Inteligencia artificial: heurística, agentes, aprendizaje automático, IA generativa y Reglamento Europeo
La inteligencia artificial (IA) no es una única tecnología, sino un conjunto de técnicas para construir sistemas capaces de percibir información, razonar, aprender, decidir o generar contenidos. Bajo la misma etiqueta conviven enfoques clásicos de búsqueda heurística, sistemas distribuidos con múltiples agentes, aprendizaje automático y modelos generativos.
Entender estas piezas permite saber qué hace realmente un sistema de IA, qué limitaciones tiene y por qué el Reglamento Europeo de Inteligencia Artificial impone obligaciones diferentes según el riesgo.
Orientación heurística: buscar sin explorar todas las posibilidades
En muchos problemas de IA, examinar todas las soluciones posibles es computacionalmente inviable. Una heurística es una regla o función que estima qué alternativas parecen más prometedoras y orienta la búsqueda hacia ellas.
Un ejemplo clásico es A*: combina el coste acumulado desde el origen con una estimación del coste restante hasta el objetivo para decidir qué nodo explorar. La heurística no tiene que conocer la solución: reduce el espacio de búsqueda priorizando candidatos.
Este enfoque se utiliza en planificación, optimización, juegos, asignación de recursos o cálculo de rutas. Su ventaja es la eficiencia; su inconveniente, que una heurística mal diseñada puede conducir a soluciones subóptimas. Heurística no significa azar, sino conocimiento aproximado aplicado al razonamiento.
Inteligencia artificial distribuida y agentes inteligentes
La inteligencia artificial distribuida reparte procesamiento, conocimiento o decisiones entre varios componentes que cooperan o compiten. Dentro de ella destacan los sistemas multiagente.
Un agente inteligente es una entidad software —o un sistema físico como un robot— que percibe su entorno y ejecuta acciones para alcanzar objetivos. Puede ser reactivo, si responde a estímulos, o deliberativo, si mantiene un modelo del entorno y planifica.
Con varios agentes aparecen problemas de comunicación, coordinación, negociación, reparto de tareas y resolución de conflictos. Es un enfoque útil en robótica colectiva, logística, simulación, ciberseguridad o gestión distribuida.
Los agentes basados en modelos de lenguaje pueden incorporar herramientas, memoria, planificación y acceso a APIs. Esa autonomía también exige limitar permisos, validar acciones y evitar que un error se propague a pasos posteriores.
Aprendizaje automático: aprender patrones de los datos
El aprendizaje automático o machine learning es una rama de la IA en la que el sistema obtiene su comportamiento principalmente a partir de datos, en lugar de programar todas las reglas de forma explícita.
En aprendizaje supervisado se utilizan ejemplos etiquetados para clasificar o predecir; en aprendizaje no supervisado se buscan estructuras sin etiquetas; y en aprendizaje por refuerzo un agente aprende una política mediante recompensas.
También conviene distinguir entrenamiento e inferencia. Durante el entrenamiento se ajustan los parámetros del modelo con datos y una función de pérdida. En inferencia, el modelo ya entrenado procesa entradas nuevas.
No toda IA usa machine learning: un planificador basado en reglas o una búsqueda heurística también son IA. Y muchos modelos de aprendizaje automático son discriminativos: clasifican, estiman o detectan anomalías sin generar contenido nuevo.
Qué es la inteligencia artificial generativa
La IA generativa crea texto, imágenes, audio, vídeo, código o datos sintéticos a partir de patrones aprendidos. Los grandes modelos de lenguaje suelen apoyarse en arquitecturas Transformer, mientras que muchos generadores de imagen utilizan modelos de difusión.
Un modelo de lenguaje genera su salida estimando probabilidades sobre los siguientes tokens. Por eso puede producir respuestas coherentes sin funcionar como una base de datos ni garantizar que cada afirmación sea correcta. De ahí surgen las conocidas alucinaciones.
Técnicas como RAG (retrieval-augmented generation) recuperan información externa antes de generar una respuesta, mientras que el ajuste fino modifica el comportamiento mediante entrenamiento adicional. Para ampliar términos relacionados, Tecnoic dispone de un glosario de inteligencia artificial.
Reglamento Europeo de IA: regulación basada en el riesgo
El marco jurídico central es el Reglamento (UE) 2024/1689, conocido como AI Act. Entró en vigor el 1 de agosto de 2024 y su aplicación se ha desplegado por fases.
El Reglamento sigue un enfoque proporcional al riesgo: determinadas prácticas están prohibidas; los sistemas de alto riesgo tienen requisitos reforzados; ciertos sistemas interactivos y generativos deben cumplir obligaciones de transparencia; y los usos de riesgo mínimo soportan una carga menor.
Las obligaciones para proveedores de modelos de IA de propósito general (GPAI) se aplican desde el 2 de agosto de 2025. Desde el 2 de agosto de 2026 se aplican también las obligaciones de transparencia del artículo 50 para determinados contenidos generados o manipulados por IA, incluidos ciertos deepfakes.
El calendario fue modificado por el Reglamento (UE) 2026/1744, el AI Omnibus: las reglas para sistemas de alto riesgo del anexo III se aplicarán desde el 2 de diciembre de 2027 y las relativas a IA de alto riesgo integrada en determinados productos regulados del anexo I, desde el 2 de agosto de 2028.
Qué implica el AI Act para una organización
No basta con preguntar si una empresa o Administración «usa IA». Hay que identificar su papel —por ejemplo, proveedor o responsable del despliegue—, la finalidad del sistema y su clasificación. En los sistemas de alto riesgo cobran especial importancia la gestión de riesgos, gobernanza de datos, documentación técnica, registros, supervisión humana, precisión, robustez y ciberseguridad.
La IA generativa tampoco queda fuera: existen obligaciones específicas para los modelos de propósito general y reglas de transparencia para ciertos sistemas y contenidos artificiales.
En España, la Agencia Española de Supervisión de la Inteligencia Artificial (AESIA) es la autoridad estatal de referencia y ofrece guías prácticas para facilitar el cumplimiento del Reglamento.
De la heurística a la IA generativa
Los enfoques de IA no se sustituyen necesariamente: se combinan. Un sistema moderno puede utilizar un modelo aprendido, búsqueda heurística, varios agentes y un componente generativo dentro de la misma arquitectura. La cuestión relevante es cómo decide, qué datos utiliza, qué autonomía tiene y qué riesgos introduce.
El AI Act añade una segunda pregunta: no solo qué puede hacer la IA, sino para qué se utiliza y qué impacto puede tener. ¿Crees que la regulación europea basada en riesgos consigue equilibrar innovación y protección?
