En corto
- Google lo define como el proceso de entrenar un software, llamado modelo, para hacer predicciones útiles o generar contenido.
- En 1959, Arthur Samuel publicó en una revista de IBM un programa de damas que aprendió a jugar mejor que su propio autor.
- Google distingue cuatro tipos de sistemas: supervisado, no supervisado, por refuerzo y IA generativa.
¿Qué es el aprendizaje automático?
En la programación tradicional, una persona escribe las reglas: «si el cliente tiene más de 60 días de mora, márcalo como riesgo alto». En el aprendizaje automático (machine learning), una rama de la inteligencia artificial, el sistema descubre las reglas a partir de ejemplos. Google lo define como el proceso de entrenar un software, llamado modelo, para que haga predicciones útiles o genere contenido a partir de datos.
La idea tiene más de seis décadas. En julio de 1959, Arthur Samuel publicó en el IBM Journal of Research and Development un estudio en el que mostró que una computadora podía aprender a jugar damas mejor que la persona que escribió el programa, con solo 8 o 10 horas de juego de la máquina.
¿Cómo aprende, en simple?
- Datos de ejemplo: por ejemplo, tres años de facturas con la fecha en que cada cliente realmente pagó.
- Entrenamiento: el modelo busca patrones que relacionan las características —sector, monto, historial, día del mes— con el resultado: pagó a tiempo o tarde.
- Validación: se prueba con casos que no vio para medir cuánto acierta.
- Uso: con facturas nuevas, el modelo estima la probabilidad de mora.
Google distingue cuatro tipos de sistemas:
| Tipo | Cómo aprende | Ejemplo en una empresa |
|---|---|---|
| Supervisado | De ejemplos con la respuesta correcta | Predecir si una factura se pagará tarde |
| No supervisado | Encuentra grupos o patrones sin etiquetas | Segmentar clientes por comportamiento de compra |
| Por refuerzo | Prueba acciones y recibe recompensas o penalidades | Ajustar decisiones por ensayo y error |
| IA generativa | Aprende patrones para crear contenido nuevo | Redactar respuestas o resúmenes |
Un ejemplo en una empresa ecuatoriana
Imagina una distribuidora de consumo masivo con miles de clientes a crédito que quiere priorizar la cobranza. Con su historial de pagos en el ERP (el sistema de gestión de la empresa), entrena un modelo supervisado que asigna cada semana una probabilidad de mora a cada factura abierta. El equipo de cobranza deja de llamar por orden alfabético, empieza por las facturas con mayor riesgo y mayor monto, y mide el efecto en los días de cartera contra una línea base tomada antes del cambio.
¿Qué límites tiene?
- Datos de mala calidad, predicciones de mala calidad. Si el ERP tiene pagos mal registrados, el modelo aprende errores.
- El pasado no siempre se repite. Un cambio de mercado o una nueva política de crédito pueden volver obsoleto lo aprendido.
- Sesgos. Si los datos históricos reflejan decisiones injustas, el modelo las repite: es el sesgo algorítmico.
- Decisiones sobre personas. En casos como un crédito, la Ley Orgánica de Protección de Datos Personales reconoce, en su artículo 20, derechos frente a decisiones basadas total o parcialmente en valoraciones automatizadas, como pedir una explicación motivada o impugnar la decisión.
¿Cómo se relaciona con otros términos?
Los modelos de lenguaje y el procesamiento de lenguaje natural actual se construyen con aprendizaje automático, en particular con aprendizaje profundo, que usa redes neuronales de muchas capas. La IA generativa es, a su vez, uno de sus tipos.
Preguntas frecuentes
¿Qué es el machine learning en palabras simples?
Es una forma de inteligencia artificial en la que el sistema aprende de ejemplos en vez de seguir reglas escritas a mano. Con datos históricos, el modelo encuentra patrones y los usa para predecir o generar contenido, como estimar qué cliente pagará tarde.
¿Qué tipos de aprendizaje automático existen?
Google distingue cuatro: el supervisado, que aprende de ejemplos con respuesta conocida; el no supervisado, que encuentra grupos sin etiquetas; el aprendizaje por refuerzo, que aprende con recompensas y penalidades, y la IA generativa, que crea contenido nuevo. Un ejemplo de aprendizaje supervisado en una empresa es predecir si una factura se pagará tarde a partir del historial de pagos.
¿Qué diferencia hay entre aprendizaje automático e inteligencia artificial?
La inteligencia artificial es el campo general de los sistemas que realizan tareas propias de la inteligencia humana. El aprendizaje automático es una de sus ramas: la que aprende de datos en lugar de programar cada regla, y la que está detrás de los modelos de lenguaje actuales.
Fuentes
- Google for Developers · What is machine learning? (Introduction to Machine Learning) (2026-11-11)
- IBM Journal of Research and Development (IEEE Xplore) · Some Studies in Machine Learning Using the Game of Checkers (A. L. Samuel) (1959-07-31)
- Asamblea Nacional del Ecuador · Registro Oficial Suplemento 459 (publicada en gob.ec) · Ley Orgánica de Protección de Datos Personales (2021-05-26)
Revisado el 11 de noviembre de 2026 contra las fuentes citadas. Los precios y normas de terceros pueden cambiar: confirma en la fuente.