«Crear una inteligencia artificial desde cero» significa tres cosas muy distintas, y de ellas depende que esto te lleve una tarde o cinco años. La mayoría de la gente que busca esto quiere la primera, pero le acaban explicando la tercera.
Aquí verás los tres caminos, cuál te toca según lo que quieras conseguir, qué necesitas de verdad en cada uno y por qué lo de montarse un JARVIS tiene una respuesta más interesante de lo que parece.
Las tres cosas que la gente llama «crear una IA»
- Montar un asistente propio sobre un modelo que ya existe. Le das instrucciones y tus documentos, y se comporta como tú quieres. No se programa nada. Una tarde.
- Entrenar un modelo para una tarea concreta. Reconocer si una foto es de un perro o un gato, predecir ventas, clasificar correos. Aquí sí hay código, pero menos del que imaginas. Semanas.
- Construir un modelo de lenguaje como ChatGPT desde cero. Esto cuesta decenas de millones en hardware y lo hacen un puñado de empresas en el mundo. Años y un presupuesto que no tienes.
Si has llegado aquí pensando en el tercero, la respuesta honesta es que no, no se puede en casa. Pero casi nadie necesita el tercero: lo que la mayoría quiere se resuelve con el primero.
Camino 1: crear tu IA sin saber programar
Es el que busca casi todo el mundo cuando escribe «crear mi propia inteligencia artificial», y el que menos se explica.
La idea es que ya no hace falta construir el motor: lo alquilas. Coges un modelo que ya existe —ChatGPT, Gemini, Claude— y le pones tus instrucciones y tus datos encima. El resultado se comporta como una IA hecha a tu medida, porque para lo que a ti te importa lo es.
Cómo se hace, en la práctica
- Decide una sola tarea. «Responder las dudas de mis clientes sobre envíos» funciona. «Que me ayude con todo» no.
- Escribe las instrucciones: quién es, qué tono usa, qué no debe hacer nunca y qué contestar cuando no sepa algo. Esto último es lo que más se olvida y lo que evita que se invente cosas.
- Súbele tus documentos: catálogo, condiciones, preguntas frecuentes. A partir de ahí responderá con tu información, no con lo que sabía de internet.
- Pruébalo con las preguntas difíciles, no con las fáciles. Las raras son las que revelan dónde falla.
- Ajusta las instrucciones con lo que has visto. Esta vuelta es la que separa un juguete de algo que usarías de verdad.
Esto último tiene nombre en el sector: se llama RAG, que significa dar al modelo tus documentos para que responda con ellos en lugar de con su memoria. No necesitas saber la sigla para usarlo, pero sí para entender por qué funciona: no estás enseñándole nada nuevo, le estás dando dónde mirar.
Camino 2: entrenar tu propio modelo
Aquí sí construyes algo tuyo. Se hace cuando necesitas que reconozca algo que ningún modelo general sabe: si una pieza de tu fábrica está defectuosa, si un cliente va a darse de baja, qué categoría lleva cada factura.
El proceso, sin adornos:
- Reunir datos. Es el 80 % del trabajo y nadie lo cuenta. Necesitas ejemplos ya resueltos: cientos o miles de fotos ya etiquetadas, facturas ya clasificadas.
- Limpiarlos. Quitar duplicados, arreglar lo mal etiquetado, equilibrar las categorías. Si tienes 900 ejemplos de una clase y 40 de otra, el modelo aprenderá a decir siempre la primera y acertará el 95 % siendo completamente inútil.
- Elegir el algoritmo. Para la mayoría de problemas de tabla, los clásicos ganan a las redes neuronales y son mucho más fáciles de explicar.
- Entrenar. Es la parte rápida, y muchas veces son diez líneas de código.
- Evaluar con datos que no ha visto. Innegociable. Un modelo que acierta el 99 % con los datos de entrenamiento y el 60 % con datos nuevos no ha aprendido: ha memorizado.
El lenguaje habitual es Python, y lo tienes desarrollado en cómo crear una inteligencia artificial con Python, con las librerías y el código de cada paso.
¿Se puede hacer un JARVIS de verdad?
Aparece en las búsquedas constantemente, así que merece respuesta seria.
Lo que sí puedes montar hoy, y funciona: un asistente que te escucha, entiende lo que le pides en lenguaje normal, consulta tu calendario y tu correo, enciende las luces de casa y te contesta hablando. Todas las piezas existen y se conectan: reconocimiento de voz, un modelo de lenguaje, la domótica que ya tengas y una voz sintética. Un fin de semana largo, si te manejas.
Lo que no: que tenga iniciativa propia, que entienda el contexto de tu vida sin que se lo cuentes y que aprenda solo con el tiempo. Eso sigue siendo cine.
La diferencia entre el JARVIS de las películas y lo que puedes montar no está en la voz ni en las capacidades sueltas: está en que el de la película decide, y lo tuyo responde.
Qué necesitas de verdad
Olvida la lista de requisitos genérica. Lo que hace falta depende del camino:
- Camino 1: una cuenta en cualquier asistente y tus documentos ordenados. Ni ordenador potente ni programación.
- Camino 2: Python básico, datos etiquetados y paciencia. No necesitas una tarjeta gráfica cara: para la mayoría de problemas que no sean imágenes, un portátil normal sirve, y si hace falta más potencia se alquila por horas en la nube.
- Camino 3: un centro de datos.
Ese mito del ordenador potente frena a mucha gente que podría estar haciendo cosas útiles con lo que ya tiene.
Por dónde empezar si vas en serio
- Haz el camino 1 esta semana. Monta un asistente con tus documentos y úsalo unos días. Entenderás mejor qué pueden y qué no pueden hacer estos modelos que leyendo veinte artículos.
- Si te quedas con ganas, aprende Python, pero solo lo que se usa: listas, diccionarios, bucles y funciones. No hace falta ser programador.
- Haz un proyecto con datos que te importen. Los ejercicios de manual se olvidan; predecir algo que te interesa de verdad, no.
- Aprende a evaluar antes que a entrenar. Es lo que separa a quien sabe de quien copia código: entrenar lo hace cualquiera, saber si el resultado sirve, no.
Preguntas frecuentes
¿Se puede crear una inteligencia artificial desde cero?
Depende de qué entiendas por cero. Un asistente propio sobre un modelo existente, sí y en una tarde. Un modelo tuyo para una tarea concreta, sí con trabajo. Un ChatGPT desde cero, no: hacen falta decenas de millones.
¿Se puede sin saber programar?
Sí, todo el camino 1. Es además lo que la mayoría necesita.
¿Se puede hacer gratis?
Los planes gratuitos de los asistentes bastan para empezar y las librerías de Python son libres. Lo que cuesta dinero es la potencia de cálculo, y solo si entrenas modelos grandes.
¿Qué lenguaje se usa?
Python, con mucha diferencia, porque ahí están todas las librerías. También se usa R para estadística.
¿Cuánto se tarda en aprender?
Tu primer modelo que funcione, unas semanas de dedicación real. Entenderlo bien, años. Pero puedes construir cosas útiles mucho antes de entenderlo todo.