Cuando una empresa te ofrece un producto y te dice que “usa inteligencia artificial”, ¿qué te está diciendo exactamente? Hoy el mismo término describe desde un filtro de spam hasta sistemas médicos que diagnostican enfermedades. Esa amplitud no es inocente: sirve para vender, para inflar valuaciones y, en muchos casos, para confundir.
Saber qué hay adentro de un sistema “con IA” no es una curiosidad técnica. Es lo que te permite leer contratos, propuestas comerciales y regulación con criterio propio.
1) Algoritmo: la receta básica
Un algoritmo es un conjunto de instrucciones que se ejecutan en orden. Una receta de cocina es un algoritmo. La fórmula para calcular un interés moratorio con la tasa activa del Banco Nación es un algoritmo. El cálculo del Art. 245 LCT también lo es.
En computación, un algoritmo es un programa que sigue reglas fijas: si pasa X, hacé Y (if this then that). No aprende, no cambia. Siempre devuelve lo mismo ante la misma entrada.
Los sistemas de gestión de expedientes, las alertas de vencimientos en tu calendario, los buscadores tradicionales de jurisprudencia, los liquidadores de sentencia: todos corren sobre algoritmos. No son “IA” en el sentido moderno del término, aunque a veces se los etiquete así en folletos comerciales.
Hay un punto que se confunde seguido: todo software corre sobre algoritmos, incluida la IA. La diferencia no es algoritmo sí o algoritmo no, sino qué tipo de algoritmo: uno fijo escrito por un programador, o uno que aprende de datos.
2) Machine learning: cuando la máquina aprende sola
El machine learning (aprendizaje automático) es un subconjunto de la IA. La diferencia con un programa común es que en vez de seguir reglas escritas a mano, el sistema aprende las reglas a partir de ejemplos.
El proceso básico:
- Le pasás miles o millones de ejemplos
- El sistema encuentra patrones en esos ejemplos
- Aplica esos patrones a casos nuevos
Un filtro de spam que aprende qué correos son indeseados, es machine learning. Un sistema bancario que detecta fraudes en transacciones también. Un modelo entrenado con sentencias para estimar la probabilidad estadística de un fallo a favor o en contra, basado en miles de antecedentes, también sería machine learning.
Nadie escribe las reglas a mano. El sistema las descubre solo, a partir de los datos.
3) Deep learning: Machine Learning con muchas capas
El deep learning (aprendizaje profundo) es un subconjunto del machine learning. Usa redes neuronales con muchas capas para detectar patrones más complejos que los que captura un Machine Learning clásico.
No hace falta entender la matemática. Lo importante es saber que el deep learning es la base técnica de la IA generativa: ChatGPT, Claude, Gemini, los traductores automáticos, el reconocimiento facial y los generadores de imágenes funcionan sobre deep learning. Cuando se habla de los avances espectaculares de los últimos tres años, casi siempre se está hablando de deep learning.
Si querés más detalle sobre cómo funciona específicamente un modelo de lenguaje, ya lo cubrimos en Cómo funciona la IA y los LLM.
Inteligencia artificial: el paraguas grande
“Inteligencia artificial” es el término paraguas. Cualquier sistema computacional que realice tareas que normalmente asociamos con inteligencia humana (reconocer imágenes, entender lenguaje, tomar decisiones, generar contenido) cae adentro de IA en sentido amplio.
La jerarquía, sin confusiones, queda así:
- Inteligencia artificial: la categoría más amplia
- Machine learning: sistemas que aprenden de datos
- Deep learning: ML con redes neuronales de muchas capas
- LLMs: deep learning entrenado para generar lenguaje (Claude, ChatGPT, Gemini, entre otros)
- Deep learning: ML con redes neuronales de muchas capas
- Machine learning: sistemas que aprenden de datos
Los algoritmos no aparecen como una capa más adentro de la IA. Son una categoría aparte, más vieja y más amplia: cualquier secuencia de instrucciones es un algoritmo. La IA usa algoritmos, pero no todo algoritmo es IA. Esa es la fuente principal de la confusión.
Cómo se mezclan en la práctica: el caso Faustino
Un ejemplo concreto, argentino y cercano. Faustino es mi buscador de jurisprudencia local que armé este año. Hoy tiene cargados unos 19.000 fallos de San Juan. ¿Es Inteligencia Artificial?
La respuesta honesta es: tiene IA adentro, pero no es 100% IA.
El motor principal de Faustino es un buscador: un algoritmo de recuperación de información. Recibe una consulta, busca en la base de datos y devuelve los resultados más relevantes. Eso por sí solo no es IA: es la misma lógica básica que usa Google a otra escala.
Lo que hace que Faustino sea “inteligente” es cómo está organizada esa base de datos. Cada fallo tiene asociado un embedding, una representación matemática de su significado, generada una sola vez por un modelo de IA. Eso permite buscar por sentido y no por palabras exactas: podés pedirle “casos de despido indirecto por discriminación” y te trae fallos que tratan el tema aunque no usen esa frase exacta. Y arriba de los resultados, otra IA arma un resumen en lenguaje natural para que no tengas que leer fallo por fallo.
Faustino es el ejemplo típico de lo que vas a encontrar en la mayoría de las herramientas “con IA” que aparecen hoy en el mercado: una mezcla de algoritmos clásicos haciendo el trabajo pesado, con componentes de IA enchufados donde aportan valor real (entendimiento del lenguaje, búsqueda semántica, resúmenes). Saber dónde está cada cosa cambia completamente la conversación al evaluar una herramienta.
Por qué importa esto para un abogado
En contratos y propuestas comerciales. Cuando alguien te dice “este producto usa IA”, podés (y deberías) preguntar dónde exactamente. ¿En la búsqueda? ¿En el resumen? ¿En la decisión final? Un sistema que decide con IA tiene implicancias muy distintas a uno que solo usa IA para indexar. Lo que cambia con el tiempo y lo que se mantiene estable importa para acuerdos de nivel de servicio, para auditorías y para determinar responsabilidades cuando algo sale mal.
En regulación. La regulación de IA que se está desarrollando en Argentina y en el mundo distingue cada vez más entre tipos de sistemas: algoritmos de decisión automatizada, sistemas de aprendizaje continuo, modelos generativos. Saber dónde encaja una herramienta concreta es el primer paso para saber qué marco normativo le aplica. Y ya hay casos concretos: el TSJ porteño está contratando un sistema de IA por USD 550.000 para procesar expedientes, y todavía no se conoce públicamente qué tipo de IA es. Casi todos los tribunales del país utilizan algún tipo de LLM para ayudarse en sus tareas.
En comunicaciones con clientes. Cuando un cliente te pregunta si podés usar IA para algo concreto, saber qué hace cada tipo de sistema te permite dar una respuesta honesta, en lugar de la versión entusiasta o la versión paranoica que están de moda.
El límite que ningún nombre cambia
Algoritmo, machine learning, deep learning, IA, LLM, agente. Las etiquetas van a seguir cambiando. Va a haber categorías nuevas todos los años. Pero hay algo que ninguna de estas herramientas reemplaza: el criterio profesional del abogado que entiende el contexto del cliente, las implicancias humanas del caso y la responsabilidad de la firma al pie del escrito.
Las etiquetas cambian. Eso no.
Si querés seguir tirando del hilo, Cómo funciona la IA y los LLM entra más a fondo en cómo se entrenan los modelos modernos, y Qué es un agente de IA cubre el escalón siguiente: sistemas que no solo responden, sino que actúan.
¿Te quedó alguna duda con algún término que aparece en un contrato o en una propuesta? Escribime a nododelta@gmail.com.
Fuentes:
- IBM, AI vs Machine Learning vs Deep Learning vs Neural Networks
- TestLeaf, Machine Learning vs Deep Learning (2026)
- Glosario tech para abogados del propio blog: entradas de Algoritmo, Machine Learning, Deep Learning, LLM, Red neuronal, Embedding
