En los últimos años hemos asociado “Inteligencia Artificial” con herramientas como ChatGPT, Gemini, Copilot o Grok, es decir, con IA generativa que escribe, dibuja o programa. Pero la IA lleva décadas usándose en empresas, industria y ciencia con enfoques muy distintos: recomendadores, sistemas de visión, motores de reglas, robots…
En este post vamos a hacer un mapa rápido de los principales tipos de IA que se usan hoy, para entender mejor en qué se diferencia la IA generativa de otros enfoques clásicos y cómo encajan todos en un mismo cuadro.
1. Tipos de IA según su “nivel” de inteligencia
Una forma muy extendida de clasificar la IA es por lo que es capaz de hacer en términos de amplitud y autonomía:
- IA estrecha o débil (ANI)
Es la IA que tenemos hoy en producción: sistemas diseñados para resolver tareas específicas (recomendar productos, reconocer caras, traducir texto, jugar al ajedrez, detectar fraude). No “piensan” fuera de su dominio. - IA general (AGI)
Sería una IA capaz de aprender y razonar en cualquier dominio, al nivel de una persona, trasladando lo aprendido de un contexto a otro. Hoy sigue siendo un objetivo de investigación, no algo disponible comercialmente. - Súperinteligencia (ASI)
Es un concepto teórico: una IA que superaría en todo a la inteligencia humana (creatividad, planificación, ciencia, estrategia…). Se discute sobre sus riesgos y beneficios, pero no existe todavía como tecnología práctica.
Esta clasificación ayuda a poner los pies en el suelo: todas las IAs que usamos en el día a día —incluida la generativa— siguen siendo IA estrecha, muy buenas en tareas concretas, pero lejos de una “mente” general.
2. Tipos de IA según cómo funcionan
Otra forma útil de mirar la IA es por cómo toman decisiones y qué tipo de memoria utilizan:
- Máquinas reactivas
Responden a la entrada del momento sin recordar el pasado. Ejemplo clásico: programas que juegan al ajedrez optimizando jugadas, pero sin “memoria” de partidas anteriores. - IA de memoria limitada
Tienen en cuenta datos recientes además del estado actual. La mayoría de los sistemas modernos (coches autónomos, recomendadores, muchos modelos de machine learning) entran aquí: usan histórico para ajustar sus decisiones, pero no tienen una “biografía” completa. - Teoría de la mente (en investigación)
Se refiere a sistemas que podrían modelar emociones, intenciones y estados mentales de otras personas, para interactuar de forma más humana y socialmente inteligente. Hoy es más línea de investigación que realidad comercial. - IA autoconsciente (hipotética)
Un paso más allá: sistemas que serían conscientes de sí mismos, lo que abre debates filosóficos y éticos mucho más grandes. De momento, es un concepto, no un producto.
3. Tipos de IA según la técnica: de reglas a redes neuronales
Aquí entramos en la parte más “de ingeniería”, donde encajan muchos de los sistemas que ya has ido comentando en el blog:
- Sistemas basados en reglas y sistemas expertos
Son la “vieja guardia” de la IA: si pasa X y Y, aplica la regla Z. Se usan aún en compliance, motores de decisión, scoring, lógica de negocio muy acotada. Son explicables, pero poco flexibles. - Machine Learning clásico
Algoritmos que aprenden patrones a partir de datos tabulares o estructurados: regresión, árboles de decisión, random forests, SVM… Son la base de modelos de scoring, predicción de demanda, detección de fraude, churn, etc. - Redes neuronales y deep learning
Redes de muchas capas capaces de trabajar con datos complejos: imágenes, audio, texto, series temporales. Aquí entran la visión por computador, reconocimiento de voz, clasificación de imágenes, etc. - IA generativa (lo que solemos llamar “IA” hoy)
Modelos capaces de generar contenido nuevo: texto (LLMs como ChatGPT, Gemini, DeepSeek, Grok), imágenes (DALL·E, Midjourney, Stable Diffusion), audio/música (Suno, ElevenLabs), vídeo (Sora, LTX‑2…), código (GitHub Copilot, Devin).
Se apoyan en arquitecturas como Transformers y técnicas de entrenamiento masivo, y son las que han disparado el interés general por la IA.
4. Tipos de IA según su aplicación práctica
También podemos organizar la IA por lo que hace en el mundo real:
- Procesamiento de lenguaje natural (NLP)
Chatbots, asistentes, traducción automática, análisis de sentimiento, clasificación de texto, extracción de entidades. Aquí entran ChatGPT, Grok, Perplexity, Copilot, DeepSeek, etc. - Visión artificial
Reconocimiento facial, inspección de calidad en fábricas, diagnóstico por imagen médica, conducción autónoma, sistemas de vigilancia. - Sistemas de recomendación
Motores de “quizá te interese” (e‑commerce, streaming, noticias), algoritmos que sugieren productos, contenido o acciones en función de tu comportamiento. - Robótica e IA integrada
Robots industriales, logística (almacenes automatizados), drones, vehículos autónomos, dispositivos IoT con capacidades de decisión. - IA generativa creativa
Herramientas para crear imágenes, vídeo, voz, música y contenidos multimedia que antes requerían equipos enteros de producción.
Este enfoque deja claro que la IA generativa es un subconjunto de todo lo que hay: muy visible, muy espectacular, pero no la única forma de aplicar inteligencia artificial.
5. Dónde encaja lo que usamos a diario
Si miramos el stack de herramientas del que ya has hablado en el blog:
- ChatGPT, Gemini, DeepSeek, Grok, Perplexity → IA generativa + NLP (modelos de lenguaje grandes).
- Copilot, GitHub Copilot → IA generativa aplicada a productividad y desarrollo, embebida en productos Microsoft y GitHub.
- QuillBot → IA generativa especializada en reescritura de texto.
- Suno, ElevenLabs, Sora, LTX‑2 → IA generativa para audio, música y vídeo.
- Clawdbot/Moltbot, n8n → agentes y orquestadores que se apoyan en modelos de IA, pero cuyo valor está en la automatización.
- Modelos de recomendación, scoring, detección de fraude (aunque no les dediques posts específicos) → ML clásico, sin parte generativa, pero críticos en banca, seguros, retail, etc.
Verlo así debajo hay un ecosistema mucho más amplio de IA “no generativa” que lleva años en producción y seguirá siendo clave para lo que podemos usar y llamamos nosotros IA, así que esto de la IA como tal muy nuevo y novedoso no es.