# Qué es un LLM (modelo de lenguaje grande) y qué hace

> Qué es un LLM, cómo predice el texto que escribe, por qué inventa datos y qué hacen ChatGPT o Gemini con la ficha de producto de tu tienda.

URL: https://clione.ai/es/glosario/llm/
Lang: es

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](/es/glosario/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](/es/glosario/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](/es/glosario/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.[^google-mlcc-intro] Un LLM hace lo mismo a lo grande: **predice tokens uno detrás de otro**, a veces párrafos enteros, como un autocompletado muy sofisticado.[^google-mlcc-llm] 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.[^google-mlcc-llm]

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.[^google-mlcc-intro] Entrenar uno exige reunir enormes cantidades de texto, meses de trabajo y muchísima capacidad de cálculo.[^google-mlcc-llm]

### Por qué inventa datos

OpenAI explica el origen de las [alucinaciones](/es/glosario/alucinacion/), 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.[^openai-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.[^openai-hallucinate] Además, las evaluaciones habituales premian acertar más que reconocer que no se sabe, así que el modelo aprende a adivinar.[^openai-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.[^google-mlcc-llm]

### 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](/es/glosario/busqueda-con-ia/) usa la segunda: Google describe la generación aumentada por recuperación ([RAG](/es/glosario/rag/)) como una técnica para mejorar la calidad, la precisión y la actualidad de las respuestas recuperando páginas de su índice.[^google-ai-guide] 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.[^microsoft-ai-search]

Incluso leyendo, el modelo reescribe. OpenAI explica que ChatGPT puede generar títulos y [descripciones de producto](/es/glosario/descripcion-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.[^openai-help-shopping]

## 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:

| Dato                | ¿Está en la ficha?                     | Qué puede hacer el LLM                                                      |
| ------------------- | -------------------------------------- | --------------------------------------------------------------------------- |
| Capacidad           | Sí, en texto: 20 litros                | Repetirlo, si recupera la página                                            |
| Resistencia al agua | Sí, pero ambigua: «resistente al agua» | Convertirlo en «impermeable», que no es lo mismo                            |
| Peso                | No                                     | Omitirlo, o rellenarlo con una cifra plausible tomada de mochilas parecidas |
| Medidas para cabina | No, solo en una imagen de la galería   | Saltárselo, porque el dato no está en el texto[^microsoft-ai-search]        |

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.


Que un LLM busca en internet cada vez que responde. Un modelo contesta con lo que aprendió al entrenarse, salvo que el asistente decida buscar o lo actives tú; ChatGPT, por ejemplo, busca en la web cuando la pregunta se beneficia de información actual, y también puedes activar la búsqueda a mano.[^openai-help-search] Sin búsqueda, **lo que diga de tu producto no sale de tu página**, y un dato poco frecuente es justo el que más fácil se inventa.[^openai-hallucinate]


## 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.[^microsoft-ai-search]
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.[^openai-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.[^openai-help-shopping]
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.[^openai-help-shopping]

## 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.[^google-ai-guide] **ChatGPT con búsqueda, [AI Overviews](/es/glosario/ai-overviews/) y el [Modo IA](/es/glosario/modo-ia-google/) 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](/es/glosario/chatgpt-search/) cuenta cómo busca ChatGPT, y la [ruta de lectura de búsqueda con IA](/es/aprender/busqueda-con-ia/) ordena el resto de términos.