Puntos clave
- LLM significa Large Language Model, modelo grande de lenguaje.
- No entiende: predice. Calcula cuál es la siguiente palabra más probable.
- Por eso inventa. Cuando no sabe, completa con lo que suena bien.
- Tu empresa no necesita uno propio. Necesita uno existente conectado a tus datos.
Un LLM es un modelo grande de lenguaje, el programa que está detrás de ChatGPT, Claude y Gemini. Aprendió de una cantidad enorme de texto y funciona prediciendo cuál es la palabra más probable que sigue. No entiende lo que dice: calcula. Por eso escribe bien y a veces se equivoca.
Qué es un LLM
LLM son las siglas en inglés de Large Language Model: modelo grande de lenguaje. Es un programa que leyó una cantidad enorme de texto y aprendió, de ahí, los patrones con los que se escribe.
Lo de "grande" no es adorno. Se refiere a la escala del entrenamiento y a la cantidad de parámetros, que son los valores internos que el modelo ajustó al aprender. Son miles de millones.
El otro LLM: el de derecho
Si llegaste buscando el posgrado, esta no es tu página. En derecho, LLM significa Master of Laws, la maestría que hacen los abogados. Comparten sigla y no tienen nada que ver.
Cómo funciona un LLM
Vale la pena entender esto porque explica todo lo demás: por qué es tan bueno redactando y por qué a veces inventa un dato con total seguridad.
Un LLM hace una sola cosa: predecir qué sigue. Le das un texto y calcula, entre todas las palabras posibles, cuál es la más probable a continuación. Después repite la operación con la palabra que acaba de escribir, y así hasta terminar.
Eso es todo. No hay una base de datos de hechos que consulte, ni un razonamiento paso a paso como el de una persona. Hay un cálculo de probabilidad, hecho millones de veces por segundo.
Un cálculo, no un recuerdo
El modelo no tiene guardado en ninguna parte que la capital de Francia sea París. Lo que tiene es que, después de esa frase, la palabra "París" apareció muchísimo más que cualquier otra en todo el texto que leyó.
Escoge la más probable, la escribe, y vuelve a calcular con la frase ya completada. Repite eso hasta terminar el párrafo.
Por eso acierta casi siempre con lo famoso y falla con lo raro: cuando ninguna palabra es claramente la más probable, igual tiene que elegir una. Ahí nace la invención.
Todo pasa por tokens
El modelo no trabaja con palabras sino con tokens, que son pedazos de palabra. "Inteligencia" puede partirse en tres o cuatro tokens. Importa por dos razones prácticas: los tokens son la unidad con la que se cobra la IA, y son el límite de cuánto texto cabe en una conversación, lo que se llama ventana de contexto.
Cuáles son los LLM que se usan hoy
| LLM | Quién lo hace | Dónde se usa |
|---|---|---|
| Claude | Anthropic | claude.ai |
| GPT | OpenAI | ChatGPT |
| Gemini | Gemini y Workspace | |
| Llama | Meta | Se instala en servidor propio |
| DeepSeek | DeepSeek | App propia y servidor propio |
La comparativa completa, con precios y en qué gana cada uno, está en qué modelo de IA es mejor.
Por qué un LLM se equivoca
Tres razones, y ninguna se arregla pidiéndole que "no invente":
- Alucina. Cuando no tiene el dato, completa con lo que encaja. Con la misma seguridad con la que dice algo cierto.
- Tiene fecha de corte. Aprendió hasta cierto momento. Lo posterior no lo sabe, salvo que pueda buscar en internet.
- No conoce tu empresa. Nada de lo tuyo estaba en su entrenamiento.
Las tres se atacan igual: dándole el material real dentro de la conversación en vez de confiar en su memoria.
Qué significa esto para tu empresa
Tres conclusiones prácticas de todo lo anterior:
- No necesitas un LLM propio. Entrenar uno cuesta millones. Lo que necesitas es uno existente conectado a tus documentos y a tus sistemas.
- Donde más rinde es escribiendo y analizando, porque ahí es exactamente donde vive un modelo de lenguaje.
- Siempre tiene que haber alguien que apruebe. No porque la IA sea mala, sino porque no sabe cuándo se equivocó.
De entender qué es un LLM a usarlo bien en el trabajo
Damos talleres in company donde tu equipo aprende a trabajar con modelos de lenguaje sobre sus propios documentos y procesos. Salen con casos resueltos, no con apuntes.
Ver capacitación para empresas →