La IA generativa es la rama de la inteligencia artificial que se ocupa de producir contenido nuevo: texto, imágenes, audio, video, código o activos 3D. Mientras que un clasificador asigna una etiqueta a una entrada, un modelo generativo aprende la distribución de sus datos de entrenamiento lo suficientemente bien como para muestrear nuevos ejemplos a partir de ella. El término se volvió mainstream durante el auge de la IA que siguió al lanzamiento de ChatGPT en noviembre de 2022, y para 2024 se había convertido en una abreviatura de toda una categoría de productos y una ola de inversión.
Fundamentos técnicos
La IA generativa moderna se basa en un pequeño conjunto de familias de modelos. Los modelos autorregresivos, como los grandes modelos de lenguaje, generan secuencias un token a la vez y alimentan asistentes de chat y generación de código. Los modelos de difusión dominan la síntesis de imágenes y video, aprendiendo a revertir un proceso gradual de ruido. Los enfoques anteriores incluyen la red generativa adversarial (2014), que impulsó la primera ola de síntesis fotorrealista y deepfakes, y el autoencoder variacional. Casi todos los sistemas actuales se construyen sobre la arquitectura Transformer (architecture) y se entrenan con aprendizaje autosupervisado sobre datos de entrenamiento a escala web.
Modalidades
La generación de texto es la forma más ampliamente desplegada, a través de asistentes como ChatGPT, Claude, Gemini, Microsoft Copilot, DeepSeek, Doubao, Grok, Kimi y Qwen. Los sistemas texto a imagen como DALL-E, Firefly, Stable Diffusion y Midjourney llevaron la generación al arte visual en 2022; el texto a video siguió a partir de 2024 con Sora, Veo y LTX. Otras modalidades activas incluyen la síntesis de voz, la generación musical y la generación 3D.
Impacto y debate
La IA generativa remodeló el desarrollo de software mediante asistentes de codificación con IA, el marketing, el diseño y la educación, mientras planteaba disputas sobre los derechos de autor en los datos de entrenamiento, el desplazamiento laboral en industrias creativas, la desinformación y el contenido sintético de baja calidad a escala, a veces llamado basura de IA. Críticos como los autores del artículo del loro estocástico cuestionan si la generación fluida refleja comprensión. Los defensores argumentan que la tecnología aumenta, en lugar de reemplazar, la creatividad humana, un debate que sigue sin resolverse.
Desarrollos recientes
A mediados de 2025, las empresas abandonaban cada vez más los proyectos piloto de IA generativa debido a dificultades con la integración, la calidad de los datos y retornos no cumplidos, lo que llevó a analistas de Gartner y The Economist a caracterizar el período como la entrada en la fase de "valle de la desilusión" del ciclo de hype de Gartner. En una encuesta de octubre de 2025 de la Reserva Federal, uno de cada cuatro trabajadores estadounidenses informó usar IA generativa en el trabajo durante el mes anterior. Una encuesta de 2024 de la aplicación de redes sociales Just So Soul informó que el 18% de los encuestados nacidos después del año 2000 usaba IA generativa "casi todos los días", y que más del 60% de los encuestados gusta o ama el contenido generado por IA (AIGC), mientras que menos del 3% lo desagrada u odia. En una encuesta de 2024 de Ipsos, los países de Asia-Pacífico eran significativamente más optimistas que las sociedades occidentales sobre la IA generativa, con un 68% de los encuestados de Asia-Pacífico creyendo que la IA tenía un impacto positivo en el mundo, en comparación con el 57% a nivel global. Un informe de la ONU indicó que las entidades chinas presentaron más de 38,000 patentes de IA generativa de 2014 a 2023, más que cualquier otro país.