La misma pregunta, tres respuestas distintas
Imagina que le das el mismo input a tres sistemas distintos: "calcula el IVA de 100 euros". Uno te da siempre 21 euros. Otro te dice "probablemente estás comprando algo de electrónica, con un 80% de confianza". Un tercero te escribe: "Ojo, que el IVA puede variar según el producto, aquí tienes un ejemplo de cómo calcularlo...". Los tres "responden", pero de formas radicalmente distintas. Esa diferencia es la que vamos a desmenuzar aquí.
Determinista: mismo input, mismo output, siempre
Un sistema determinista no tiene margen de duda. Si defines la regla "el IVA es el 21% del precio", cada vez que metas 100 euros vas a obtener 21, sin excepción, sin importar cuántas veces lo repitas.
Ejemplos cotidianos:
- Una calculadora.
- El semáforo que cambia a rojo tras un tiempo fijo.
- Una hoja de cálculo con una fórmula.
La ventaja es la previsibilidad total: puedes auditar la regla y saber exactamente qué va a pasar. La limitación es que solo sirve para problemas que puedes describir con reglas explícitas. No hay forma de programar a mano todas las reglas para, por ejemplo, reconocer si una foto es de un perro o de un gato.
Probabilístico: una estimación, no una certeza
Un sistema probabilístico no te da una respuesta única: te da una probabilidad o una clasificación con un margen de confianza. El mismo input puede darte resultados ligeramente distintos si el modelo se reentrena o si hay algo de aleatoriedad en el proceso, y la respuesta siempre viene acompañada (aunque no siempre se muestre) de un grado de certeza.
Ejemplos cotidianos:
- Un filtro de spam que clasifica un correo como "98% probable que sea spam".
- Un sistema de predicción meteorológica: "70% de probabilidad de lluvia".
- Un modelo de riesgo crediticio que estima la probabilidad de impago.
La ventaja es que puede manejar la incertidumbre del mundo real, donde no todo es blanco o negro. La limitación es que nunca tienes garantía absoluta: ese 2% de correos mal clasificados como spam a veces incluye un correo importante de verdad.
Generativo: crea algo que no existía
Un sistema generativo produce contenido nuevo. Le das un input (un texto, una instrucción, una imagen de referencia) y devuelve algo que no existía antes, construido a partir de patrones aprendidos de grandes cantidades de ejemplos.
Ejemplos cotidianos:
- Un modelo de lenguaje que redacta un correo a partir de tres frases sueltas.
- Un generador de imágenes que crea una ilustración a partir de una descripción de texto.
- Un asistente que resume un documento largo en un párrafo.
La ventaja es la flexibilidad: puede abordar tareas para las que nadie escribió una regla ni entrenó un clasificador específico. La limitación es que, al "inventar" contenido, puede inventar también datos falsos con la misma seguridad con la que produce datos correctos. Por eso no basta con leer la respuesta: hay que revisarla con criterio.
Por qué esta distinción cambia cómo usas cada herramienta
Si le pides certeza absoluta a un sistema probabilístico, vas a decepcionarte tarde o temprano. Si tratas la respuesta de un sistema generativo como un hecho verificado sin más, te expones a repetir un error que suena muy convincente. Y si intentas resolver con reglas fijas un problema que en realidad depende de matices y contexto, vas a necesitar cientos de reglas para cubrir casos que un modelo probabilístico o generativo resuelve con mucha menos fricción.
Saber qué tipo de sistema tienes delante te dice, de entrada, qué esperar de él: certeza, estimación o creación con supervisión.
Pruébalo tú mismo
Este simulador te deja pulsar el mismo botón tres veces y comparar cómo reacciona cada tipo de sistema ante el mismo input.