¿IA, Machine Learning o IA generativa?
No son tres formas de decir lo mismo. Y muchas veces no necesitás ninguna de las tres.
IA es el concepto más amplio
IA no significa necesariamente ChatGPT. Inteligencia artificial es un concepto amplio que agrupa sistemas capaces de realizar tareas vinculadas con percepción, predicción, recomendación, decisión, razonamiento o generación. Puede incluir modelos que aprenden a partir de datos, pero también sistemas basados en reglas, búsqueda, planificación u otras técnicas. IA es el paraguas, no una tecnología única.
Machine Learning aprende patrones a partir de datos
En vez de programar cada regla una por una, entrenamos un modelo para encontrar relaciones que pueda aplicar sobre casos nuevos. Puede servir para detectar fraude, predecir demanda, clasificar imágenes, estimar abandono de clientes o recomendar productos. No tiene que generar contenido para ser útil.
La IA generativa está orientada a producir algo nuevo
Puede generar texto, imágenes, audio, video o código. Aprende patrones y estructuras a partir de grandes volúmenes de datos y los utiliza para generar nuevas salidas según el contexto que recibe. Generar es una capacidad específica: no es sinónimo de inteligencia artificial.
Pueden trabajar juntas
Un mismo negocio puede necesitar distintas capacidades. En un e-commerce, Machine Learning puede detectar clientes con mayor probabilidad de abandonar, la IA generativa preparar un mensaje adaptado y la lógica del sistema decidir cuándo ejecutar la acción, qué límites aplicar y qué necesita aprobación. No compiten necesariamente: pueden formar parte del mismo proceso.
Y a veces sólo necesitás una regla
Si un cliente no compra hace 90 días, crear una tarea de seguimiento puede resolverse con una automatización tradicional. No necesitás IA. Una regla conocida suele ser más simple, barata, predecible, fácil de probar y de mantener. Agregar un modelo donde una regla alcanza sólo agrega complejidad.
La pregunta correcta
En vez de preguntar dónde poner IA, conviene preguntar qué tarea o decisión queremos mejorar. Si la regla ya es conocida, automatización. Si necesitamos encontrar patrones en datos, Machine Learning puede tener sentido. Si necesitamos interpretar o generar contenido variable, IA generativa puede tener sentido. Si hay consecuencias importantes, necesitamos controles y, muchas veces, participación humana.
La tecnología viene después del problema
IA, Machine Learning e IA generativa son herramientas distintas dentro de un ecosistema mucho más grande. Elegir bien no es usar la opción más nueva: es usar la menor complejidad que resuelva bien el problema.