{"id":1517,"date":"2025-12-01T10:19:34","date_gmt":"2025-12-01T09:19:34","guid":{"rendered":"https:\/\/germanmallo.com\/?p=1517"},"modified":"2026-10-05T08:15:39","modified_gmt":"2026-10-05T06:15:39","slug":"ia-generativa-vs-determinista-clasificacion","status":"publish","type":"post","link":"https:\/\/germanmallo.com\/en\/ia-generativa-vs-determinista-clasificacion\/","title":{"rendered":"IA Generativa como clasificador: Un \u00abquiero y no puedo\u00bb t\u00e9cnico"},"content":{"rendered":"

Vivimos en una burbuja de hype<\/em>. Desde que GPT-4 y Claude<\/a> entraron en escena, parece que la soluci\u00f3n a cualquier problema de software es \u00abm\u00e9tele un prompt\u00bb. Y s\u00ed, la IA generativa es revolucionaria, creativa y capaz de razonamientos complejos.<\/p>\n

Pero tiene un tal\u00f3n de Aquiles gigante: no es determinista<\/strong>.<\/p>\n

Si est\u00e1s construyendo un sistema que necesita etiquetar, clasificar o filtrar datos con una fiabilidad del 100%, usar IA generativa es un error de arquitectura. Es un \u00abquiero y no puedo\u00bb que te costar\u00e1 dinero y dolores de cabeza.<\/p>\n

Vamos a ver por qu\u00e9.<\/p>\n

La diferencia entre crear y decidir<\/h2>\n

Para entender el problema, hay que bajar al barro de c\u00f3mo funcionan estos modelos.<\/p>\n

    \n
  • IA Generativa (LLMs):<\/strong> Son modelos probabil\u00edsticos. Su trabajo es predecir el siguiente token<\/em> (palabra o parte de ella) que mejor encaja en una secuencia. Est\u00e1n dise\u00f1ados para la variabilidad<\/strong>.<\/li>\n
  • IA Determinista (Machine Learning Cl\u00e1sico):<\/strong> Modelos como Random Forest<\/em>, Regresi\u00f3n Log\u00edstica<\/em> o redes espec\u00edficas tipo BERT para clasificaci\u00f3n. Su trabajo es trazar una l\u00ednea en la arena y decir: \u00abEsto es A\u00bb o \u00abEsto es B\u00bb.<\/li>\n<\/ul>\n

    Cuando usas un LLM para clasificar (ej: \u00ab\u00bfEste email es una queja o una felicitaci\u00f3n?\u00bb), est\u00e1s forzando a una m\u00e1quina creativa a hacer un trabajo binario.<\/p>\n

    El problema de la \u00abTemperatura\u00bb y la alucinaci\u00f3n<\/h2>\n

    Seguro que te ha pasado. Le pides a un LLM que te devuelva un JSON con una categor\u00eda. Lo hace bien 95 veces. Pero a la vez n\u00famero 96, decide ser \u00abcreativo\u00bb.<\/p>\n

    En lugar de devolver { \"category\": \"support\" }<\/code>, te devuelve:
    \n{ \"category\": \"support\", \"note\": \"Parece que el usuario est\u00e1 enfadado\" }<\/code>.<\/p>\n

    \u00a1Boom! Tu parser<\/em> se rompe. Tu automatizaci\u00f3n falla.<\/p>\n

    La IA generativa alucina<\/strong> porque no entiende la verdad, entiende la verosimilitud. Si le bajas la temperatura a 0, reduces el riesgo, pero no eliminas la naturaleza probabil\u00edstica del modelo. No hay garant\u00edas matem\u00e1ticas<\/strong> de que la salida sea siempre estructuralmente id\u00e9ntica.<\/p>\n

    Latencia y Coste: Matar moscas a ca\u00f1onazos<\/h2>\n

    Imagina que tienes que clasificar 10.000 comentarios de clientes al d\u00eda.<\/p>\n

      \n
    1. Opci\u00f3n GenAI:<\/strong> Env\u00edas el texto a la API de OpenAI\/Anthropic. Tardas unos 500ms – 2s por petici\u00f3n. Pagas por cada token de entrada y salida.<\/li>\n
    2. Opci\u00f3n Determinista:<\/strong> Entrenas un modelo peque\u00f1o (o usas uno pre-entrenado de Hugging Face). Tarda 20ms en local. Coste marginal cero una vez desplegado.<\/li>\n<\/ol>\n

      Usar un modelo de 175 billones de par\u00e1metros para decir \u00abS\u00ed\u00bb o \u00abNo\u00bb es ineficiente<\/strong>. Es como usar un Ferrari para ir a comprar el pan a la esquina: llegas, s\u00ed, pero gastas mucha gasolina y es dif\u00edcil de aparcar.<\/p>\n

      Cu\u00e1ndo S\u00cd y cu\u00e1ndo NO<\/h2>\n

      Para que no queden dudas, aqu\u00ed tienes mi regla de oro para decidir qu\u00e9 tecnolog\u00eda usar en tus proyectos:<\/p>\n

      Usa IA Generativa cuando:<\/h3>\n
        \n
      • Necesitas resumir<\/strong> textos largos.<\/li>\n
      • Necesitas extraer<\/strong> entidades complejas o desestructuradas.<\/li>\n
      • Necesitas transformar<\/strong> el tono o el formato del texto.<\/li>\n
      • La creatividad es un feature<\/em>, no un bug<\/em>.<\/li>\n<\/ul>\n

        Usa IA Determinista (o Reglas) cuando:<\/h3>\n
          \n
        • La salida es un conjunto cerrado de opciones (Categor\u00eda A, B o C).<\/li>\n
        • Necesitas consistencia del 100% (Sistemas cr\u00edticos).<\/li>\n
        • Procesas grandes vol\u00famenes de datos en tiempo real.<\/li>\n
        • El fallo no es una opci\u00f3n.<\/strong><\/li>\n<\/ul>\n

          La soluci\u00f3n h\u00edbrida: El enfoque pragm\u00e1tico<\/h2>\n

          No tienes que elegir uno u otro. Los mejores sistemas que estoy viendo ahora mismo utilizan una arquitectura h\u00edbrida.<\/p>\n

          Utilizan modelos deterministas (r\u00e1pidos y baratos) para la primera criba o clasificaci\u00f3n masiva. Solo cuando el modelo determinista tiene una \u00abconfianza baja\u00bb (ej: no sabe si es A o B), entonces (y solo entonces) se env\u00eda esa petici\u00f3n a un LLM para que analice el matiz con su \u00abrazonamiento\u00bb superior.<\/p>\n

          Conclusi\u00f3n<\/h2>\n

          La IA generativa es una herramienta incre\u00edble, pero no es un martillo para todos los clavos. Si necesitas clasificar, busca fiabilidad y velocidad.<\/p>\n

          No te dejes llevar por el hype<\/em>. A veces, una buena Regresi\u00f3n Log\u00edstica o un modelo BERT bien ajustado le da mil vueltas a GPT-4 en tareas espec\u00edficas.<\/p>\n

          Ingenier\u00eda es elegir la herramienta adecuada, no la m\u00e1s moderna.<\/strong><\/p>","protected":false},"excerpt":{"rendered":"

          Vivimos en una burbuja de hype. Desde que GPT-4 y Claude entraron en escena, parece que la soluci\u00f3n a cualquier problema de software es \u00abm\u00e9tele un prompt\u00bb. Y s\u00ed, la IA generativa es revolucionaria, creativa y capaz de razonamientos complejos. Pero tiene un tal\u00f3n de Aquiles gigante: no es determinista. Si est\u00e1s construyendo un sistema […]<\/p>\n","protected":false},"author":2,"featured_media":1519,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[84],"tags":[234,205,233],"class_list":["post-1517","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ciencia-de-datos","tag-clasificacion","tag-ia-generativa","tag-machine-learning"],"acf":[],"_links":{"self":[{"href":"https:\/\/germanmallo.com\/en\/wp-json\/wp\/v2\/posts\/1517","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/germanmallo.com\/en\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/germanmallo.com\/en\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/germanmallo.com\/en\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/germanmallo.com\/en\/wp-json\/wp\/v2\/comments?post=1517"}],"version-history":[{"count":1,"href":"https:\/\/germanmallo.com\/en\/wp-json\/wp\/v2\/posts\/1517\/revisions"}],"predecessor-version":[{"id":4964,"href":"https:\/\/germanmallo.com\/en\/wp-json\/wp\/v2\/posts\/1517\/revisions\/4964"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/germanmallo.com\/en\/wp-json\/wp\/v2\/media\/1519"}],"wp:attachment":[{"href":"https:\/\/germanmallo.com\/en\/wp-json\/wp\/v2\/media?parent=1517"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/germanmallo.com\/en\/wp-json\/wp\/v2\/categories?post=1517"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/germanmallo.com\/en\/wp-json\/wp\/v2\/tags?post=1517"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}