Los términos de IA no forman una lista plana. Unos describen disciplinas, otros artefactos y otros productos. Este mapa llega después de LLM, Proveedor y Plataforma para ordenar las piezas que ya conoces.
Inteligencia artificial
└── Machine learning
└── Deep learning
└── Modelos fundacionales
├── modelos de lenguaje (LLM)
├── modelos de imagen, audio o video
└── modelos multimodalesIA generativa cruza varias ramas: describe sistemas que generan contenido, no una única arquitectura. Un modelo fundacional puede ser generativo, de representación —como un modelo de embeddings— o combinar capacidades.
| Capa | Responsabilidad |
|---|---|
| Modelo | transforma tokens u otras modalidades |
| Proveedor | desarrolla u opera modelos |
| Plataforma | los expone con API, identidad, cuotas y gobierno |
| Aplicación | define la experiencia y las reglas de negocio |
| Harness | gestiona contexto, tools, estado, permisos y bucles |
| Agente | usa el modelo y herramientas para perseguir un objetivo |
Estas capas no son sinónimos. ChatGPT, Claude Code o un asistente interno son productos; no son el modelo desnudo. Dos productos con el mismo modelo pueden comportarse de forma distinta por su contexto y sus herramientas.
prompt + contexto
↓
LLM ──→ respuesta
objetivo + harness + LLM + tools + estado
↓
observar → decidir → actuar → verificarEl segundo sistema incluye llamadas a un LLM, pero añade control alrededor. Por eso tool calling no convierte automáticamente un chat en agente, y un framework no reemplaza la arquitectura.
Si una explicación no responde esas preguntas, probablemente está mezclando capas.
El siguiente paso es entender cómo se obtiene el comportamiento del modelo en Entrenamiento y fine-tuning. El mapa se completa después con Recuperación y Agentes.