IA, machine learning, deep learning e IA generativa: qué es cada cosa
Actualizado el 7 min de lectura
En resumen
La inteligencia artificial es el campo general; el machine learning es una forma de IA que aprende de datos; el deep learning es un tipo de machine learning con redes neuronales de muchas capas; y la IA generativa es la que crea contenido nuevo. Encajan uno dentro de otro y, en un temario, indican si el programa enseña a usar, aplicar o construir IA.
- La IA es el campo general; el machine learning, el deep learning y las redes neuronales son partes de él, cada una dentro de la anterior.
- El machine learning aprende de ejemplos, el deep learning lo hace con redes neuronales de muchas capas y la IA generativa crea contenido nuevo.
- Una automatización sigue reglas fijas y la IA de hoy aprende de ejemplos con un margen de error; en muchos proyectos se combinan.
- Las palabras del temario te dicen si un programa enseña a usar la IA, a aplicarla en un negocio o a construirla.
- Antes de pagar, subraya las palabras clave del temario y pregunta cuántas horas dedica el programa a cada bloque.
En este artículo
La inteligencia artificial es el campo general. El machine learning es una forma de IA que aprende de datos; el deep learning es un tipo de machine learning que usa redes neuronales con muchas capas; y la IA generativa es la que crea contenido nuevo, como hace ChatGPT. Más que cuatro cosas distintas, son piezas que encajan una dentro de otra.
Saberlo sirve para algo muy práctico. Cuando comparas formación, las palabras del temario te dicen si el programa te enseña a usar la IA, a aplicarla en un negocio o a construirla. Aquí tienes el mapa y una tabla para leer temarios.
¿Qué es cada término?
Cada término cabe en una frase. Esta tabla resume los siete que más se mezclan, con un ejemplo de la vida diaria y el enlace a su entrada del glosario.
| Término | Qué es, en una frase | Ejemplo cotidiano |
|---|---|---|
| IA | Programas que hacen tareas que normalmente requieren inteligencia humana: entender textos, reconocer imágenes, tomar decisiones o crear contenido | Un traductor automático |
| Machine learning | Forma de IA en la que un programa aprende patrones a partir de ejemplos con datos, en lugar de seguir reglas escritas a mano | El filtro que decide qué correo es basura |
| Deep learning | Rama del machine learning que usa redes neuronales con muchas capas | Reconocer lo que aparece en una imagen |
| Red neuronal | Modelo matemático, inspirado muy libremente en el cerebro, formado por capas de operaciones sencillas conectadas entre sí | La pieza interna del deep learning |
| IA generativa | IA que crea contenido nuevo (texto, imágenes, audio, vídeo o código) a partir de lo que le pides | Pedir a un asistente que redacte un correo |
| LLM | Modelo entrenado con enormes cantidades de texto para procesar y generar lenguaje; está detrás de ChatGPT, Claude o Gemini | El motor de un asistente de texto |
| Automatización | Proceso que sigue reglas fijas escritas por una persona, sin aprender de ejemplos | Mover cada factura a su carpeta según el nombre del proveedor |
En los temarios verás además dos términos que no son niveles del mapa, sino aplicaciones: el procesamiento del lenguaje natural, que trabaja con lenguaje humano (entender, resumir, traducir o generar texto), y la visión por computador, que interpreta imágenes y vídeo.
¿Cómo encajan la inteligencia artificial, el machine learning y el deep learning?
Cada término cabe dentro del anterior: la inteligencia artificial contiene el machine learning, y el machine learning contiene el deep learning. IBM los presenta así: el machine learning es un subconjunto de la IA, el deep learning es un subconjunto del machine learning y las redes neuronales son la columna vertebral de los algoritmos de deep learning. Dibujado de fuera adentro:
- Inteligencia artificial, el campo general
- Machine learning, que aprende de datos
- Deep learning, con redes neuronales de muchas capas
- Los modelos de lenguaje grandes y buena parte de la IA generativa actual
- Deep learning, con redes neuronales de muchas capas
- Machine learning, que aprende de datos
Tres matices evitan casi todas las confusiones:
- El machine learning es solo una parte de la IA, no toda. Y a su vez no todo machine learning es deep learning. El temario del Postgrado en IA y Machine Learning de IEBS trata la regresión y los árboles de decisión como machine learning clásico y reserva un bloque aparte para las redes neuronales y el deep learning.
- El deep learning no es solo IA generativa. También está detrás del reconocimiento de imágenes y de la traducción automática.
- La IA generativa no es sinónimo de ChatGPT. ChatGPT es un producto concreto; hay muchos más, y también generadores de imágenes, de audio o de código.
¿En qué se diferencia la IA de la automatización y de un buscador?
Una automatización hace siempre lo que alguien le programó: «cuando llegue un correo con adjunto, guárdalo en esta carpeta». Si llega algo que nadie previó, falla o no hace nada. La IA de hoy aprende de ejemplos y puede responder a casos que no estaban previstos, con un margen de error que hay que vigilar.
En la práctica se combinan. Una automatización mueve los datos de un sitio a otro y una IA decide en qué categoría cae cada uno. El Máster en Agentes IA y Automatización No-Code de IEBS reúne ambas cosas, con herramientas como Make y n8n y sin programar.
Con un buscador, la diferencia es otra. Un buscador te lleva a páginas que ya existen y tú eliges cuál leer. Un asistente de IA generativa construye una respuesta nueva a partir de lo aprendido. Es cómodo, pero no siempre te enseña de dónde sale, y por eso hay que comprobarla, como explicamos en por qué ChatGPT se inventa cosas.
¿Qué parte de la IA necesitas aprender tú?
Lo que necesitas aprender depende de lo que quieras hacer con la IA: usarla, aplicarla o construirla. Completa en voz alta esta frase: «Dentro de seis meses quiero poder ___ con la IA». El verbo que pongas decide la fila de esta tabla.
| Quiero... | Me interesa sobre todo | Qué pide el temario | Para empezar |
|---|---|---|---|
| Usarla en mi trabajo | IA generativa y asistentes | Herramientas, cómo pedir las cosas, revisión de resultados, casos prácticos | La formación gratuita |
| Aplicarla en un negocio o en un equipo | IA para negocio y automatización | Casos de uso, estrategia, riesgos, ética, datos | Un curso como La Inteligencia Artificial en los Negocios de Esade |
| Construirla | Machine learning y deep learning | Python, estadística, algoritmos, redes neuronales | Un máster o posgrado como el de IEBS en IA y Machine Learning |
Los tres caminos no son excluyentes, pero conviene empezar por el que responde a tu verbo. Una persona de marketing con diez años de oficio que quiere aplicar la IA a sus campañas, por ejemplo, tiene como verbo «aplicar», y un temario centrado en redes neuronales le haría perder tiempo y dinero. Si construir no es lo tuyo, no necesitas pagar por un temario que gira alrededor de Python y estadística. Y si es lo que buscas, desconfía de un curso corto que lo promete todo.
¿Cómo se nota en un temario?
En un temario, el enfoque se nota por las palabras que usa. Estos son cinco grupos de términos que se repiten, lo que te dicen y una ficha del catálogo donde aparecen:
| Palabras que ves | Qué te dicen | Dónde lo ves |
|---|---|---|
| Regresión, clasificación, árboles de decisión, agrupamiento | Machine learning clásico: estadística y programación | Postgrado en IA y Machine Learning de IEBS, que recomienda nociones básicas de programación, preferiblemente en Python |
| Redes neuronales, redes convolucionales, TensorFlow | Deep learning, nivel técnico | El mismo postgrado, con bloques de deep learning e IA visual |
| Prompt engineering, LLM, RAG, agentes | IA generativa aplicada | Máster en Machine Learning e IA de OBS, con un bloque de IA generativa e IA agéntica |
| Estrategia, riesgos, liderazgo, transformación | IA para negocio, con enfoque directivo | La Inteligencia Artificial en los Negocios de Esade |
| Make, n8n, automatización, sin programar | Automatización y agentes sin código | Agentes IA y Automatización No-Code de IEBS |
Cinco palabras más que se repiten en los temarios, según el glosario del portal:
- Prompt: la instrucción o pregunta que escribes a una IA.
- Agente de IA: sistema que encadena pasos y usa herramientas (buscar, escribir archivos, conectarse a otras aplicaciones) para cumplir un objetivo.
- RAG: técnica que da al modelo acceso a tus documentos o datos, para que responda con esa información y no solo con lo que aprendió al entrenarse.
- API: forma en que un programa se conecta con otro. Con la API de una IA usas sus modelos dentro de tus propias aplicaciones.
- No-code: herramientas para crear automatizaciones o aplicaciones sin escribir código, uniendo bloques.
Hay programas que mezclan varios bloques, y no es malo. Lo que importa es saber cuántas horas dedica cada uno, porque un título que habla de IA puede pasar casi todo el tiempo en una sola de estas columnas. Tres preguntas que puedes hacer a cualquier escuela antes de pagar:
- ¿Puedo ver el temario completo y no solo el resumen?
- ¿Cuántas horas o créditos dedica el programa a cada bloque?
- ¿Qué nivel previo de programación o de matemáticas da por supuesto?
¿Y ahora por dónde sigo?
Con este mapa ya puedes leer la ficha de un programa sin perderte. Para comparar con calma tienes los másteres en IA y los cursos en IA de Portal Formación, y el buscador para filtrar por modalidad, idioma o ciudad.
Si dudas de si lo tuyo es construir, en ¿hace falta saber matemáticas o programar para aprender IA? tienes qué pide cada camino. Y si te falta la base, empieza por qué es la inteligencia artificial y prueba la formación gratuita antes de decidir.
Preguntas frecuentes
¿Cuál es la diferencia entre inteligencia artificial y machine learning?
La inteligencia artificial es el campo general de programas que hacen tareas que antes pedían inteligencia humana. El machine learning es una parte de ese campo: programas que aprenden patrones a partir de ejemplos con datos, en lugar de seguir reglas escritas a mano. Todo el machine learning es IA, pero no toda la IA es machine learning.
¿El deep learning es lo mismo que el machine learning?
No. El deep learning es una rama del machine learning que usa redes neuronales con muchas capas. Es la técnica que hay detrás del reconocimiento de imágenes, la traducción automática y los modelos de lenguaje. Otras técnicas de machine learning, como los árboles de decisión, no son deep learning.
¿La IA generativa es lo mismo que ChatGPT?
No. La IA generativa es el tipo de IA que crea contenido nuevo (texto, imágenes, audio, vídeo o código) a partir de lo que le pides. ChatGPT es un producto concreto de OpenAI que usa IA generativa, igual que Claude, Gemini o Copilot, que son de otras empresas.
¿La automatización es inteligencia artificial?
No necesariamente. Una automatización sigue reglas fijas que escribe una persona, como mover cada factura a una carpeta según el proveedor. La IA de hoy aprende de ejemplos y puede responder a casos que no estaban previstos, con margen de error. En muchos proyectos se combinan: la automatización mueve los datos y la IA decide la categoría.
¿Necesito saber machine learning para usar ChatGPT?
No. Para usar un asistente de IA generativa basta con escribir lo que necesitas y revisar la respuesta. El machine learning solo hace falta si quieres construir modelos, y ahí sí se piden estadística y programación. Para el resto de caminos basta con entender las ideas básicas.
