Si alguna vez usaste ChatGPT, Claude o Gemini, ya conversaste con un LLM. La sigla viene del inglés, large language model, que en español sería "modelo de lenguaje de gran tamaño". El nombre asusta más que la idea.

Un LLM es un programa entrenado para hacer una sola cosa: dado un pedazo de texto, adivinar qué viene a continuación. Es el mismo principio del corrector del celular, que te sugiere la próxima palabra mientras escribes. La diferencia es la escala. El corrector aprendió de tu historial de mensajes. El LLM aprendió de una cantidad absurda de texto: libros, artículos, páginas de internet, manuales, código de programación, discusiones en foros, en decenas de idiomas.

En el entrenamiento, el modelo ajusta miles de millones de números internos hasta acertar cada vez mejor la continuación probable de una frase. Para acertar bien, terminó absorbiendo gramática, estilo, un montón de datos, maneras de argumentar e incluso un poco de razonamiento. Nadie escribió una regla que dijera que después de "muchas gracias" suele venir "de nada". Eso apareció solo, de tanto ver texto.

Por qué parece que entiende

Cuando haces una pregunta, el modelo arma la respuesta una pieza a la vez. Esas piezas se llaman tokens y están entre una sílaba y una palabra. En cada paso elige la continuación que más sentido tiene, mirando todo lo que ya se escribió. Como el entrenamiento fue enorme, las elecciones suelen ser buenas: un correo cortés, la explicación de una regla de impuestos, un fragmento de código que funciona a la primera.

Por eso la conversación se siente natural. Pero lo que hay ahí es predicción de texto, no alguien que sabe de verdad lo que está diciendo.

Lo que no es

Un LLM no es un buscador. No abre un archivo con respuestas correctas y copia la que encaja. Genera un texto plausible. Cuando no sabe algo, en vez de quedarse callado, tiende a llenar el hueco con lo que suena bien. Ese defecto tiene nombre, alucinación: un libro que no existe, una ley con el número equivocado, una fecha cambiada, todo dicho con la misma seguridad de una respuesta correcta.

Por eso la regla práctica es simple. Cuanto más importante es el dato, más lo compruebas en otra fuente antes de usarlo.

También hay un límite de memoria. Dentro de una conversación, el modelo solo puede mantener a la vista cierta cantidad de texto, la llamada ventana de contexto. En una conversación muy larga, puede perder lo que se acordó al principio. Entre una conversación y otra, solo se acuerda de ti si la herramienta tiene activada una función de memoria.

Dónde ayuda en el día a día

El uso más común es redactar y revisar: correos, propuestas, currículums, publicaciones, ese mensaje difícil de escribir. También resume bien documentos largos, como actas de reuniones o informes, y reescribe el mismo texto en tono formal o informal. Sirve para ordenar ideas sueltas en un guion y para traducir conservando el modo de hablar. Y quien nunca programó puede pedir una fórmula de hoja de cálculo o un script pequeño e ir ajustándolo hasta que funcione.

Cómo sacarle más provecho

El secreto es dar contexto. "Escribe un correo a un cliente" produce un texto genérico. "Escribe un correo a un cliente que lleva 15 días de atraso en un pago, tono firme y cortés, máximo seis líneas" produce algo que se puede usar. Di quién lo va a leer, qué quieres y en qué formato. Si la primera respuesta no sirvió, explica qué cambiar en vez de empezar de cero.

Y no le pegues lo que es confidencial, como contraseñas, números de documentos o datos de clientes, a menos que sepas cómo esa herramienta trata esa información.

La forma más honesta de pensar en un LLM es como un colega rápido, que ha leído mucho y escribe bien, pero que a veces se equivoca con total convicción. Para hacer borradores, resumir y destrabar una idea, es excelente. Para decidir por sí solo, no.