En corto
- IBM lo define como un subcampo de la informática y de la IA que usa aprendizaje automático para que las máquinas comprendan y usen el lenguaje humano.
- ELIZA, publicado en 1966, ya conversaba con reglas basadas en palabras clave, sin entender lo que leía.
- Hoy, el aprendizaje profundo y los modelos Transformer son el enfoque dominante del PLN, según IBM.
¿Qué es el procesamiento de lenguaje natural?
«Lenguaje natural» es el que usamos las personas: el español de un correo, el audio de un mensaje de WhatsApp, la redacción de un contrato. El PLN (en inglés, NLP, natural language processing) es la parte de la inteligencia artificial que permite a una computadora trabajar con ese lenguaje. IBM lo describe como un subcampo de la informática y de la IA que usa aprendizaje automático para que las máquinas comprendan y se comuniquen en lenguaje humano.
Está detrás de tareas cotidianas: el corrector ortográfico, el texto predictivo, la transcripción de audios, la traducción automática y los asistentes que responden preguntas.
¿Cómo ha evolucionado?
IBM distingue tres etapas:
| Etapa | Cómo funcionaba | Ejemplo |
|---|---|---|
| Reglas | Árboles de decisión «si pasa esto, haz aquello», escritos a mano | Respuestas automáticas por palabra clave |
| Estadística | Modelos que asignan probabilidades a los significados posibles | Correctores ortográficos y texto predictivo |
| Aprendizaje profundo | Redes neuronales, como los Transformers, entrenadas con enormes volúmenes de texto | Los modelos de lenguaje actuales |
Un hito de la primera etapa fue ELIZA, un programa de Joseph Weizenbaum publicado en enero de 1966 en la revista Communications of the ACM. Conversaba detectando palabras clave y aplicando reglas de transformación a las frases. Su propio autor advertía que el programa mostraba lo fácil que es crear la ilusión de comprensión.
La etapa actual la dominan los modelos de lenguaje (LLM), que resuelven en un solo sistema tareas que antes requerían un modelo distinto para cada una.
¿Qué tareas resuelve?
- Clasificar: decidir si un correo es un reclamo, una cotización o una factura.
- Analizar el sentimiento: detectar si un cliente está molesto para priorizarlo.
- Extraer entidades: encontrar nombres, números de cédula, fechas o montos en un texto.
- Resumir y traducir textos largos.
- Reconocer la voz: convertir un audio en texto.
Un ejemplo en una empresa ecuatoriana
Imagina una empresa de servicios que recibe a diario cientos de mensajes por WhatsApp y correo, con modismos, errores de ortografía y notas de voz: «ya les deposité ayer, pero sigue saliendo la deuda, ¿qué pasó?». Con PLN, el sistema transcribe el audio, entiende que es un reclamo por un pago no aplicado, extrae la fecha, busca el depósito en el banco y envía el caso al área de cobranzas con prioridad alta.
¿Qué límites tiene?
El PLN tropieza con la ironía, los regionalismos, las abreviaturas propias de cada sector y los textos mal escritos. Un modelo puede interpretar mal expresiones locales si casi no las vio durante su entrenamiento, así que conviene probarlo con mensajes reales de tus clientes. Además, puede heredar sesgos de los datos con los que aprendió.
¿Cómo se relaciona con otros términos?
El PLN es la base de los chatbots, de los agentes de IA que atienden por WhatsApp y del procesamiento inteligente de documentos. Los embeddings, que representan el significado de un texto con números, son una de sus técnicas más usadas para buscar y comparar textos.
Preguntas frecuentes
¿Qué es el procesamiento de lenguaje natural?
Es la rama de la inteligencia artificial que permite a las computadoras entender, interpretar y generar lenguaje humano, escrito o hablado. Se usa para clasificar mensajes, detectar el tono, extraer datos de textos, traducir, resumir y transcribir audios.
¿Qué diferencia hay entre PLN y un modelo de lenguaje?
El PLN es el campo completo; un modelo de lenguaje grande es una de sus herramientas, hoy la más potente. Antes, cada tarea de PLN solía requerir un modelo especializado; los modelos de lenguaje actuales resuelven muchas con un solo sistema.
¿Qué ejemplos de PLN hay en una empresa?
Algunos ejemplos son clasificar correos entrantes, priorizar reclamos por el tono del mensaje, extraer montos y fechas de documentos y transcribir notas de voz de WhatsApp. También permite responder en lenguaje normal las preguntas frecuentes de los clientes, a cualquier hora.
Fuentes
- IBM · What is NLP (natural language processing)? (2026-11-11)
- Communications of the ACM · ELIZA—A Computer Program For the Study of Natural Language Communication Between Man and Machine (Weizenbaum) (1966-01-01)
Revisado el 11 de noviembre de 2026 contra las fuentes citadas. Los precios y normas de terceros pueden cambiar: confirma en la fuente.