El mapa de herramientas: chat, imagen, voz, código, búsqueda y agentes

La forma más útil de ordenar el mundo de la IA no es por marca sino por qué recibe y qué devuelve la herramienta. A eso se le llama entrada y salida. Con ese criterio, casi todo lo que existe hoy cae en seis familias:

• Chat (texto → texto). Le escribes y te responde escribiendo. Sirve para redactar, resumir, explicar, traducir, reformular, ordenar ideas. Es la familia más general y por eso la más usada.
• Imagen (texto → imagen, o imagen → imagen). Describes una escena y te la dibuja, o le pasas una foto y te la edita. Sirve para ilustraciones, portadas, bocetos, íconos.
• Voz (audio → texto, y texto → audio). En un sentido, transcribe lo que se dijo; en el otro, lee un texto en voz alta. Son dos cosas distintas dentro de la misma familia.
• Código (texto → código). Escribe, corrige y explica programas. Vive dentro del editor donde programas, no solo en un chat.
• Búsqueda con IA (pregunta → respuesta con fuentes). Consulta internet en el momento y te responde citando de dónde sacó cada cosa.
• Agentes (objetivo → acciones). No solo te responden: ejecutan pasos. Abren páginas, llenan campos, corren programas, encadenan tareas.

Hay una diferencia de fondo entre las primeras cinco y la última. Las cinco primeras producen un resultado que tú revisas antes de usarlo. Un agente actúa en el mundo mientras tú no estás mirando. Eso cambia por completo el nivel de cuidado que necesitas, y volveremos a ello.

Muchas herramientas ya combinan familias en una sola ventana: le pegas una foto y hablas de ella, o le dictas y te responde escrito. A eso se le dice multimodal (que maneja varios tipos de contenido: texto, imagen, audio). Que estén juntas no significa que sean lo mismo: por dentro siguen siendo capacidades distintas, con calidades distintas. Una herramienta puede ser excelente en chat y mediocre en imagen.

Esta es la confusión que más caro le sale a la gente, y la que dejó a Camila con una cifra inventada.

Un chat responde desde lo que aprendió durante su entrenamiento. Como viste en la lección 3, eso significa que está prediciendo texto plausible: tiene una fecha de corte de conocimiento y no está mirando internet mientras te responde. Si le preguntas por un requisito de un trámite, un precio actual o una noticia reciente, puede devolverte algo que suena perfecto y es falso. Eso es una alucinación: una respuesta inventada con tono seguro.

Una herramienta de búsqueda con IA hace otra cosa: primero busca páginas en internet, las lee, y luego redacta una respuesta pegando enlaces a las fuentes. Sigue pudiendo equivocarse —puede citar una página mala o resumirla torcido—, pero te da algo decisivo: puedes ir a verificar. Si un dato no tiene enlace, trátalo como no verificado.

Regla práctica para escoger:

• ¿La respuesta depende de un hecho del mundo, con fecha, cifra, norma o nombre propio? → búsqueda con fuentes, y abre al menos un enlace.
• ¿La respuesta depende de tu propio material o de una habilidad de redacción? → chat.

Resumir un texto que tú le pegas es chat: el material ya está ahí, no hay nada que buscar. Explicarte qué es la fotosíntesis es chat: es conocimiento estable. Decirte el requisito vigente de un trámite en 2026 es búsqueda, y aun así lo confirmas en la página oficial de la entidad.

Hoy la línea se está borrando: varios chats populares hacen búsqueda cuando detectan que la necesitan, o cuando activas la opción. Por eso, más que elegir producto, elige modo: si la respuesta trae enlaces, estás en modo búsqueda; si no trae ninguno, estás en modo memoria del modelo. Mirar si hay enlaces es el hábito que te protege.

Voz. Tiene dos direcciones que conviene no mezclar. La primera es transcripción (audio → texto): le das una grabación y te devuelve lo dicho, escrito. Sirve para clases grabadas, entrevistas de trabajo de campo, reuniones, notas de voz de WhatsApp. Es de lo más rentable que existe: una hora de audio que te tomaría tres horas transcribir a mano sale en minutos, y después le pides a un chat que te la resuma. Ojo: con acento colombiano funciona bien, pero se equivoca con nombres propios, siglas y palabras muy locales, así que siempre se revisa. La segunda dirección es síntesis de voz (texto → audio): convierte un texto en alguien leyéndolo. Sirve para escuchar tus apuntes en el bus o para narrar un video.

Imagen. Le describes lo que quieres y te lo genera. Funciona muy bien para ilustración, ambiente, bocetos y conceptos; funciona mal cuando necesitas precisión literal: texto dentro de la imagen suele salir deformado, y los datos de un gráfico se los inventa. Un generador de imágenes no es la herramienta para hacer una gráfica de tus datos —eso se hace con una hoja de cálculo o pidiéndole código a un chat. Y hay un punto ético que no se puede saltar: estos modelos se entrenaron con obra de personas reales, y generar la cara de alguien identificable o imitar el estilo de un artista vivo para publicarlo es terreno delicado. Para trabajos académicos, declara siempre que la imagen fue generada con IA.

Código. Un chat general ya escribe y corrige código bastante bien; las herramientas especializadas viven dentro del editor, ven todos tus archivos y completan mientras escribes. Lo importante no es cuál usas sino cómo lo usas: pega el mensaje de error completo, no lo resumas; cuenta qué esperabas y qué pasó; y ejecuta siempre lo que te dé antes de creerle. El código con errores tiene una ventaja enorme sobre el texto con errores: el computador te avisa cuando está mal.

Un agente es una IA a la que le das un objetivo, no una pregunta, y que ejecuta pasos por su cuenta para lograrlo: navega páginas, llena formularios, lee y escribe archivos, corre programas, y decide sobre la marcha cuál es el siguiente paso. La diferencia con un chat es la misma que hay entre pedirle a alguien una receta y pedirle que te haga el almuerzo.

Por dentro no hay magia nueva: es el mismo modelo de lenguaje de la lección 3, pero conectado a herramientas que puede invocar, y metido en un ciclo de "piensa → actúa → mira el resultado → vuelve a pensar". Eso lo hace potente para tareas de varios pasos aburridas y repetitivas. También lo hace más frágil: si en el paso 3 se equivoca, los pasos 4 a 10 se construyen sobre el error, y el error final puede quedar muy lejos del original. Es lo que a veces se llama acumulación de errores.

Tres reglas antes de soltar un agente:

• Ámbito acotado. Dale una tarea concreta y verificable, no "organízame la vida". Entre más abierto el objetivo, más se pierde.
• Nada irreversible sin ti. Enviar correos, publicar, pagar, borrar archivos, aceptar términos: esos pasos los confirmas tú. Un agente no debería tener tus contraseñas ni tu tarjeta.
• Revisa el rastro, no solo el resultado. Estas herramientas muestran los pasos que dieron. Léelos: ahí se ve si buscó donde debía o si se inventó el camino.

Un caso donde sí valen la pena: recopilar información de varias páginas y armar una tabla comparativa; reorganizar y renombrar un montón de archivos con una regla clara; probar un programa y reportar qué falló. Un caso donde no: cualquier cosa que involucre tu plata, tus datos personales o un trámite oficial. Ahí el ahorro de tiempo no compensa el riesgo, y además muchas entidades exigen que el trámite lo haga la persona.

A 2026 los agentes están en su etapa de promesas grandes y resultados desparejos. Úsalos, pero con la mano cerca del freno.

El árbol de decisión. Cuatro preguntas en orden y ya sabes qué abrir:

1. ¿Qué formato necesito de salida? Texto → chat. Imagen → generador de imágenes. Audio → voz. Programa que corra → código. 2. ¿La respuesta depende de hechos actuales o verificables? Sí → búsqueda con fuentes. No → chat. 3. ¿Necesito que se haga algo, no que me lo digan? Sí → agente, acotado. 4. ¿Lo que voy a subir es sensible? Si sí, cambia de plan (ver abajo) antes de subir nada.

Qué significa "gratis". En 2026 casi todas las familias tienen plan gratis usable desde Colombia, pero "gratis" viene en tres sabores y conviene distinguirlos:

• Gratis con límite de uso: te dan cierta cantidad de mensajes, imágenes o minutos por día o por mes; al pasarte, te bajan a un modelo más flojo o te toca esperar. Es lo más común.
• Gratis con tus datos: el plan gratuito puede usar tus conversaciones para entrenar. Casi siempre hay una opción para desactivarlo en la configuración de privacidad; búscala el primer día.
• Gratis de verdad: herramientas abiertas que corren en tu propio computador. No dependen de nadie y nada sale de tu máquina, pero necesitan un equipo decente y más trabajo de instalación.

Si eres estudiante, revisa si tu universidad ya tiene convenio: varias instituciones colombianas dan acceso institucional a suites con IA. Vale la pena preguntar en la biblioteca o en sistemas antes de pagar algo.

Lo que no se sube, en ninguna herramienta. Cédulas, historias clínicas, datos de terceros que no autorizaron, resultados de investigación sin publicar, contraseñas, información laboral confidencial. En Colombia el manejo de datos personales está regulado y subir datos de otras personas a un servicio extranjero puede meterte en problemas legales, no solo éticos. La regla mental es simple: si no lo pegarías en un grupo de WhatsApp de 200 desconocidos, no lo pegues en un chat de IA. Si necesitas trabajar con datos sensibles, anonimízalos antes: reemplaza nombres y números por etiquetas como PERSONA_1, CC_1.