---
leccion: 3
seccion: "2 · Dominio 1: Fundamentos y alfabetización en IA"
titulo: "El idioma común: cinco palabras, tres sistemas, dos datos"
habilidad: "1.1.1 · 1.1.2 · 1.1.3"
bloque: "A · El idioma común"
revision: v1
---

## lámina: De dónde sale una predicción
plantilla: vinetas
entra: Vamos a seguir el recorrido

- Algoritmo · el método. No es tuyo, es del mundo {el algoritmo es el método}
- Entrenamiento · aplicar ese método a tus datos {el entrenamiento es aplicar}
- Modelo · lo que queda cuando el entrenamiento termina {Lo que queda cuando el entrenamiento termina}
- Inferencia · pedirle al modelo que responda una vez {la inferencia es pedirle}
- Predicción · lo que responde {la predicción es lo que responde}

## lámina: Dos de las cinco cuestan dinero
plantilla: comparacion
entra: Ahora la parte que te toca a ti
izquierda: "Entrenamiento"
derecha: "Inferencia"

- izq: Se paga una vez, o cada vez que reentrenas {Se paga una vez}
- izq: Es un proyecto: tiene principio y fin {se presupuesta como proyecto}
- izq: Si lo cancelas, no pasa nada mañana {Si lo cancelas}
- der: Se paga cada vez que alguien lo usa {Se paga cada vez}
- der: Es operación: no termina nunca {se presupuesta como operación}
- der: Si lo cancelas, el servicio se apaga {si cancelas la inferencia}
- Confundirlas es aprobar un proyecto creyendo que es un gasto fijo, o al revés {Confundir las dos}

## lámina: En AgentSquad
plantilla: caso
entra: Déjame ponerle números de verdad
video: escenaC

- Una factura, dos renglones distintos {la factura tiene esos dos renglones}
- Lo que costó dejarlo funcionando {lo que costó dejarlo funcionando}
- Lo que cuesta que siga funcionando {lo que cuesta que siga}

## lámina: Tres palabras, una dentro de otra
plantilla: vinetas
entra: Empecemos por ordenarlas

- Inteligencia artificial · el paraguas. Todo lo que decide sin que alguien escriba la regla {el paraguas}
- Aprendizaje automático · aprende de ejemplos y elige entre opciones que ya existen {elige entre opciones que ya existen}
- Generativa · aprende de ejemplos y produce algo que no estaba en la lista {produce algo que no estaba}

## lámina: La pregunta que las separa
plantilla: comparacion
entra: Y aquí va la prueba
izquierda: "¿Elige de una lista?"
derecha: "¿Escribe algo nuevo?"

- izq: Una etiqueta, un número, una probabilidad {una etiqueta, un número}
- der: Texto, una imagen, un resumen, código {texto, una imagen}
- La pregunta es qué sale, no qué tan inteligente parece {qué sale, no qué tan inteligente}

## lámina: Por eso te cambia el trabajo
plantilla: comparacion
entra: esto no es un detalle de vocabulario
izquierda: "Si elige de una lista"
derecha: "Si escribe algo nuevo"

- izq: Puedes comprobar si acertó {puedes comprobar si acertó}
- izq: Pides una métrica y la revisas cada mes {pides una métrica}
- der: No hay respuesta correcta contra la cual comparar {no hay una respuesta correcta}
- der: Se juzga, y alguien tiene que aprobar {se juzga}
- Ese trabajo de juicio casi nunca aparece en el presupuesto {casi nunca aparece en el presupuesto}

## lámina: Dos clases de dato
plantilla: comparacion
entra: Hay dos clases y se reconocen a simple vista
izquierda: "Estructurado"
derecha: "No estructurado"

- izq: Filas y columnas. Cada campo significa siempre lo mismo {cada campo significa siempre lo mismo}
- izq: Vive en el ERP, el CRM, la base de datos, la hoja de cálculo {vive en el ERP}
- der: Correos, contratos, llamadas, tickets, fotos, video {correos, contratos, llamadas}
- der: Significa algo, pero nadie le puso nombre a cada parte {nadie le puso nombre}
- La mayor parte de lo que sabe tu empresa está en la segunda columna {está en la segunda columna}

## lámina: Qué cambió y por qué ahora
plantilla: vinetas
entra: Y aquí está el porqué de esta ola

- Durante años, solo la primera columna se podía usar {solo la primera columna}
- Para usar la segunda, alguien tenía que estructurarla a mano, y eso no escalaba {alguien tenía que estructurarla a mano}
- Lo que cambió es que ahora se puede trabajar directo sobre la segunda {trabajar directo sobre la segunda}

## lámina: Dónde vive tu problema
plantilla: vinetas
entra: Esto te da una pregunta práctica

- Si tu problema vive en filas y columnas, el camino es corto {el camino es corto}
- Si vive en texto o en llamadas, es viable, pero primero hay que juntarlo {primero hay que juntarlo}
- Ahí es donde se esconde el costo que nadie presupuestó {donde se esconde el costo}

## narración

Este bloque es el idioma común, y lo vamos a cerrar entero en un solo video. Tres cosas: las cinco palabras que vas a leer en cualquier propuesta, las tres clases de sistema que se confunden entre sí, y las dos clases de dato de las que todo depende.

Si te sientas a leer una propuesta de inteligencia artificial, o una factura, hay cinco palabras que van a estar ahí. Algoritmo, entrenamiento, modelo, inferencia y predicción.

La gente las usa como si fueran sinónimos. No lo son, y dos de ellas deciden cuánto pagas.

Vamos a seguir el recorrido completo, de principio a fin, porque en ese orden se entienden solas.

Primero, el algoritmo es el método. Es una forma conocida de encontrar patrones en unos datos. No lo inventa tu proveedor y no es tuyo: está publicado, lo usa todo el mundo, y por sí solo no sabe nada de tu empresa.

Después, el entrenamiento es aplicar ese método a tus datos. Aquí es donde entra lo tuyo. El mismo algoritmo, con los datos de tu empresa, produce algo distinto que con los datos de otra.

Lo que queda cuando el entrenamiento termina es el modelo. Y esto es importante: el modelo es el activo. Es lo que compraste, lo que hay que guardar, versionar y volver a hacer cuando el mundo cambie.

Con el modelo ya hecho, la inferencia es pedirle que responda una vez. Una sola vez, para un caso concreto.

Y la predicción es lo que responde. Un número, una etiqueta, una probabilidad.

Cinco palabras, una sola cadena: el método, tus datos pasados por él, lo que queda guardado, la pregunta y la respuesta.

Ahora la parte que te toca a ti, y es la razón por la que estas cinco palabras están en el examen.

De las cinco, solo dos cuestan dinero. Y cuestan en momentos distintos.

El entrenamiento se paga una vez. O cada vez que decides reentrenar, que no es lo mismo que cada día. Tiene principio y fin, se presupuesta como proyecto, y si lo cancelas hoy mañana no pasa nada: el modelo que ya tienes sigue funcionando.

La inferencia se paga cada vez que alguien la usa. Cada pregunta, cada documento, cada cliente atendido. No termina nunca, se presupuesta como operación, y si cancelas la inferencia el servicio se apaga esa misma tarde.

Confundir las dos es el error caro de este dominio. Se aprueba un proyecto creyendo que es un gasto fijo, y a los tres meses la factura no baja. O al revés: se recorta lo que parecía operación y resulta que era la inversión que sostenía todo lo demás.

Déjame ponerle números de verdad.

En AgentSquad, la plataforma que te presenté, la factura tiene esos dos renglones separados a propósito. Uno es lo que costó dejarlo funcionando, y ese ya se pagó. El otro es lo que cuesta que siga funcionando, y ese llega todos los meses.

Cuando alguien te pregunte cuánto cuesta la inteligencia artificial, esa es la primera pregunta de vuelta: ¿me estás preguntando por el proyecto o por la operación? Porque son dos números, no uno.

Con esas cinco ya puedes leer una propuesta. Pero todavía falta saber de qué tipo de sistema te están hablando, y ahí hay otras tres palabras que se usan como si fueran la misma.

Inteligencia artificial, aprendizaje automático y generativa.

Empecemos por ordenarlas, porque una está dentro de la otra.

Inteligencia artificial es el paraguas. Cubre todo sistema que decide algo sin que una persona haya escrito la regla de antemano.

Dentro de ese paraguas está el aprendizaje automático. Aprende de ejemplos, y con lo aprendido elige entre opciones que ya existen.

Y dentro del aprendizaje automático está la generativa. También aprende de ejemplos, pero en vez de elegir, produce algo que no estaba en la lista.

Y aquí va la prueba. Una sola pregunta te dice delante de cuál estás: ¿lo que sale es algo que elige de una lista, o algo que escribe de cero?

Si elige de una lista, es aprendizaje automático. Lo que sale es una etiqueta, un número o una probabilidad. Este ticket va al equipo de facturación. Este cliente tiene un setenta por ciento de probabilidad de irse. Esta transacción es sospechosa.

Si escribe algo que no estaba, es generativa. Lo que sale es texto, una imagen, un resumen, una propuesta, código.

Fíjate que la pregunta es qué sale, no qué tan inteligente parece. Un sistema puede sonar muy sofisticado y seguir siendo una clasificación. Y otro puede parecer simple y ser generativo.

Ahora, esto no es un detalle de vocabulario. Te cambia el trabajo.

Cuando el sistema elige de una lista, puedes comprobar si acertó. Tienes la respuesta correcta guardada en algún lado: el ticket acabó en facturación o no, el cliente se fue o no. Entonces pides una métrica, la revisas cada mes, y sabes si está funcionando.

Cuando el sistema escribe algo nuevo, no hay una respuesta correcta contra la cual comparar. Nadie tiene guardado el resumen perfecto de esa llamada. No se mide, se juzga. Y eso significa que alguien tiene que definir quién aprueba y con qué criterio.

Ese trabajo de juicio cuesta dinero y casi nunca aparece en el presupuesto. Se aprueba el proyecto generativo contando el costo del modelo, y se olvida el costo de las personas que van a revisar lo que produce.

Ahí tienes el criterio para la próxima vez que alguien te presente una iniciativa. Pregunta qué sale por el otro lado. Si te responden con una etiqueta, pide la métrica. Si te responden con un texto, pregunta quién lo revisa.

Ya sabes leer una propuesta y ya sabes de qué tipo de sistema te hablan. Queda lo de debajo, que es de lo que está hecho todo esto: los datos. Y el tipo de dato que tienes decide qué soluciones te están permitidas, antes incluso de elegir.

Hay dos clases de dato y se reconocen a simple vista.

El dato estructurado vive en filas y columnas. Cada campo significa siempre lo mismo: esta columna es la fecha, esta es el importe, esta es el cliente. Vive en el ERP, en el sistema de facturación, en la base de datos, en la hoja de cálculo que alguien mantiene.

El dato no estructurado es todo lo demás. Correos, contratos, llamadas grabadas, tickets de soporte, fotos, video, actas de reunión. Significa muchísimo, pero nadie le puso nombre a cada parte. En un contrato de doce páginas está la fecha de vencimiento, sí, pero no está en una columna que se llame fecha de vencimiento.

Y aquí viene el dato que importa: la mayor parte de lo que sabe tu empresa está en la segunda columna. Lo que la empresa tiene ordenado en tablas es lo que alguien decidió ordenar en algún momento. Todo lo demás, que es casi todo, está suelto.

Y aquí está el porqué de esta ola, el porqué de que esto esté pasando ahora y no hace diez años.

Durante años, solo la primera columna se podía usar. Los sistemas necesitaban tablas, así que trabajaban sobre lo que ya estaba en tablas.

Para usar la segunda, alguien tenía que estructurarla a mano. Leer los contratos y pasar las fechas a una planilla. Escuchar las llamadas y clasificarlas. Eso funciona con cien casos y no funciona con cien mil. No escalaba.

Lo que cambió es que ahora se puede trabajar directo sobre la segunda columna. Sobre el texto tal como está, sobre la llamada tal como se grabó. Por eso de pronto sirve lo que llevaba años acumulado sin usar.

Esto te da una pregunta práctica, y es la que conviene hacer antes de aprobar nada.

Si tu problema vive en filas y columnas, el camino es corto. El dato ya está listo, y la discusión es qué modelo y cuánto cuesta.

Si tu problema vive en texto, en llamadas o en documentos, sigue siendo viable, pero primero hay que juntarlo. Encontrar dónde está, conseguir permiso para usarlo, y ponerlo en un sitio del que el sistema pueda leerlo.

Ahí es donde se esconde el costo que nadie presupuestó. Se aprueba el proyecto contando el modelo, y resulta que seis de los nueve meses se van en reunir un material que estaba repartido en cuatro sistemas y en el correo de tres personas.

Así que cuando te presenten una iniciativa, después de preguntar qué sale, pregunta de dónde sale. Y si la respuesta incluye documentos o conversaciones, pide que te digan quién los va a reunir y cuánto tarda.

Con esto ya tienes el idioma completo del bloque: las cinco palabras de una propuesta, las tres clases de sistema, y las dos clases de dato.

En la próxima lección seguimos con los datos, pero con la pregunta incómoda: no cuántos tienes, sino si sirven.

Nos vemos ahí.
