Todos hablan de IA. Casi nadie explica qué es lo que compraste.
Si alguna vez usaste ChatGPT, ya usaste un LLM. Si tu sobrino te mostró Claude o Gemini, también. LLM significa Large Language Model — modelo grande de lenguaje — y es el motor detrás de prácticamente toda la IA que hoy te ofrecen: los chats, los "asistentes", los agentes, las herramientas que redactan correos.
El problema es que casi todo el mundo lo usa sin entender qué es. Y cuando no entiendes qué es una herramienta, le pides cosas que no puede hacer, te frustras con los resultados, y terminas en la frase que escucho todas las semanas de dueños de PYME: "está bueno, pero igual lo tengo que hacer yo".
Esta guía es la primera de una ruta completa para entender la IA de menos a más, sin jerga. Partamos por el motor.
Qué es un LLM, sin vueltas
Un LLM es un programa entrenado con una cantidad gigantesca de texto — libros, artículos, sitios web, código — que aprendió una sola habilidad, llevada al extremo: predecir qué palabra viene después.
Suena poco. No lo es. Para predecir bien la siguiente palabra de "el total de la cotización, con IVA incluido, es…", el modelo tuvo que aprender qué es una cotización, qué es el IVA y cómo se calcula. Prediciendo palabras, aprendió patrones de cómo funciona el mundo escrito: redacción, análisis, resúmenes, traducción, código.
La analogía que más me sirve con clientes: un LLM es como un profesional recién llegado, culto y rapidísimo, que leyó de todo pero nunca ha pisado tu empresa. Puede redactar lo que le pidas con una soltura impresionante. Lo que no puede es saber tus precios, tus clientes ni cómo se hace el trabajo en tu negocio — porque nadie se lo ha contado. Ese detalle va a ser el tema central de esta ruta, y es la diferencia entre jugar con IA y ponerla a trabajar.
Qué hace bien y qué hace mal
Un LLM hace muy bien todo lo que sea lenguaje: redactar, resumir un documento largo, ordenar ideas sueltas, cambiar el tono de un texto, extraer los datos importantes de un correo, explicar algo complejo en simple, traducir.
Y tiene tres debilidades que tienes que conocer antes de confiarle nada:
- Inventa con seguridad. Cuando no sabe algo, no siempre dice "no sé" — a veces rellena con algo que suena perfecto y es falso. Se llama alucinación. Por eso ningún dato que salga de un LLM se usa sin verificar la fuente, y por eso los sistemas serios le conectan las fuentes reales en vez de confiar en su memoria.
- No conoce tu negocio. Salió de fábrica sabiendo "de todo" y de tu empresa, nada. Sin ese contexto, sus respuestas son correctas en general e inútiles en particular.
- No hace nada solo. Un LLM conversa. No manda correos, no llena planillas, no revisa tu calendario. Para que haga cosas se necesita más que el modelo — de eso hablan las guías de agentes de esta ruta.
El panorama 2026: quién es quién
Los nombres cambian cada pocos meses; las familias son estables. Esto es lo que existe hoy:
| Familia | Empresa | Lo que hay que saber |
|---|---|---|
| Claude 5 (Fable, Opus, Sonnet) + Haiku | Anthropic | La referencia en agentes y trabajo largo. Fable 5 es hoy el tope de la categoría |
| GPT-5.6 (Sol, Terra, Luna) | OpenAI | La familia detrás de ChatGPT: Sol es el grande, Terra el del día a día, Luna el rápido y barato |
| Gemini 3.1 | Fuerte en razonamiento y en documentos muy largos; integrado al mundo Google | |
| DeepSeek V4, Kimi K3, Qwen 3.7 | DeepSeek, Moonshot, Alibaba | Los "abiertos": modelos que se pueden descargar y correr en servidores propios |
¿Y cuál es "el mejor"? Pregunta equivocada. Los de arriba están tan cerca en calidad que la diferencia real para una empresa no está en el ranking — está en el costo, la velocidad y, sobre todo, en para qué lo vas a usar.
Abiertos vs cerrados: la única distinción técnica que te conviene entender
Los modelos cerrados (Claude, GPT, Gemini) se usan por internet: le mandas tu consulta a la empresa dueña del modelo y te devuelve la respuesta. Los abiertos (DeepSeek, Kimi, Qwen, Llama) se pueden descargar y correr en un computador o servidor propio.
¿Cuándo importa? Cuando tus datos no pueden salir de tu empresa — información de salud, financiera, contratos sensibles — o cuando el volumen de uso es tan alto que pagar por consulta deja de tener sentido. Para la mayoría de las PYMEs, los cerrados vía servicio son el punto de partida razonable: cero infraestructura que mantener.
Cómo se paga (y el error caro)
Hay dos formas de contratar un LLM:
- Suscripción: la cuenta mensual de ChatGPT o Claude que usa una persona, conversando.
- API: el acceso que usan los sistemas — pagas por lo que consumes, y quien consulta al modelo no es una persona sino un programa que trabaja solo.
El error caro es creer que comprando suscripciones para todo el equipo "la empresa ya usa IA". Eso pone una herramienta manual en más manos: cada persona sigue copiando, pegando y corrigiendo. La automatización real — procesos que corren solos — funciona por API, con el modelo conectado a tus sistemas. Sobre esa diferencia se construye todo lo que viene en esta ruta.
La conclusión que ordena esta guía
El modelo no es el diferenciador. Tu competencia puede pagar exactamente el mismo Claude o el mismo GPT que tú — es más: probablemente ya lo hace. Lo que ninguna otra empresa puede tener es tu contexto: tus precios, tus procesos, tu forma de trabajar, convertidos en algo que la IA pueda usar.
Por eso esta ruta no parte preguntando "¿qué modelo compro?" sino "¿qué le tengo que enseñar?". Pero antes de llegar ahí, hay una habilidad previa que cambia los resultados desde hoy mismo: saber pedirle a la IA.
¿Quieres saber qué procesos de tu empresa podrían correr con IA y cuáles no valen la pena? El diagnóstico de Faena es gratis y te deja el mapa: faena.io/diagnostico.
- Nota pilar: llms (panorama validado 2026-08-12 en tabla-contenido §validación)