diría incluso años— he visto repetirse en redes sociales, sobre todo en LinkedIn, una corriente de críticas hacia la inteligencia artificial que, sinceramente, me parecen más un síntoma de incomprensión que un debate serio.

El ejemplo es recurrente:

• “Mira, le he pedido a ChatGPT, Gemini y Claude un número aleatorio y los tres han dado el mismo”.
• “Le pedí a una IA de imágenes que dibujara un huevo frito con la yema azul y no pudo hacerlo”.
• “Se inventa datos sobre un personaje famoso, no sirve para nada”.

El patrón es claro: expectativas desajustadas. Se juzga a la IA como si fuera algo que no pretende ser. Esperar que un modelo de lenguaje sea una enciclopedia infalible o un generador perfecto de física imposible es tan absurdo como enfadarse porque tu coche no tiene alas y no puede llevarte volando al trabajo.

La raíz del problema quizás esté en el origen. Las grandes tecnológicas no han sabido —o no han querido— comunicar con claridad qué significa realmente usar un modelo a gran escala. Los usuarios lo emplean para escribir guiones, generar programas o preparar informes sin tener presente una premisa básica: no están usando una herramienta de verificación de hechos, sino un sistema generativo basado en probabilidades del lenguaje.

¿Puede equivocarse? Por supuesto. ¿Puede inventarse un dato? Claro, porque su función no es “conocer” el mundo, sino predecir la secuencia de palabras más probable a partir de lo que se le pide. Y a pesar de esa limitación, los avances en entrenamiento, el uso de técnicas como el RAG (retrieval-augmented generation) o la integración de bases de datos verificadas hacen que cada vez se acerquen más a esa aspiración de fiabilidad.

Pero sigue siendo importante entender la herramienta. Criticarla por no ser lo que no es, no aporta nada. Es como llevarse un taladro a la playa y luego quejarse de que no corta bien el pan.

Un modelo de lenguaje no es un buscador ni una enciclopedia infalible, pero lo que sí ofrece es algo revolucionario:

• Generación de ideas: abre caminos creativos, desde un borrador de guion hasta un concepto de negocio.
• Productividad: acelera tareas repetitivas como redactar informes, preparar resúmenes, escribir correos o generar documentación técnica.
• Traducción y adaptación: entiende contextos y matices, facilitando la comunicación en distintos idiomas con gran naturalidad.
• Programación asistida: genera código, detecta errores y sugiere optimizaciones, funcionando como un copiloto de desarrollo.
• Versatilidad: se mueve de un dominio a otro y, aunque no sustituye al experto, sirve como apoyo transversal.
• Interacción natural: responde en lenguaje humano, con matices y adaptándose al tono del interlocutor.

Todo esto no elimina la necesidad de criterio humano, pero sí transforma la velocidad y calidad con la que podemos crear y trabajar.

Un consejo: si usas un LLM para algo entregable, siempre verifica y edita. Tú, como humano, como experto, eres el que tiene que dar el toque final. Porque si lo delegas todo en la máquina, sin supervisión ni criterio… entonces la pregunta es incómoda pero inevitable: ¿para qué sirves tú?