Cuando alguien busca los tipos de inteligencia artificial y ejemplos, casi siempre se topa con dos problemas: listas que mezclan categorías sin explicarlas y textos tan técnicos que espantan a cualquiera que recién empieza. Esta guía intenta lo contrario. Vamos a ordenar el terreno con claridad, distinguir las clasificaciones que realmente importan y poner ejemplos que puedes reconocer en tu día a día.

La confusión es comprensible. La IA se clasifica de varias maneras al mismo tiempo, y todas conviven. Una misma herramienta puede ser, a la vez, «IA estrecha» según su alcance y «IA generativa» según lo que produce. No son etiquetas que compitan entre sí, sino distintos lentes para mirar el mismo fenómeno.

Aquí verás las dos grandes formas de clasificar la inteligencia artificial —por su capacidad y por su funcionalidad—, junto con un repaso a la IA generativa, que es la que hoy está en boca de todos. Cada categoría viene con ejemplos concretos y, cuando corresponde, con una advertencia sobre qué es real y qué sigue siendo ciencia ficción.

Qué es la inteligencia artificial (en pocas palabras)

La inteligencia artificial es el campo que busca que las máquinas hagan tareas que, si las hiciera una persona, diríamos que requieren inteligencia: reconocer una cara, traducir un idioma, recomendar una película o conducir un auto. No hay una única «IA»; hay muchas técnicas y sistemas distintos agrupados bajo ese nombre.

Dentro de la IA existe el aprendizaje automático (machine learning), donde el sistema aprende patrones a partir de datos en lugar de seguir reglas escritas a mano. Y dentro de este, el aprendizaje profundo (deep learning), que usa redes neuronales con muchas capas y es el motor detrás de casi todos los avances recientes. Tener esto en mente ayuda a entender por qué las clasificaciones que vienen no se excluyen entre sí.

Clasificación por capacidad: IA estrecha, general y superinteligencia

Esta es la división más citada y también la que más malentendidos genera. Ordena la IA según cuán amplia es su capacidad de «pensar». Es útil entenderla como una escala, donde solo el primer peldaño existe de verdad hoy.

IA estrecha (ANI): la única que existe hoy

La IA estrecha, o débil, está diseñada para resolver una tarea específica y nada más. Es extraordinariamente buena en lo suyo y completamente inútil fuera de ese ámbito. Un sistema que detecta tumores en radiografías no sabe recomendarte una canción, y viceversa.

Aunque el nombre suene modesto, aquí entra prácticamente toda la inteligencia artificial que usas: el filtro de spam de tu correo, el reconocimiento facial que desbloquea tu teléfono, las recomendaciones de Netflix o Spotify, el GPS que calcula la ruta más rápida, los asistentes de voz. Incluso los modelos de lenguaje más impresionantes son, técnicamente, IA estrecha muy sofisticada: hacen una cosa (predecir texto) extremadamente bien, pero no tienen conciencia ni comprensión real del mundo.

  • Ejemplos reales: Siri, Alexa, el corrector de tu teclado, los sistemas de recomendación de compras en línea, la detección de fraude en tarjetas de crédito.
  • Lo que la define: especialización total. Rinde dentro de límites muy marcados.

IA general (AGI): la meta que aún no llega

La inteligencia artificial general sería un sistema capaz de aprender y resolver cualquier tarea intelectual que pueda hacer un ser humano, transfiriendo lo aprendido de un área a otra sin ser reprogramado. Podría pasar de escribir un ensayo a diseñar un experimento y luego a planear unas vacaciones, con la misma flexibilidad que tú.

Y aquí viene lo importante: la AGI no existe. Es un objetivo de investigación, no un producto que puedas descargar. Hay debate genuino entre expertos sobre si falta poco o mucho, o si es alcanzable con las técnicas actuales. Cuando leas titulares que sugieren que «la IA ya piensa como un humano», conviene tomarlos con escepticismo: los modelos actuales imitan patrones del lenguaje, lo que a veces parece razonamiento, pero siguen siendo IA estrecha por más convincentes que resulten.

Superinteligencia (ASI): el terreno de la especulación

La superinteligencia artificial describe un hipotético sistema que superaría con creces la inteligencia humana en prácticamente todo, incluida la creatividad y la sabiduría social. Es un concepto puramente teórico, presente en debates filosóficos y de seguridad, pero sin ninguna realización práctica. Mencionarla sirve para completar la escala; no para describir nada que exista.

Clasificación por funcionalidad: cómo procesa el mundo la IA

La segunda gran clasificación, propuesta por investigadores como Arend Hintze, mira cómo funciona internamente el sistema: qué tanto recuerda, si tiene un modelo del mundo y de los demás. Va de lo más simple a lo más ambicioso.

Máquinas reactivas

Son la forma más básica. No tienen memoria ni aprenden de experiencias pasadas: reaccionan a lo que perciben en el momento presente y responden de forma óptima según reglas o cálculos. El caso clásico es Deep Blue, la computadora de IBM que venció al campeón de ajedrez Garri Kaspárov en 1997. Evaluaba las posiciones del tablero y elegía la mejor jugada, pero no «recordaba» partidas anteriores ni ajustaba su estrategia con el tiempo.

Este tipo de IA es predecible y confiable dentro de su tarea, justamente porque no cambia según el historial. La limitación es evidente: no puede mejorar con la experiencia.

Memoria limitada

Aquí está la mayoría de la IA moderna útil. Estos sistemas usan datos del pasado para tomar decisiones en el presente, aunque esa memoria sea temporal y acotada. Un auto autónomo observa la velocidad y posición de los vehículos cercanos durante los últimos segundos para decidir si frena o cambia de carril.

Los modelos de aprendizaje profundo entran en esta categoría: se entrenan con enormes cantidades de datos históricos y luego aplican esos patrones. Los asistentes conversacionales que recuerdan lo que dijiste antes en la misma charla también encajan aquí. Es la frontera real de la IA aplicada hoy.

  • Ejemplos reales: vehículos con conducción asistida, sistemas de recomendación que aprenden de tu comportamiento, chatbots que mantienen el contexto de una conversación.

Teoría de la mente

Sería una IA capaz de entender que las personas (y otros agentes) tienen emociones, creencias e intenciones que afectan su conducta, y de ajustar su comportamiento en consecuencia. Un robot que percibe que estás frustrado y cambia su tono entraría aquí. Existen prototipos de investigación que rozan aspectos de esto —reconocimiento de emociones, por ejemplo—, pero una teoría de la mente genuina todavía no se ha logrado. Está en desarrollo, no en el mercado.

Autoconciencia

El último nivel teórico: una IA con conciencia de sí misma, con un sentido de su propia existencia. Pertenece por completo al terreno especulativo y filosófico. No hay avances reales que apunten a esto, y ni siquiera hay consenso sobre qué significaría exactamente o cómo se comprobaría.

IA generativa: la categoría que cambió la conversación

Si llegaste a esta guía es probable que sea por la explosión de la IA generativa, así que merece su propio apartado. A diferencia de la IA que clasifica o predice (¿esto es spam o no?, ¿qué producto recomiendo?), la IA generativa crea contenido nuevo: texto, imágenes, audio, video, código.

Funciona aprendiendo patrones de cantidades masivas de ejemplos y luego generando material original que sigue esos patrones. Cuando le pides a un modelo que escriba un poema, no copia uno existente: produce una secuencia de palabras que resulta plausible según todo lo que aprendió. Ojo con esto: como genera lo que suena probable, a veces inventa datos con total seguridad. A ese fenómeno se le llama «alucinación», y es la razón por la que siempre conviene verificar información importante.

Es fundamental ubicarla bien en el mapa: la IA generativa no es un cuarto tipo aparte de las clasificaciones anteriores. Sigue siendo IA estrecha (hace una cosa) y de memoria limitada. Es una forma de aplicar la IA, no una categoría de capacidad distinta.

Ejemplos de IA generativa por tipo de contenido

  • Texto: ChatGPT, Gemini, Claude y Copilot generan y resumen textos, responden preguntas y ayudan a redactar.
  • Imágenes: Midjourney, DALL·E y Stable Diffusion crean imágenes a partir de descripciones escritas.
  • Audio y voz: herramientas que clonan voces o generan música y locuciones a partir de texto.
  • Video: modelos como Sora que producen clips de video desde indicaciones de texto.
  • Código: asistentes de programación que sugieren o escriben fragmentos de código.

Detrás de muchos de estos servicios están los grandes modelos de lenguaje (LLM, por sus siglas en inglés), entrenados con enormes volúmenes de texto. Son el tipo de sistema que popularizó la IA generativa en el uso cotidiano.

Otras formas de agrupar la IA que conviene conocer

Más allá de las dos grandes clasificaciones, encontrarás términos que describen cómo trabaja o para qué se usa un sistema. No son categorías rivales, sino etiquetas útiles.

Según la técnica de aprendizaje

El aprendizaje supervisado entrena al modelo con datos etiquetados (fotos marcadas como «perro» o «gato»), y es la base de muchos clasificadores. El no supervisado busca patrones en datos sin etiquetar, útil para agrupar clientes con hábitos parecidos. El aprendizaje por refuerzo aprende por ensayo y error mediante recompensas, y es lo que hay detrás de sistemas que dominan juegos complejos o que optimizan procesos.

Según el propósito o el campo de aplicación

  • Visión por computadora: interpreta imágenes y video. Ejemplo: reconocimiento facial, control de calidad en fábricas.
  • Procesamiento de lenguaje natural (PLN): entiende y produce lenguaje humano. Ejemplo: traductores automáticos, chatbots.
  • Robótica con IA: combina percepción y acción física. Ejemplo: robots de almacén que se orientan solos.
  • IA de recomendación: sugiere productos, contenidos o contactos según tu comportamiento.

Cómo se relacionan todas estas categorías

La mejor forma de no perderse es pensar que cada clasificación responde a una pregunta distinta sobre el mismo sistema. Tomemos un asistente como ChatGPT como ejemplo y hagámoslo pasar por todos los filtros.

¿Por su capacidad? Es IA estrecha: por más versátil que parezca, no tiene inteligencia general. ¿Por su funcionalidad? Es de memoria limitada: usa el contexto reciente de la conversación. ¿Por lo que produce? Es IA generativa. ¿Por su técnica? Se basa en un gran modelo de lenguaje de aprendizaje profundo. Cuatro etiquetas correctas al mismo tiempo, ninguna contradictoria.

Ese es el punto que suele faltar en las listas apuradas de internet: los tipos de inteligencia artificial no son cajones excluyentes. Son capas de descripción que se acumulan. Entender esto te da un criterio que va más allá de memorizar nombres.

Un consejo para no caer en el marketing

Muchas empresas anuncian que su producto usa «IA avanzada» o insinúan capacidades cercanas a la inteligencia humana. Con las categorías claras, puedes evaluar mejor. Si algo se vende como si «razonara» o «entendiera» como una persona, recuerda que la AGI no existe todavía y que lo que tienes delante es, casi con certeza, IA estrecha bien aplicada. Esto no le quita valor —al contrario, la IA estrecha resuelve problemas concretos con enorme eficacia—, pero ayuda a tener expectativas realistas y a no pagar de más por promesas infladas.

Preguntas frecuentes

¿Cuáles son los tipos de inteligencia artificial principales?

Hay dos clasificaciones centrales. Por capacidad: IA estrecha (existe), IA general y superinteligencia (aún teóricas). Por funcionalidad: máquinas reactivas, memoria limitada, teoría de la mente y autoconciencia. La IA generativa es una forma de aplicar la IA, no un tipo aparte de capacidad.

¿La IA generativa es un tipo distinto de inteligencia artificial?

No exactamente. La IA generativa describe qué hace un sistema —crear contenido nuevo— pero sigue siendo, en la práctica, IA estrecha y de memoria limitada. Es una categoría por función, no por capacidad.

¿Ya existe la inteligencia artificial general (AGI)?

No. La AGI es un objetivo de investigación. Toda la IA disponible hoy, incluidos los modelos de lenguaje más potentes, es IA estrecha: rinde muy bien en tareas específicas pero no tiene comprensión ni flexibilidad humanas reales.

¿Qué diferencia hay entre IA estrecha y aprendizaje automático?

Son cosas distintas que se cruzan. «IA estrecha» describe el alcance del sistema (una sola tarea). «Aprendizaje automático» es una técnica para construir IA, basada en aprender de datos. La mayoría de la IA estrecha actual se construye con aprendizaje automático.

¿Un asistente de voz como Alexa qué tipo de IA es?

Es IA estrecha por su capacidad y de memoria limitada por su funcionamiento. Usa procesamiento de lenguaje natural para entenderte y puede apoyarse en el contexto reciente, pero no razona ni comprende el mundo como una persona.

Si algo debería quedarte de esta guía es que no existe una sola «inteligencia artificial», sino un conjunto de sistemas especializados que hoy hacen tareas puntuales muy bien. Cuando vuelvas a leer sobre una nueva herramienta, prueba a pasarla por estos filtros: qué capacidad tiene, cómo procesa la información y qué produce. Ese ejercicio, más que cualquier lista de nombres, es lo que te permite entender la IA con criterio propio y separar lo que de verdad funciona de lo que solo suena impresionante.