Mapa de la IA generativa

Revisada el 2026-10-09

Recorrido por la IA generativa en seis capas, de cómo funciona un modelo a para qué lo uso, con enlace a cada ficha de esta wiki.

La IA generativa es la rama de la IA que usa modelos generativos para producir texto, imágenes, vídeo, audio o código: aprenden los patrones de sus datos de entrenamiento y generan contenido nuevo, normalmente a partir de un prompt en lenguaje natural.¹ Su auge desde principios de los años 2020 se apoya sobre todo en los grandes modelos de lenguaje, basados en la arquitectura Transformer.¹ Cada capa se apoya en la anterior: leídas en orden, se entiende por qué un asistente acierta, se equivoca o cuesta lo que cuesta.

Las seis capas

Capa	Pregunta que responde	Categorías del índice
1. Fundamentos	¿Cómo funciona?	Fundamentos
2. Modelos y mercado	¿Qué hay y quién lo hace?	Modelos y novedades
3. Uso	¿Cómo le pido las cosas?	Prompting
4. Agentes	¿Cómo trabaja solo?	Claude Code y agentes
5. Construir	¿Cómo hago mis herramientas?	Apps y desarrollo
6. Aplicaciones	¿Para qué lo uso?	Productividad, documentos, multimedia, domótica y derecho

1. Fundamentos: cómo funciona

Un modelo de lenguaje grande es una red neuronal entrenada con enormes cantidades de texto para generarlo, resumirlo, traducirlo y analizarlo.² Las fichas de esta capa explican sus límites: cuánto lee, cuánto cuesta y por qué a veces inventa.

• Modelo de lenguaje (LLM): qué es y cómo genera texto token a token.
• Tokens: la unidad con la que se mide, se limita y se cobra.
• Transformer: la arquitectura de 2017 sobre la que se construyen.
• Ventana de contexto: cuánto texto puede tener a la vista a la vez.
• Cómo se entrena un LLM: preentrenamiento y ajuste para ser asistente.
• Modelos de razonamiento: pensar antes de responder y el nivel de esfuerzo.
• Alucinaciones: respuestas falsas pero plausibles y cómo reducirlas.
• RAG y el patrón LLM Wiki: dar al modelo tus documentos en vez de fiarse de su memoria.
• Historia de los LLM: los modelos que marcaron un cambio, de 2017 a hoy.

2. Modelos y mercado: qué hay y quién lo hace

Quién fabrica los modelos y cómo compararlos. Las versiones concretas viven solo en el comparador, revisado cada semana; el resto de fichas habla sobre todo de familias, para que no caduquen a la vez.

• Laboratorios y familias de modelos: quién es quién y qué publica cada uno.
• Mejor modelo para cada tarea: el comparador, con datos de pruebas independientes.
• Cómo leer los benchmarks: qué mide cada prueba y por qué una cifra suelta engaña.
• Modelos abiertos y uso en local: pesos abiertos frente a código abierto, y ejecutarlos en tu equipo.

3. Uso: prompting y contexto

Cómo pedirle las cosas a un modelo: del prompt a qué información ve en cada paso.

• Prompting práctico por modelo: consejos y frases para Claude, GPT y Gemini según sus guías.
• Ingeniería de contexto: elegir y mantener qué ve el modelo en cada paso.
• Instrucciones persistentes: lo que el asistente recibe al empezar cada conversación.
• Convertir una fuente en ficha: el prompt con el que se alimenta esta wiki.

4. Agentes: cómo trabaja solo

Cuando el modelo elige sus pasos y usa herramientas, pasa de conversar a trabajar. Aquí están el concepto, sus piezas, sus riesgos y Claude Code.

• Agente de IA: un modelo que decide sus pasos y herramientas, en bucle.
• Arnés de IA: el software que rodea al modelo y le deja trabajar.
• Asistentes de programación: Claude Code, Codex, Cline, Cursor y Copilot comparados.
• Model Context Protocol (MCP): el estándar para conectar datos y herramientas externas.
• Cómo extender Claude Code: memoria, skills, hooks, subagentes, MCP y plugins.
• Hooks de Claude Code: scripts que se ejecutan siempre en un momento fijo.
• Inyección de prompts: cuando un texto ajeno cambia lo que hace el agente.
• Metodología de proyectos con Claude Code: un sistema de trabajo reutilizable, no un chat.
• Configurar Claude Code en Mac: alias, ajustes y atajos.
• Comandos más útiles de Claude Code: la chuleta de comandos con barra.
• Tips de Claude Code: trucos ordenados por tema.
• Acelerar Cline cuando va lento: cuánto razona el modelo en cada paso.
• Skills propias: new-project (andamiaje de proyectos), generar-pdf-desde-mapa-mental (hoja de estudio A4) y nombrar-ebooks-bookorbit (renombrar ebooks).

5. Construir: herramientas propias

Las piezas para pasar de usar la IA a hacer aplicaciones: la API, una base de datos y un sitio donde publicarlas.

• Primeros pasos con la API de Claude: cuenta, clave y SDK para la primera llamada.
• Supabase sin pausas: que el plan gratuito no se pause por inactividad.
• Vercel: publicar sitios y apps desde Git o desde el terminal.
• Wiki personal de IA: este proyecto y cómo está hecho.

6. Aplicaciones: para qué la uso

El uso diario, por ámbitos.

Productividad

• Asistentes de chat: Claude, ChatGPT y Gemini, con sus planes.
• Superficies de Claude: web, apps, Claude Code y la nube.
• Qué hacen los asistentes con tus datos: conservación y entrenamiento según el plan.
• Aprender cualquier tema con IA: que te haga producir, no solo explicar.
• Referentes de IA que sigo: creadores y cuentas de los que más guardo.

Documentos

• Gemini Notebook: preguntar y generar material a partir de tus fuentes.
• Libros escolares en NotebookLM: del libro en papel al material de estudio.
• Ficha A4 de estudio desde un mapa mental: una hoja imprimible en minutos.

Imagen, vídeo y audio

• Crear imágenes de calidad con IA: de la imagen aleatoria a la controlada.
• Generar vídeo y voz con IA: herramientas de vídeo y de síntesis de voz.

Domótica

• Home Assistant con IA: controlar la casa con modelos de lenguaje.

Derecho

• Reglamento europeo de IA: la norma por niveles de riesgo y su calendario.
• Anonimizar documentos antes de usarlos con IA: quitar lo identificable antes de dárselo a una IA.

Cómo lo uso

Es la puerta de entrada de la wiki y la portada prevista del sitio web. Las seis capas salen del plan de ampliación del 2026-10-09 (docs/plan-ampliacion-ecosistema-2026-10-09.md), que pide que el mapa enlace a todas las fichas activas y se complete al cerrar cada tanda. A mi entender, recorrerlo de arriba abajo es también la forma más rápida de ver qué capa se ha quedado corta.

Referencias

Footnotes

1. Generative AI. Wikipedia. Consultado el 2026-10-09. ↩ ↩²

2. Large language model. Wikipedia. Consultado el 2026-10-09. ↩