Tipos de IA: cuáles existen y cuál le sirve a tu empresa

La pregunta está bien hecha, la respuesta habitual está mal armada

Buscar qué tipos de IA existen es una de las primeras cosas que hace alguien que va a invertir en esto. Es la pregunta correcta. El problema es lo que encuentra.

La respuesta estándar empieza siempre igual: IA débil, IA general, IA fuerte, superinteligencia. Una escalera que sugiere que la empresa está en el escalón bajo y que pronto llegarán los de arriba.

Esa escalera no es falsa, es inútil para decidir. Describe un debate académico sobre el futuro de la tecnología, no las opciones que un gerente tiene sobre la mesa el lunes.

Después de leerla, el empresario sabe que lo que existe hoy es IA débil y que la fuerte no llegó. No sabe si su problema de cobranzas se resuelve prediciendo o generando, que era lo que necesitaba saber.

En paralelo, el proveedor de turno llega con su propia clasificación, hecha para que su producto quede en la categoría que él vende. Si vende agentes, el mundo se divide entre quienes tienen agentes y quienes no.

El resultado es siempre el mismo. Reuniones donde cada persona usa la palabra tipo para referirse a cosas distintas, y una decisión de compra que termina tomándose por la demo que más impresionó.

El costo de esa confusión no es teórico. Es una licencia anual pagada para un sistema que produce contenido cuando el dolor real era anticipar una fuga de clientes, y un equipo convencido de que la IA no sirve para lo suyo.

Por qué la clasificación equivocada llega hasta el contrato

Nadie corrige la confusión porque a nadie le conviene. El proveedor cierra la venta con la categoría que domina, el área que impulsó el proyecto no quiere frenarlo y dirección no tiene el vocabulario para hacer la pregunta incómoda.

Así se firma un contrato donde ninguna de las dos partes escribió qué problema concreto va a cambiar de número. Se escribió la tecnología, que es lo fácil de redactar.

Seis meses después la reunión de revisión no tiene datos que mirar. Hay uso de la herramienta, hay entusiasmo de algunos usuarios y no hay un indicador de negocio que se mueva. El proyecto no fracasó en la ejecución, fracasó en la clasificación inicial.

Qué son los tipos de IA: tres ejes que no compiten entre sí

La forma útil de ordenar esto es aceptar que no hay una sola clasificación, hay tres, y que cada una responde una pregunta distinta sobre el mismo sistema.

El primer eje es el alcance: qué tan amplio es lo que el sistema puede hacer. Ahí viven la IA estrecha, la general y la fuerte. Es el eje del que más se habla y el que menos decisiones cambia hoy.

El segundo eje es la función: qué trabajo hace el sistema con los datos. Ahí viven la IA predictiva, la generativa y la multimodal. Es el eje que decide qué herramienta comprar.

El tercer eje es el modo de interacción: cómo se relaciona el sistema con la persona que trabaja. Ahí viven lo conversacional, el asistente, el copiloto y el agente. Es el eje que decide cómo se rediseña el proceso.

Lo importante para el negocio es que los tres ejes se aplican a la vez sobre un mismo sistema, y no se excluyen.

Un asistente que responde consultas de clientes es, al mismo tiempo, IA estrecha en el eje de alcance, IA generativa en el de función y conversacional en el de interacción. Las tres etiquetas son correctas y describen cosas diferentes.

Cuando alguien te pregunta qué tipo de IA es tu proyecto, la respuesta seria tiene tres partes. Si tiene una sola, falta información para decidir.

Hay además un cuarto ángulo que no es un eje de clasificación técnica sino de propósito: si el sistema se instala para reemplazar una decisión humana o para que una persona decida mejor. Ese es el ángulo de la inteligencia aumentada, y tiene su sección más abajo.

Con esos cuatro planos ordenados, la conversación con un proveedor cambia de tono. Dejas de preguntar qué IA vendes y empiezas a preguntar qué función cumple, en qué punto de mi proceso entra y quién responde por lo que produce.

Eje 1: por alcance, o por qué todo lo que existe hoy es IA estrecha

Este es el eje que abre todos los artículos del tema, y conviene despacharlo rápido y bien para poder pasar a lo que sí se decide.

La inteligencia artificial débil o estrecha es un sistema entrenado para un rango acotado de tareas. Reconoce facturas, estima riesgo de fuga, redacta textos. Fuera de ese rango no funciona y tampoco sabe que no funciona.

Todo lo que tu empresa puede comprar, instalar o contratar hoy pertenece a esta categoría. Sin excepción, incluidos los modelos de lenguaje que parecen saber de todo.

Parecen generales porque el lenguaje toca todos los temas, pero no transfieren lo aprendido a un dominio nuevo sin que alguien los prepare, no tienen objetivos propios y no conocen tu operación.

General y fuerte: dos cosas distintas que casi nadie separa

La inteligencia artificial general, la famosa AGI, sería un sistema capaz de resolver problemas de cualquier dominio y de llevar lo aprendido en uno a otro, como hace una persona competente. Es una hipótesis sobre desempeño.

La inteligencia artificial fuerte es otra discusión. No pregunta qué tan bien resuelve, pregunta si el sistema comprende de verdad lo que hace o si tendría algo parecido a conciencia. Es una hipótesis filosófica.

Se usan como sinónimos todo el tiempo y no lo son. Un sistema podría ser general sin ser fuerte: resolver cualquier problema sin comprender nada. Esa distinción importa en un laboratorio y en un comité de ética.

En una decisión de compra importa menos de lo que parece, y por una razón simple: ninguna de las dos existe como producto. No hay licencia de AGI, no hay proveedor que te la venda, no hay riesgo operativo asociado a algo que todavía no puedes contratar.

Esto no es una opinión escéptica sobre el futuro. Es la descripción de lo que hay disponible hoy para una empresa que necesita resolver algo este trimestre.

Y tiene una consecuencia práctica que conviene tener clara: si todo lo que puedes comprar es estrecho, la ventaja competitiva no va a salir del modelo que elijas, porque tus competidores acceden a los mismos.

Sale de qué proceso decides atacar, con qué datos propios lo alimentas y qué tan bien rediseñas el trabajo alrededor. Ese sí es terreno donde una empresa se diferencia de otra.

Eje 2: por función, el que sí decide qué herramienta compras

Este es el eje que cambia presupuestos. Clasifica por el trabajo que el sistema hace con los datos, y cada familia responde a un dolor de negocio distinto.

Las tres familias ya tienen su propia entrada en este glosario, así que aquí lo que importa es dónde se cruzan y cuándo comprar una en vez de la otra.

La tercera familia de este eje es la IA multimodal, que no es una función nueva sino una ampliación de la entrada: el mismo sistema procesa texto, imagen, audio y video juntos en lugar de solo texto.

Sirve donde el trabajo real llega en formatos mezclados. Un peritaje con fotos y descripción escrita, una devolución con imagen del producto y un audio del cliente, un expediente con documentos escaneados.

Debajo de las tres está el machine learning, que no es un tipo paralelo sino la técnica común: el sistema aprende patrones de datos en lugar de seguir reglas que alguien programó a mano.

La pregunta de compra en este eje se formula en una línea. Mi problema es anticipar algo, producir algo, o entender material que llega en varios formatos a la vez.

Eje 3: por modo de interacción, el que decide cómo cambia el proceso

Este eje no clasifica la tecnología, clasifica el lugar que el sistema ocupa en el trabajo de una persona. Es el que más impacto tiene en la operación y el que menos aparece en los artículos del tema.

La diferencia entre los cuatro modos no es de potencia, es de cuánta decisión delegas y de quién responde cuando algo sale mal. Ordenados por ese criterio, de menos a más autonomía:

La tentación es saltar directo al último escalón porque es el que suena mejor en una presentación. En operaciones reales ese salto es donde más proyectos se caen.

Un agente que ejecuta sin supervisión necesita algo que la mayoría de empresas todavía no tiene: procesos escritos, datos confiables, permisos definidos y un criterio claro de cuándo parar y llamar a una persona.

Sin eso, lo que se compra no es autonomía, es velocidad para cometer el mismo error muchas veces sin que nadie se entere hasta que llega el reclamo del cliente.

El camino que sí funciona es subir un escalón por vez, midiendo. Empiezas con el sistema proponiendo y una persona enviando. Cuando el porcentaje de propuestas que se envían sin cambios es alto y estable, recién ahí quitas la revisión de ese caso concreto.

El cuarto ángulo: la IA como aumento de la capacidad de tu gente

Hay una forma de clasificar que no habla de la tecnología sino del propósito con el que se instala, y es la que más cambia el resultado de un proyecto.

La inteligencia aumentada parte de una decisión distinta: el objetivo no es que el sistema reemplace el juicio de una persona, es que esa persona decida mejor y más rápido con lo que el sistema le deja preparado.

La tecnología puede ser exactamente la misma que la de un sistema automático. Lo que cambia es dónde se corta el proceso y quién firma el resultado.

Un ejemplo concreto. El mismo modelo que clasifica solicitudes de crédito puede montarse para aprobar o rechazar sin intervención, o para entregar al analista el expediente ya ordenado con las señales de riesgo marcadas.

La primera versión ahorra más tiempo sobre el papel. La segunda es la que sobrevive a la primera auditoría, al primer reclamo y al primer caso raro que el modelo nunca vio.

En mi experiencia, en casi todo proceso donde hay criterio profesional, responsabilidad legal o trato directo con clientes, el enfoque aumentado es el que entrega valor sostenido. La automatización total se reserva para lo repetitivo y de bajo riesgo.

Hay además un efecto de adopción que se subestima. Un equipo que ve la IA como algo que le prepara el trabajo la usa; un equipo que la ve como algo que viene a reemplazarlo la sabotea con una elegancia notable.

No hace falta que nadie se oponga en voz alta. Basta con que dejen de reportar los errores del sistema, con que sigan haciendo su versión en paralelo por las dudas, o con que el caso complicado nunca se registre.

Por eso el eje del propósito no es un detalle de comunicación interna. Decide si el sistema que compraste va a recibir el conocimiento real de tu operación o si va a operar con la información que nadie se molestó en corregirle.

Mi criterio sobre qué eje mirar cuando hay que decidir

Qué tipo de IA aplica a qué problema de negocio

La única forma de que esta clasificación sirva es entrar por el dolor y no por la tecnología. Estos son los cruces que más veo en empresas medianas, con el tipo que corresponde a cada uno.

• Pierdes clientes sin verlos venir. Es un problema de anticipación. Empieza por IA predictiva sobre tu historial de cuentas, y solo después usa IA generativa para redactar el contacto de retención.
• Tu equipo comercial tarda días en armar una propuesta. Es un problema de producción de contenido. Es territorio de IA generativa, en modo copiloto y con revisión humana antes de enviar.
• Atención repite las mismas cincuenta preguntas. Es un problema de interfaz y de acceso al conocimiento. Ahí entra la IA conversacional, conectada a tu documentación real y no a lo que el modelo suponga.
• Tus operarios registran a mano lo que viene en fotos, audios y PDFs. Es un problema de formato de entrada. Corresponde IA multimodal para extraer y estructurar lo que hoy se transcribe a mano.
• Un proceso administrativo pasa por seis pasos y nadie lo supervisa entero. Es un problema de coordinación. Es el caso donde un agente de IA aporta, siempre que los pasos estén escritos antes.

El error de orden que se repite en todos los casos

En los cinco cruces anteriores la tecnología viene al final. Primero está el dolor nombrado con precisión, después el proceso actual y quién lo ejecuta, después los datos disponibles, y recién entonces el tipo de IA.

Cuando el orden se invierte, el proyecto arranca desde la herramienta que alguien vio en una demo y termina buscando un problema al que aplicarla. Esa búsqueda casi nunca encuentra uno que justifique la factura.

Si tu equipo no puede nombrar en una frase qué tarea concreta cambia, quién la hace hoy y cuánto tiempo consume, todavía no hay proyecto de IA. Hay interés, que no es lo mismo.

Cuatro confusiones que salen caras al clasificar

Estas son las que más veo en mesas de decisión, y las cuatro se arreglan con una pregunta bien hecha antes de firmar.

• Confundir eje de alcance con eje de función. Preguntar si un proveedor vende IA general cuando lo que se quiere saber es si predice o genera. La respuesta correcta a la pregunta equivocada no ayuda a nadie.
• Tratar los tipos como escalones de un producto. Nadie sube de IA estrecha a IA general comprando una versión superior. Son categorías distintas, no planes de suscripción.
• Creer que agente es sinónimo de mejor. Más autonomía no es más valor; es más riesgo delegado. En un proceso sin reglas escritas, un copiloto entrega más y compromete menos.
• Comprar por la etiqueta que usa el proveedor. Muchos productos se renombran según la categoría de moda del trimestre. Lo que importa es qué hace con tus datos y en qué punto del proceso entra, no cómo se llama en la web.

Ninguna de las cuatro es un error técnico. Las cuatro son errores de conversación: una palabra que significa cosas distintas para el que vende y el que compra.

Por eso insisto en pedir las tres etiquetas juntas. Cuando alguien tiene que decir en voz alta qué alcance, qué función y qué modo de interacción propone, el humo se disuelve solo.

Es una pregunta que cuesta treinta segundos y ahorra meses. Si el proveedor responde las tres sin dudar, sabe lo que vende. Si responde con una historia sobre hacia dónde va la tecnología, todavía no llegaste a la parte que te importa.

Lo que hay que llevarse: la clasificación sirve para decidir, no para lucirse

Saber los tipos de inteligencia artificial no es un ejercicio de vocabulario. Es lo que te permite entrar a una reunión con un proveedor y entender qué te está ofreciendo de verdad.

El eje de alcance te da tranquilidad: lo que existe es IA estrecha, y eso ya resuelve una cantidad enorme de problemas reales que hoy tienes sin resolver.

El eje de función te da la decisión de compra: anticipar, producir o leer material mezclado. Tres preguntas que se responden mirando tu proceso, no el catálogo del proveedor.

El eje de interacción te da el diseño del proceso: cuánto delegas, quién revisa y en qué momento el sistema tiene que parar y llamar a una persona.

Y el ángulo de la inteligencia aumentada te da la pregunta de fondo, que es la que casi nadie hace: este sistema se instala para reemplazar un criterio o para que alguien ejerza el suyo con mejor información.

La empresa que responde esas cuatro cosas antes de pedir una cotización negocia distinto, compra distinto y mide distinto. La que no, termina con una suscripción activa y un proceso igual de doloroso que antes.

Si de toda esta clasificación te llevas una sola idea, que sea esta: el tipo de IA no se elige leyendo un catálogo, se deduce del dolor que ya tienes identificado.

Cuando el dolor está bien nombrado, la categoría correcta aparece casi sola y la discusión pasa a ser de implementación, que es donde debe estar.

Cuando el dolor no está nombrado, ninguna clasificación te salva. Vas a elegir el tipo que mejor explicó el proveedor, y esa nunca fue una decisión de negocio.