¿Qué es un LLM (modelo de lenguaje grande)?

LLM son las siglas inglesas de large language model, modelo de lenguaje grande, y aquí no tienen nada que ver con el máster en Derecho que se escribe LL.M. Es la tecnología que hay debajo de ChatGPT, de Gemini o de Claude: la parte que escribe. A una tienda le interesa por una razón concreta: cada asistente que habla de tus productos es un LLM redactando, a veces con lo que lee en tu ficha de producto y a veces con lo que cree recordar de ella. Qué hace el modelo en cada caso explica casi todos los errores que verás en sus respuestas.

Cómo funciona

Un modelo de lenguaje estima la probabilidad de que aparezca un token, o una secuencia de tokens, dentro de una secuencia más larga. Un token puede ser una palabra, un trozo de palabra o incluso un solo carácter.⁠^{[1]Google for Developers, Machine Learning. Introduction to Large Language Models} Un LLM hace lo mismo a lo grande: predice tokens uno detrás de otro, a veces párrafos enteros, como un autocompletado muy sofisticado.⁠^{[2]Google for Developers, Machine Learning Crash Course. LLMs: What's a large language model?} Lo que lo hace «grande» es que tiene muchos más parámetros que los modelos anteriores y que aprovecha mucho más contexto, y la arquitectura que domina hoy es el Transformer, con un mecanismo de autoatención que pondera cuánto importa cada palabra respecto a las demás.⁠^{[2]Google for Developers, Machine Learning Crash Course. LLMs: What's a large language model?}

El contexto es lo que le permite desambiguar. Google pone un ejemplo: las palabras de alrededor ayudan al modelo a decidir si orange es una fruta o un color.⁠^{[1]Google for Developers, Machine Learning. Introduction to Large Language Models} Entrenar uno exige reunir enormes cantidades de texto, meses de trabajo y muchísima capacidad de cálculo.⁠^{[2]Google for Developers, Machine Learning Crash Course. LLMs: What's a large language model?}

Por qué inventa datos

OpenAI explica el origen de las alucinaciones, las frases plausibles pero falsas que genera un modelo. En el preentrenamiento, el modelo aprende a predecir la siguiente palabra en enormes cantidades de texto, y ese texto no lleva etiquetas de verdadero o falso: solo ve ejemplos de lenguaje fluido.⁠^{[3]OpenAI (5 de septiembre de 2025). Why language models hallucinate} Los patrones regulares, como la ortografía o cerrar un paréntesis, se aprenden bien al crecer el modelo; los datos arbitrarios y poco frecuentes, como el cumpleaños de una mascota, no se pueden predecir a partir de patrones, y de ahí salen las alucinaciones.⁠^{[3]OpenAI (5 de septiembre de 2025). Why language models hallucinate} Además, las evaluaciones habituales premian acertar más que reconocer que no se sabe, así que el modelo aprende a adivinar.⁠^{[3]OpenAI (5 de septiembre de 2025). Why language models hallucinate}

Para una tienda, la consecuencia es directa: el peso exacto de una mochila, la talla de un guante o la potencia de un foco son datos arbitrarios y poco frecuentes. Son el tipo de dato que un modelo no puede deducir y que, si no lo lee, puede rellenar con algo que suena bien. Google lo dice en su curso de aprendizaje automático: los LLM alucinan, y sus predicciones a menudo contienen errores.⁠^{[2]Google for Developers, Machine Learning Crash Course. LLMs: What's a large language model?}

Lo que lee frente a lo que recuerda

Un LLM tiene dos fuentes de información. La primera es lo que aprendió al entrenarse, fijo en el tiempo y sin fuentes. La segunda es lo que le dan a leer en el momento de responder. La búsqueda con IA usa la segunda: Google describe la generación aumentada por recuperación (RAG) como una técnica para mejorar la calidad, la precisión y la actualidad de las respuestas recuperando páginas de su índice.⁠^{[4]Google Search Central. Optimizing your website for generative AI features on Google Search} Cuando el modelo lee tu página, lo que importa es que el dato esté ahí y se pueda leer: Microsoft avisa de que los sistemas de IA pueden saltarse el contenido escondido en pestañas o menús desplegables, y de que los datos clave deben estar en HTML y no solo dentro de una imagen.⁠^{[5]Microsoft Advertising (Krishna Madhavan, 8 de octubre de 2025). Optimizing Your Content for Inclusion in AI Search Answers}

Incluso leyendo, el modelo reescribe. OpenAI explica que ChatGPT puede generar títulos y descripciones de producto simplificados a partir de lo que recibe, y que las etiquetas que añade a los productos, como «Budget-friendly», las genera el modelo y no son afirmaciones verificadas.⁠^{[6]OpenAI Help Center. Shopping with ChatGPT Search}

En una tienda

Un ejemplo ficticio: una mochila fotográfica cuya ficha dice «capacidad de 20 litros» y «tejido resistente al agua», y nada más sobre peso ni sobre lluvia. Esto es lo que puede pasar con cada dato cuando un asistente responde sobre ella:

La defensa no es escribir para la IA, sino poner el dato concreto en texto, con su unidad, en la ficha. Clione trabaja con el modelo que configure la tienda (OpenAI, Anthropic, Gemini u Ollama, con su propia clave) y, en cada enriquecimiento, le pasa las respuestas del comerciante sobre el producto: para qué sirve, de qué está hecho, qué garantía tiene.

Cómo comprobarlo

1. Pregunta por un dato concreto de tu producto a un asistente sin búsqueda y después con búsqueda. Compara las dos respuestas con tu ficha y apunta las diferencias, con fecha.
2. Recorre la ficha buscando datos que solo estén en imágenes, PDF o pestañas cerradas. Pásalos al texto de la página, con su unidad.⁠^{[5]Microsoft Advertising (Krishna Madhavan, 8 de octubre de 2025). Optimizing Your Content for Inclusion in AI Search Answers}
3. Revisa los atributos ambiguos: «resistente al agua» frente a una norma de impermeabilidad, «ligera» frente a un peso. El modelo no puede adivinar la cifra que no escribiste.⁠^{[3]OpenAI (5 de septiembre de 2025). Why language models hallucinate}
4. Mira cómo resume ChatGPT tus productos cuando salen en sus respuestas de compra: título, etiquetas y resumen de reseñas los redacta el modelo.⁠^{[6]OpenAI Help Center. Shopping with ChatGPT Search}
5. Si un asistente muestra un dato falso de tu producto, notifícalo. En ChatGPT, los productos con información incorrecta se pueden reportar desde el menú del propio producto.⁠^{[6]OpenAI Help Center. Shopping with ChatGPT Search}

Concepto cercano: RAG

Un LLM es el modelo; RAG es una forma de usarlo. El LLM solo tiene lo que aprendió al entrenarse. Con RAG, el sistema primero recupera documentos y después el LLM redacta con ellos delante, lo que mejora la precisión y la actualidad de la respuesta y permite citar las fuentes.⁠^{[4]Google Search Central. Optimizing your website for generative AI features on Google Search} ChatGPT con búsqueda, AI Overviews y el Modo IA son sistemas de este tipo: un LLM más un recuperador. Cuando alguien dice «la IA leyó mi web», casi siempre habla del segundo paso.

Para seguir, la entrada de ChatGPT Search cuenta cómo busca ChatGPT, y la ruta de lectura de búsqueda con IA ordena el resto de términos.