¿Qué es un modelo fundacional?
Fundamentos, modelos y capacidades de IA
Un modelo fundacional es un modelo entrenado con datos amplios, generalmente mediante autosupervisión a escala, que puede adaptarse a muchas tareas posteriores. Es un punto de partida reutilizable, no un flujo de trabajo empresarial terminado. Muchos LLMs y modelos multimodales son modelos fundacionales, pero la aplicación, los controles de datos y el proceso de revisión siguen estando alrededor del modelo.
Revisado por Jackie, Head of Learning & Development, Levellers - Última revisión: 8 de junio de 2026
Qué significa esto
Un modelo fundacional es un modelo entrenado de forma amplia que puede adaptarse a muchos usos distintos. Se parece más a una capa de partida que a un producto terminado. Es posible consultarlo mediante instrucciones, ajustarlo, conectarlo a sistemas de recuperación o integrarlo en herramientas y flujos de trabajo.
Por eso el término importa. Los equipos suelen adquirir o probar un modelo y dan por sentado que han adoptado IA. En realidad, el modelo es solo una parte de la respuesta. El trabajo útil ocurre cuando ese modelo se adapta a un problema operativo real con reglas, acceso a datos, revisión y responsabilidad definida.
Por qué importa
Al comparar opciones de IA, el modelo fundacional es la parte que ofrece capacidad amplia en distintas tareas. Puede servir para redacción, clasificación, análisis visual o patrones de búsqueda y creación de IA generativa, según su diseño. Pero no entrega automáticamente un proceso de servicio terminado.
Para un equipo comercial, esta distinción es importante. Por lo general, no es necesario entrenar un modelo desde cero. Se elige un modelo de partida adecuado y luego se diseña el flujo de trabajo a su alrededor. Eso puede implicar instrucciones, recuperación de información, fine-tuning, salvaguardas y reglas de escalado.
Cómo funciona
El término proviene de la idea de un preentrenamiento amplio seguido de adaptación. El CRFM de Stanford describe los modelos fundacionales como modelos entrenados con datos amplios, generalmente mediante autosupervisión a escala, que pueden adaptarse a una amplia gama de tareas posteriores. NIST utiliza una definición actual similar.
En la práctica, la adaptación puede ocurrir de varias formas: instrucciones de consulta, instrucciones de sistema, recuperación desde fuentes aprobadas, fine-tuning o herramientas específicas de la aplicación. Algunos modelos fundacionales son exclusivamente de lenguaje. Otros son de visión o multimodales. No todo modelo fundacional es un modelo de frontera, y no todo flujo de trabajo necesita el extremo más avanzado del mercado.
Ejemplos
Usar un modelo de lenguaje de propósito general como capa de partida para resumir políticas con revisión humana.
Usar un modelo de visión y lenguaje entrenado de forma amplia para interpretar documentos mixtos en un flujo de trabajo de instalaciones o activos.
Construir un asistente de búsqueda sobre un modelo reutilizable más recuperación de material interno.
Adaptar un modelo base para varias tareas acotadas, como extracción, redacción y clasificación, con distintas instrucciones y controles.
Malentendidos frecuentes
Un modelo fundacional es un sistema de IA completo. No. Generalmente es un componente dentro de un servicio o producto más amplio.
Modelo fundacional y LLM significan lo mismo. Muchos LLMs son modelos fundacionales, pero los modelos fundacionales también pueden abarcar modelos de imagen o multimodales.
Modelo fundacional significa código abierto. Puede ser abierto o cerrado.
Si un modelo es de propósito general, encaja en cualquier flujo de trabajo. El flujo de trabajo sigue teniendo que diseñarse, gobernarse y revisarse.
Riesgos y límites
Una capacidad amplia genera una reutilización amplia, lo que también puede significar un riesgo amplio. La documentación puede ser limitada, los datos de entrenamiento pueden ser opacos y los equipos que los utilizan pueden sobreestimar lo que el modelo puede hacer de forma segura. Los reguladores de la UE distinguen ahora entre modelos de IA de propósito general y aquellos con riesgo sistémico, cada uno con obligaciones distintas.
Para la mayoría de las organizaciones, el límite práctico consiste en separar la capacidad del modelo del riesgo de despliegue. Un buen modelo de partida no elimina la necesidad de evaluación, permisos, gobernanza de fuentes, procesos de respaldo y supervisión humana.
Qué hacer a continuación
Antes de seleccionar un modelo, conviene describir por escrito el flujo de trabajo que se desea mejorar. Hay que definir las entradas, el resultado requerido, el punto de revisión, los datos sensibles involucrados y la tasa de error aceptable. Luego se comparan los modelos según esa necesidad operativa, en lugar de elegir únicamente por reconocimiento de marca.
¿Tiene alguna pregunta o sugerencia, o desea saber cómo investigamos y revisamos estas guías? Lea sobre nuestros estándares editoriales y cómo contactarnos.
Preguntas frecuentes
¿Un modelo fundacional es lo mismo que un modelo base?
Los términos se usan a menudo de forma similar, especialmente en el lenguaje de producto, pero no siempre son intercambiables. Modelo fundacional es el concepto más amplio: un modelo ampliamente adaptable entrenado con datos extensos.
¿Todo LLM es un modelo fundacional?
Muchos LLMs modernos lo son, pero la relación no es unidireccional. Los modelos fundacionales también pueden incluir modelos de lenguaje, imagen y multimodales.
¿Las organizaciones pequeñas necesitan construir su propio modelo fundacional?
Por lo general, no. La mayoría de los equipos obtiene mejores resultados seleccionando un modelo existente y construyendo los controles y la adaptación del flujo de trabajo a su alrededor.
¿En qué se diferencia un modelo fundacional de un sistema de IA?
Un sistema de IA incluye el modelo más las interfaces, el acceso a datos, las reglas de negocio, la monitorización y la supervisión humana. El modelo es solo una capa dentro de ese sistema.