ChatGPT no es la IA: es solo una de sus ramas. El reto está en que líderes visionarios sepan combinar todas sus formas en beneficio de las organizaciones y del desarrollo sostenible.”

En medio del hype de ChatGPT y los modelos de lenguaje, corremos el riesgo de reducir la inteligencia artificial a una sola herramienta. Sin embargo, la IA es un ecosistema mucho más amplio: desde machine learning hasta visión artificial y sistemas de recomendación. La clave no está en elegir el modelo más popular, sino en que el liderazgo humano sepa integrarlos con propósito para generar valor real y sostenible.

Pensar que la inteligencia artificial (IA) se reduce a ChatGPT es como creer que Google es internet: una simplificación tentadora, pero equivocada. En los últimos años, la conversación pública y empresarial ha quedado atrapada en el hype de los Large Language Models (LLM). Se habla de sus capacidades para redactar textos, responder preguntas o incluso diseñar estrategias, mientras se invisibiliza un ecosistema más amplio de modelos de IA que ya están transformando silenciosamente sectores críticos.

El problema es que este sesgo puede llevar a malas decisiones. Al mirar solo a los LLM, corremos el riesgo de ignorar modelos que son los que realmente resuelven los desafíos más urgentes de nuestras sociedades: desde la salud y la educación hasta la sostenibilidad ambiental.

Aquí es donde el liderazgo humano resulta indispensable. La IA, por poderosa que sea, no sustituye la capacidad de juicio, priorización y visión estratégica que se requiere para orientar su uso. La verdadera tarea de los líderes no es elegir el modelo más famoso, sino comprender el mapa completo y decidir qué tecnología aporta valor en beneficio de la organización y de la sociedad.

En otras palabras: no se trata de correr detrás de la moda, sino de guiar el cambio tecnológico con propósito.

Los Large Language Models son apenas una rama de un árbol mucho más amplio. Existen, por ejemplo, los modelos de machine learning tradicionales, que predicen tendencias o clasifican datos con algoritmos como regresión o árboles de decisión; los modelos de deep learning, basados en redes neuronales profundas que permiten reconocer imágenes o voces; los modelos de visión artificial, diseñados para procesar imágenes y videos; y los modelos de recomendación, que personalizan experiencias en plataformas digitales. También están los modelos generativos, capaces de crear contenido nuevo, y los modelos fundamentales, que sirven como base adaptable para múltiples aplicaciones. En conjunto, estos sistemas muestran que la IA no es una sola tecnología, sino una constelación diversa de enfoques y herramientas.

Tres datos que cambian la conversación

  1. El mercado global es más grande que los LLM. Según McKinsey, la IA generativa (donde están los LLM) generará entre 2,6 y 4,4 billones de dólares anuales. Una cifra enorme, sin duda. Pero el mercado total de IA —que incluye machine learning, visión por computadora, optimización y otros modelos— superará los 15 billones hacia 2030, de acuerdo con PwC y Gartner. La mayor parte del valor provendrá de integrar distintos modelos en procesos organizacionales, no de un solo enfoque.
  2. América Latina ya tiene casos transformadores fuera del lenguaje. La CEPAL y el BID documentan que hospitales en Brasil han implementado IA para radiología, logrando diagnósticos más precisos y reduciendo tiempos de espera. En México y Colombia, proyectos de machine learning permiten predecir el abandono escolar y ofrecer intervenciones personalizadas que mejoran la retención estudiantil. Ninguno de estos avances depende de LLM, sino de modelos diseñados para tareas específicas.
  3. El hype no refleja toda la realidad. De acuerdo con Google Trends, ChatGPT llegó a captar hasta el 9% de las búsquedas digitales globales en 2025, opacando otros modelos de IA menos visibles, pero ampliamente adoptados, como Gemini, Copilot, sistemas de recomendación o visión artificial. Statista confirma que ChatGPT es la herramienta más usada, pero no la única: el panorama es mucho más diverso.

Estos tres datos apuntan a lo mismo: la IA es un universo en expansión y el liderazgo humano es el que debe dar sentido a esa diversidad.

Un liderazgo responsable debería hacerse tres preguntas antes de implementar cualquier modelo de IA:

  1. ¿Qué problema estratégico o social quiero resolver?
  2. ¿Cuál es el modelo más adecuado para ese desafío?
  3. ¿Cómo garantizo que su uso genere valor organizacional y contribuya al desarrollo sostenible?

La respuesta puede variar según el sector:

  • En retail, un modelo de recomendación puede reducir desperdicios de inventario y aumentar la satisfacción del cliente.
  • En salud, la visión artificial puede mejorar diagnósticos tempranos y salvar vidas.
  • En educación, la predicción de riesgo puede ayudar a mantener a más estudiantes en el sistema.
  • En gestión pública, los LLM pueden servir para hacer más accesible y transparente la información ciudadana.

Cada modelo tiene su lugar, y el liderazgo debe asegurarse de que ese lugar esté alineado tanto con los objetivos de la organización como con el bienestar colectivo.

El futuro de la inteligencia artificial no dependerá de elegir el modelo más ruidoso ni el más sofisticado, sino de líderes capaces de combinar distintos enfoques para generar valor organizacional y progreso social. Más allá de ChatGPT y los LLM, la verdadera innovación ocurrirá cuando la tecnología se ponga al servicio del desarrollo sostenible y de decisiones humanas más inteligentes, estratégicas y humanas.

Este artículo representa el criterio de quien lo firma. Los artículos de opinión publicados no reflejan necesariamente la posición editorial de este medio. Delfino.CR es un medio independiente, abierto a la opinión de sus lectores. Si desea publicar en Teclado Abierto, consulte nuestra guía para averiguar cómo hacerlo.