Qué es un LLM: el motor que lee, clasifica y redacta
Un LLM sabe escribir sobre casi cualquier cosa y no sabe nada de tu empresa. Lo que lo vuelve útil es lo que le pones delante: tus documentos, tus reglas y tus herramientas.
Descubre en 5 minutos cómo automatizar ese proceso que te está haciendo perder tiempo y dinero
Qué es, en corto
Un LLM (large language model, gran modelo de lenguaje) es un modelo entrenado con enormes cantidades de texto para predecir qué viene después de lo que está leyendo. De ahí sale todo lo demás: resumir, clasificar, traducir, extraer datos y redactar. Un LLM no es una base de datos ni un buscador, y no sabe nada de tu empresa hasta que se lo cuentas.
Es el motor de casi todo lo que hoy se llama inteligencia artificial. Un agente de IA, un agente de voz, un clasificador de correo o un extractor de facturas son el mismo LLM con instrucciones, datos y herramientas distintas alrededor. Cambia el envoltorio, no el motor.
Que la habilidad de base sea predecir la siguiente palabra suena a poco. Resulta que, con suficiente texto detrás, esa única habilidad basta para entender una consulta escrita a las tantas de la noche y contestarla en tu tono.
Qué se le da bien a un LLM
Todo lo que es lenguaje y tiene un patrón. Entender una consulta mal escrita. Resumir una reunión de una hora en cinco puntos. Decidir si un correo es una queja, una factura o una petición de presupuesto. Sacar el importe y la fecha de un documento. Redactar un primer borrador con tu manera de hablar.
En esas tareas un LLM rinde igual a las ocho de la mañana que a las seis de la tarde de un viernes, y esa constancia es la mitad del valor. La otra mitad es el volumen: el mismo LLM que lee un correo lee tres mil sin quejarse.
Dónde falla un LLM
Falla cuando no tiene el dato y lo rellena igualmente, con la misma seguridad con la que acierta. A eso se le llama alucinación y es el problema central de la tecnología. También falla en cálculos largos, en fechas y en cualquier cosa posterior a su entrenamiento: un LLM se entrena hasta una fecha y ahí se queda.
Contra eso hay tres defensas que aplicamos siempre. Darle tus documentos con RAG, la técnica que busca en tu archivo antes de responder, para que el LLM no conteste de memoria. Obligarle a citar el origen de cada dato. Y dejar una cola de revisión humana en todo lo que tenga consecuencias, como un asiento contable o un escrito que se presenta.
Nadie serio te va a prometer que un LLM acierte siempre. Lo que sí se puede prometer es que cada respuesta se pueda comprobar en un clic.
No todos los modelos son para todo
Hay LLM pequeños, rápidos y ligeros de operar, perfectos para clasificar tres mil correos o leer dos mil facturas al mes. Y hay LLM grandes, más lentos y más exigentes, que valen la pena cuando el texto lo va a leer un cliente o cuando el razonamiento es delicado, como en un asunto legal.
En una misma empresa conviven varios. El triaje de la bandeja de entrada, con un LLM pequeño. La propuesta comercial que firma el gerente, con uno grande. Elegir mal ese reparto es la diferencia entre un sistema que se sostiene solo y uno que se abandona a los tres meses porque el consumo no cuadra.
Los LLM cambian cada pocos meses
Sale uno mejor y más eficiente con una regularidad incómoda para quien monta un sistema y se va. Cuando aparece un LLM nuevo no lo enchufamos por moda: se prueba contra las conversaciones reales de cada cliente, con la respuesta correcta escrita al lado, y solo si mejora se sube. Esa actualización entra en el Servicio Gestionado, igual que los cambios de API de terceros y la vigilancia.
Es la parte que casi nadie cuenta al vender IA. Un LLM que era el mejor en enero puede ser el tercero en septiembre.
Dónde se ejecuta y qué pasa con tus datos
Hay dos caminos y conviven bien. El LLM puede ser un servicio al que se llama por su API, la conexión por la que un programa pide algo a otro, con acuerdo de tratamiento de datos firmado y sin que tus textos se usen para entrenar. O puede ser un LLM abierto instalado en tu propia máquina, cuando el dato no puede salir de casa bajo ningún concepto.
Las dos opciones viven en la misma plataforma: nuestros servidores propios en la Unión Europea deciden qué petición va a cada sitio y llevan la cuenta de los tokens por proyecto. El LLM instalado en casa da tranquilidad total y algo menos de calidad en lo complejo; se elige con los ojos abiertos, no por eslogan.
Cuándo un LLM deja de ser solo un LLM
Cuando le enchufas tu CRM (donde guardas clientes y oportunidades), tu ERP (el de facturación y almacén) o tu calendario, y además puede ejecutar acciones. Ahí el LLM pasa a ser un agente IA integrado con CRM y ERP, que es el salto habitual de la IA para pymes: que resuelva y no solo informe. Y si además habla con clientes, el AI Act obliga desde el 2 de agosto de 2026 a avisar de que hay una IA al otro lado.
Un ejemplo
Una pyme de veinte personas usa el mismo LLM tres veces al día sin saberlo. Por la mañana clasifica los correos de la bandeja común, separa facturas de quejas y deja borradores preparados. A mediodía convierte una llamada grabada en un resumen con tareas asignadas que aterrizan en el CRM. Por la tarde redacta la primera versión de un presupuesto que el comercial revisa en cinco minutos en vez de escribirlo en cuarenta. Nadie en esa empresa sabría decirte qué LLM hay debajo, y esa es exactamente la señal de que está bien montado.
Con qué se confunde
Con un buscador
Un buscador encuentra documentos; un LLM redacta texto. Sin la fuente delante, no busca el dato de tu empresa: lo compone con lo que le suena. «Cuánto facturamos en marzo» solo tiene respuesta fiable si el LLM va con RAG o conectado a tus datos.
Con una base de datos que lo guarda todo
Un LLM no memoriza tus conversaciones: cada petición llega sola y termina ahí. La memoria la guarda el sistema de alrededor, y eso se decide contigo: dónde se almacena, cuánto tiempo y quién puede leerlo. Confundirlos lleva a miedos infundados y a descuidos reales.
Con la IA en general
Un LLM es un tipo de modelo, no toda la IA. Predecir la demanda o detectar anomalías en ventas usa técnicas ajenas al lenguaje. Y se plantean distinto: un LLM arranca en semanas; un modelo predictivo necesita datos históricos limpios, que casi nunca lo están.
Saber qué significa una palabra está bien. Saber si te ahorra horas está mejor: eso es lo que te dice el diagnóstico.
Descubre en 5 minutos cómo automatizar ese proceso que te está haciendo perder tiempo y dinero
Lo que nos preguntan antes de decidirse
¿Un LLM aprende de lo que le escribimos en la empresa?
No, con los acuerdos que firmamos un LLM no aprende de lo que le escribes. Las peticiones que enviamos a los proveedores de modelo quedan excluidas de cualquier entrenamiento y hay acuerdo de tratamiento de datos por escrito. El LLM tampoco guarda nada por sí mismo: cada petición es independiente y lo que parece memoria es el sistema de alrededor, que decide qué contexto reenviar. Si tu sector no admite ni esa salida de datos, se instala un LLM abierto en nuestros servidores y el texto no sale de la máquina en ningún momento.
¿Qué modelo usáis y por qué no siempre el más potente?
Usamos varios modelos y se elige por tarea, no por catálogo. Para clasificar correos, extraer datos de facturas o responder preguntas frecuentes va un LLM pequeño, que es rápido y consume poco. Para redacción que lee un cliente, asuntos legales o razonamiento delicado va uno grande. Poner el modelo más potente en todas partes multiplica el consumo sin mejorar el resultado en las tareas simples, y ese error es la causa más habitual de que un proyecto de IA se vuelva insostenible.
¿Cómo evitáis que el LLM se invente cosas?
Evitamos que el LLM se invente cosas con tres capas, no con una promesa. Primero, el LLM no responde de memoria: recibe los fragmentos de tus documentos que hacen al caso y tiene orden de decir que no consta si ahí no está la respuesta. Segundo, cada dato va acompañado del enlace a su origen para que quien lo lee lo compruebe. Tercero, todo lo que tenga consecuencias pasa por una cola de revisión humana antes de ejecutarse. Un asiento contable o un escrito con plazo no se publican solos, por muy bueno que sea el modelo.
¿Qué pasa cuando sale un modelo nuevo?
Cuando sale un modelo nuevo lo probamos antes de tocar tu sistema. Cada cliente tiene un conjunto de conversaciones y documentos reales con la respuesta correcta anotada, y el LLM candidato pasa por ahí primero. Si mejora, se sube y se te cuenta en el informe mensual; si no, se queda donde está. La actualización de modelos entra en el Servicio Gestionado, igual que arreglar una integración cuando un tercero cambia su API. Es lo que sostiene el sistema mes a mes, por encima del modelo que toque cada vez.
¿Hace falta un LLM para todo lo que quiero automatizar?
Casi nunca hace falta un LLM. Buena parte de lo que quita tiempo en una pyme se resuelve moviendo datos entre programas, sin ninguna IA de por medio: copiar un contacto al CRM, generar un informe los lunes, avisar cuando una factura pasa de treinta días. El LLM entra solo donde hay que interpretar algo escrito en lenguaje humano. Mezclarlo todo complica el proyecto y lo vuelve más frágil, así que en el diagnóstico separamos siempre las dos cosas.
¿Puedo usar mi propia cuenta del proveedor de IA?
Sí, puedes conectar tu propia cuenta del proveedor de IA y que el consumo del LLM corra por tu contrato. Es una opción razonable si ya tienes esa relación abierta o si prefieres llevarla tú. La alternativa, que es la que elige casi todo el mundo, es que la llevemos nosotros dentro del Servicio Gestionado, con el consumo del LLM medido en unidades que se entienden: conversaciones, minutos de voz o documentos leídos, no millones de unidades de texto.
Términos relacionados
¿Sabes qué tarea tuya haría mejor un modelo?
Cuéntanos qué se repite en tu semana y quién lo hace. Te decimos qué parte tiene sentido darle a la IA, qué parte se resuelve sin ella y qué parte no se toca.
Descubre en 5 minutos cómo automatizar ese proceso que te está haciendo perder tiempo y dinero