10.b.1 - Conceptos básicos de IA generativa

1.1 ¿Qué es la IA generativa?

La inteligencia artificial generativa es un tipo de inteligencia artificial capaz de crear contenido nuevo a partir de una petición del usuario. Puede generar texto, código, imágenes, esquemas, resúmenes, explicaciones o ejemplos.

En programación, la IA generativa se utiliza principalmente para trabajar con texto y código. Por ejemplo, puede ayudarnos a explicar una función, proponer una solución, detectar errores, crear pruebas o mejorar la documentación de un proyecto.

Una herramienta de IA generativa no trabaja como una persona. No entiende el programa como lo haría un desarrollador experto. Su funcionamiento se basa en analizar el contexto recibido y generar una respuesta probable según los patrones aprendidos durante su entrenamiento.

1.2 Modelo de lenguaje

Un modelo de lenguaje es un sistema de inteligencia artificial entrenado para procesar y generar lenguaje natural. En nuestro caso, además de texto normal, también puede trabajar con lenguajes de programación como Java, JavaScript, HTML, CSS, SQL o Python.

Cuando escribimos una pregunta, el modelo analiza el texto y genera una respuesta. Esa respuesta puede ser una explicación, una lista de pasos, un fragmento de código, una corrección o una propuesta de mejora.

Ejemplo:

Pregunta:
Explícame qué hace este método Java como si estuviera empezando a programar.

Respuesta esperada:
Una explicación sencilla, paso a paso, indicando qué datos recibe, qué proceso realiza y qué devuelve.
				

1.3 Prompt

Un prompt es la instrucción, pregunta o petición que escribimos a una herramienta de inteligencia artificial. Es la forma principal de comunicarnos con ella.

Un buen prompt debe indicar con claridad qué queremos conseguir. En programación, suele ser útil incluir:

• El lenguaje de programación que estamos utilizando.
• El objetivo de la tarea.
• El código relacionado.
• El error que aparece, si lo hay.
• Las restricciones que debe cumplir la solución.
• El formato en el que queremos la respuesta.

Prompt poco útil:

No funciona. Arréglalo.
				

Prompt más útil:

Estoy programando en Java. Este método debería calcular el precio total de un pedido,
pero devuelve siempre 0. Explícame dónde está el error y propón una corrección.
No cambies el nombre del método ni de las variables.
				

1.4 Respuesta o salida generada

La respuesta generada es el contenido que devuelve la IA después de recibir nuestro prompt. Puede tener distintos formatos:

• Una explicación teórica.
• Un fragmento de código.
• Una lista de pasos.
• Una tabla comparativa.
• Una propuesta de solución.
• Una revisión de errores.

La respuesta generada no debe aceptarse automáticamente como correcta. Debemos leerla, entenderla y comprobarla. En programación, esto significa ejecutar el código, probar diferentes casos y verificar que cumple el objetivo.

1.5 Token

Un token es una unidad de texto que utiliza el modelo para procesar la información. Un token puede ser una palabra completa, parte de una palabra, un signo de puntuación o un fragmento de código.

Por ejemplo, la frase:

Calcula el precio total.
				

puede dividirse internamente en varios tokens. El usuario no suele ver esta división, pero es importante porque los modelos tienen límites de cantidad de texto que pueden procesar.

En programación, los tokens pueden corresponder a palabras del lenguaje, nombres de variables, símbolos, llaves, paréntesis, operadores o fragmentos de comentarios.

1.6 Ventana de contexto

La ventana de contexto es la cantidad máxima de información que una herramienta de IA puede tener en cuenta en una conversación o tarea concreta.

Incluye, por ejemplo:

• El prompt actual.
• Mensajes anteriores de la conversación.
• Fragmentos de código enviados.
• Archivos que la herramienta pueda leer.
• Instrucciones del usuario.

Si la conversación es muy larga o se envía demasiado código, puede ocurrir que parte de la información quede fuera del contexto. En ese caso, la IA puede olvidar detalles importantes o responder sin tener en cuenta todo el proyecto.

Ejemplo: Si al principio de una conversación indicamos que todas las variables deben estar en español, pero después enviamos muchas preguntas y mucho código, la herramienta puede dejar de aplicar esa norma si queda fuera de su contexto útil.

1.7 Temperatura y creatividad

La temperatura es un parámetro que controla el grado de variedad o creatividad de las respuestas de un modelo. No todas las herramientas permiten modificarla directamente, pero el concepto ayuda a entender por qué una IA puede responder de forma diferente ante preguntas parecidas.

• Temperatura baja: respuestas más directas, estables y previsibles.
• Temperatura alta: respuestas más variadas, creativas y menos predecibles.

En programación suele interesar una respuesta clara y precisa. Para tareas creativas, como proponer ideas de proyecto o nombres de aplicaciones, puede ser útil una respuesta más variada.

1.8 Alucinaciones

Una alucinación ocurre cuando la IA genera una respuesta incorrecta, inventada o no comprobada, pero la presenta como si fuera verdadera.

En programación, una alucinación puede aparecer de muchas formas:

• Usar métodos que no existen.
• Inventar librerías o funciones.
• Dar una explicación incorrecta de un error.
• Proponer código que compila pero no resuelve el problema.
• Confundir versiones de un lenguaje, framework o herramienta.

Ejemplo:

// La IA podría proponer un método que parece lógico,
// pero que no existe realmente en la clase utilizada.
lista.removeAllDuplicates();
				

1.9 ¿La IA comprende realmente el código?

Las herramientas actuales de IA pueden parecer muy inteligentes porque generan explicaciones y código con fluidez. Sin embargo, su funcionamiento no es igual al razonamiento humano.

Un modelo de lenguaje genera respuestas a partir de patrones estadísticos aprendidos. Esto no significa que tenga experiencia real, intención propia ni comprensión del contexto como una persona.

Para el programador, la consecuencia práctica es clara: la IA puede ayudar mucho, pero no debe ser tratada como una autoridad infalible.

1.10 Conceptos relacionados: chatbot, agente y skill

Aunque se estudiarán con más detalle en sesiones posteriores, conviene conocer tres conceptos relacionados:

• Chatbot: herramienta conversacional que responde a preguntas o instrucciones del usuario.
• Agente: sistema de IA que puede realizar acciones más amplias, como leer archivos, modificar código, ejecutar comandos o trabajar sobre un proyecto.
• Skill: habilidad o capacidad específica que permite a la IA realizar una tarea concreta, por ejemplo analizar un archivo, generar una tabla, ejecutar código o trabajar con un repositorio.

En programación, estas diferencias son importantes. No es lo mismo pedir una explicación en un chat que permitir a una herramienta actuar sobre los archivos reales de un proyecto.

Ejercicio 1: Identifica conceptos

Enunciado: Lee las siguientes situaciones e indica qué concepto aparece en cada una: prompt, token, ventana de contexto, respuesta generada, alucinación, agente o skill.

1. Un alumno escribe: "Explícame este error de Java y dime cómo corregirlo".
2. La IA propone usar un método que no existe en la clase String.
3. Una herramienta lee varios archivos del proyecto y modifica una clase.
4. Una conversación es tan larga que la IA deja de recordar una instrucción inicial.
5. El modelo divide internamente el texto y el código en unidades más pequeñas.
6. La IA devuelve una explicación con una posible solución al problema.

Ejercicio 2: Mejora el prompt

Enunciado: Mejora el siguiente prompt para que sea más útil en una tarea de programación:

Hazme el código.
				

Tareas:

1. Indica por qué el prompt original es poco útil.
2. Escribe una versión mejorada para pedir una función en Java.
3. Incluye al menos cuatro elementos: lenguaje, objetivo, restricciones y formato de salida.

Ejercicio 3: Detecta riesgos

Enunciado: Una IA genera un método Java para validar un correo electrónico. El código compila correctamente, pero acepta direcciones claramente incorrectas como usuario@@dominio.

Tareas:

1. Explica por qué no basta con que el código compile.
2. Indica qué tipo de error podría haber cometido la IA.
3. Propón tres pruebas que debería hacer el programador antes de aceptar la solución.