Cómo funciona realmente la IA generativa (sin magia ni humo)

Antes de construir agentes o flujos con IA, conviene entender qué hay realmente debajo del capó. Este video del canal Cómo Funciona Todo es, en mi opinión, una de las mejores explicaciones en español de cómo opera la IA generativa moderna: desmitifica la idea de la “máquina que piensa” y muestra el sistema matemático que hay detrás — riguroso pero entendible sin saber programar.

Crédito: video del canal Cómo Funciona Todo (YouTube). Lo comparto aquí como material de fundamentos porque explica en ~17 minutos lo que a muchos les toma semanas armar por partes.

Contenido del video

Haz clic en el minuto para ir directo a ese tema:

Minuto	Tema
0:00	De reglas a aprendizaje profundo — cómo la IA pasó de reglas rígidas programadas a mano a sistemas que descubren patrones por sí mismos (deep learning)
3:08	Redes neuronales — la neurona artificial como unidad matemática, y la retropropagación: cómo la red ajusta sus pesos según el error hasta “aprender”
8:07	La arquitectura Transformer — el mecanismo de atención que permite entender contexto y relaciones entre palabras lejanas en un texto
10:04	Capacidades emergentes y escala — cómo más datos y modelos más grandes generan habilidades que nadie programó explícitamente
12:20	Limitaciones actuales — alucinaciones (texto plausible pero falso), falta de modelo causal del mundo y dependencia de los datos de entrenamiento
15:16	Hardware — por qué las GPU y los chips especializados son el motor de las operaciones masivas del deep learning

El mapa de la serie Fundamentos de IA

Esta es la primera de once guías cortas, ordenadas de menor a mayor dificultad: las seis primeras son de nivel básico y las cinco últimas, intermedio. Si tienes cuenta en la academia, cada guía se desbloquea al completar la anterior dentro de su bloque (el intermedio se puede empezar directo desde la guía 7) y las once juntas dan el certificado de la serie; sin cuenta puedes leerlas sueltas.

#	Nivel	Guía	Qué responde
1	Básico	Cómo funciona realmente la IA generativa (sin magia ni humo)	Qué hay debajo del capó de la IA generativa
2	Básico	Pesos, parámetros y modelos open weight: qué significan	Qué es un peso y qué significa que un modelo sea abierto
3	Básico	Qué modelo de IA usar y cuánto cuesta en 2026	Qué modelo usar y cuánto cuesta cada llamada
4	Básico	Cómo escribir buenos prompts (de cero a intermedio)	Cómo describir el comportamiento que esperas
5	Básico	Embeddings y RAG: buscar en tus propios documentos	Cómo la IA responde con tus propios documentos
6	Básico	Cómo funciona un agente: herramientas, loop y harness	Qué convierte a un modelo en algo que actúa
7	Intermedio	¿Chatbot, workflow o agente? Cuándo usar cada uno	Cuánta autonomía necesita de verdad tu caso
8	Intermedio	MCP: qué es, cómo probarlo y cómo hacerlo seguro	Cómo se conectan herramientas de forma estándar y segura
9	Intermedio	Memoria de agentes: corto plazo, largo plazo y métodos	Qué recuerda un agente y cómo decide qué vale la pena recordar
10	Intermedio	Parámetros de modelos: temperatura, top_p y su reemplazo	Qué pasó con la temperatura y qué perillas la reemplazan
11	Intermedio	Cómo crear buenos skills para tu agente de IA	Cómo convertir un prompt repetido en un procedimiento

Cómo se conecta con el resto de la academia

• Los conceptos que aparecen (LLM, Transformer, embeddings, alucinaciones) están definidos en simple en el glosario de agentes IA.
• Con esta base, el salto natural es el curso Flujos Agénticos — Parte 1, donde estos modelos se convierten en agentes que actúan.
• Para ir al detalle con calma: el Curso de Redes Neuronales parte por la neurona y llega a backpropagation, el Curso de Transformers abre la arquitectura de los LLM, y el Curso de generación de imágenes hace lo mismo con las CNN y la difusión.

La conclusión del video es la misma que repito en los cursos: la IA no es magia ni conciencia — es un sistema matemático complejo, sin precedentes en su capacidad, y estamos recién al principio de sus implicancias prácticas.