En corto
- Un LLM se preentrena para predecir la siguiente palabra y luego se ajusta para seguir instrucciones.
- GPT-3, presentado en mayo de 2020, tenía 175.000 millones de parámetros.
- Para trabajar con datos de tu empresa necesita conectarse a ellos, por ejemplo con RAG o con herramientas.
¿Qué es un LLM?
Un LLM (large language model, modelo de lenguaje grande) es el motor de herramientas de inteligencia artificial como ChatGPT, Claude o Gemini. El glosario de Anthropic lo describe como un modelo de IA con muchos parámetros, entrenado con enormes cantidades de texto, capaz de generar texto parecido al humano, responder preguntas y resumir información.
«Grande» se refiere a dos cosas: la cantidad de texto con la que se entrena y el número de parámetros, que son los valores internos que el modelo ajusta mientras aprende. Para darte una idea de escala, GPT-3, presentado en mayo de 2020, tenía 175.000 millones de parámetros.
¿Cómo funciona, en simple?
- Preentrenamiento. El modelo lee una enorme cantidad de texto y aprende a predecir la siguiente palabra a partir de las anteriores. Así absorbe gramática, datos del mundo y formas de razonar.
- Ajuste. Anthropic explica que un modelo recién preentrenado no es bueno, por sí mismo, respondiendo preguntas ni siguiendo instrucciones. Por eso se le ajusta con ejemplos y con retroalimentación humana, la técnica conocida como RLHF, para que se comporte como un asistente útil.
- Uso. Cuando le escribes, convierte tu texto en tokens, calcula la continuación más probable y la devuelve fragmento a fragmento.
La arquitectura que hizo posible esta generación de modelos es el Transformer, publicada en 2017 en el artículo «Attention Is All You Need».
Un ejemplo en una empresa ecuatoriana
Un gerente comercial pregunta: «¿qué clientes de la Sierra bajaron sus compras más de 20 % este trimestre?». Un LLM solo no lo sabe, porque no tiene acceso a tu ERP (el sistema de gestión de la empresa). Pero si el sistema le entrega los datos de ventas, el modelo entiende la pregunta, arma la consulta o lee la tabla, y responde en lenguaje normal con la lista y una explicación breve.
El LLM aporta el lenguaje; los números tienen que venir de tus sistemas, y cada cifra debería poder rastrearse hasta su origen.
¿Qué límites tiene?
- No sabe lo que no le das. Su conocimiento llega hasta la fecha en que terminó su entrenamiento y no incluye tus datos internos.
- Puede inventar. Cuando no tiene la información, a veces responde algo plausible pero falso: una alucinación.
- No es determinístico. Anthropic aclara que, incluso con la temperatura en cero, la misma pregunta puede producir respuestas distintas. Para tareas contables, lo que responde el modelo se valida contra reglas.
- Tiene memoria limitada. Solo considera lo que cabe en su ventana de contexto, y todo lo que entra se paga.
¿Cómo se relaciona con otros términos?
El LLM es la base de la IA generativa y el «cerebro» de un agente de IA. Para responder con información de tu empresa se combina con RAG (generación aumentada por recuperación) y bases de datos vectoriales; para actuar en tus sistemas, con conexiones por API (interfaces de programación) o por el protocolo MCP. Cuando el comportamiento que necesitas no se logra con instrucciones, se evalúa el ajuste fino.
Si estás comparando proveedores, la guía ChatGPT, Claude o Gemini para empresas analiza planes, privacidad y precios.
Preguntas frecuentes
¿Qué es un LLM en inteligencia artificial?
Es un modelo de lenguaje grande: un sistema entrenado con enormes cantidades de texto para predecir la siguiente palabra. Con esa base entiende instrucciones y genera respuestas, resúmenes, traducciones o código. Es el motor de herramientas como ChatGPT, Claude y Gemini.
¿Cuáles son los LLM más conocidos?
Algunos de los más conocidos son GPT, de OpenAI; Claude, de Anthropic, y Gemini, de Google; también existen modelos de pesos abiertos, como Llama, de Meta. La elección depende de la tarea, el costo por token, la privacidad que ofrece cada plan y dónde se despliega.
¿Un LLM puede leer los datos de mi empresa?
No por sí solo: su conocimiento viene del entrenamiento y no incluye tus sistemas. Para que responda con tus datos hay que conectarlo, por ejemplo con RAG para documentos o con conexiones al ERP y al CRM, y definir qué puede ver cada usuario.
Fuentes
- Anthropic · Glossary (Claude Docs) (2026-11-11)
- arXiv · Language Models are Few-Shot Learners (Brown et al.) (2020-05-28)
- arXiv · Attention Is All You Need (Vaswani et al.) (2017-06-12)
Revisado el 11 de noviembre de 2026 contra las fuentes citadas. Los precios y normas de terceros pueden cambiar: confirma en la fuente.