# Cómo ChatGPT elige la siguiente palabra

Episodio de [BIMPRAXIS](https://escuchario.semeescucha.es/podcast/bimpraxis), de Julio Pablo Vazquez.

- Publicado: 8 de enero de 2026
- Duración: 18 min
- Episodio 9
- Audio: https://op3.dev/e,pg=03751c6b-ec94-586c-995c-663c97dd7569/podcast.bimpraxis.com/audio/@bimpraxis/como-chatgpt-elige-la-siguiente-palabra.mp3
- Página: https://escuchario.semeescucha.es/podcast/bimpraxis/episodio/6910877-como-chatgpt-elige-la-siguiente-palabra

## Sobre este episodio

En este episodio, desmitificamos la aparente “magia” detrás de los Grandes Modelos de Lenguaje (LLM) para entender qué sucede realmente en el milisegundo que transcurre desde que enviamos un prompt hasta que aparece el texto. Contrario a la intuición, descubrimos que el modelo no tiene una respuesta predefinida ni un plan oculto; genera el contenido una pieza a la vez, construyendo la respuesta sobre la marcha mediante un proceso puramente probabilístico y no a través de un entendimiento consciente. Analizamos cómo el sistema evalúa constantemente más de 100.000 opciones posibles para elegir el siguiente fragmento de información. Nos adentramos en la arquitectura técnica desglosando las cinco etapas críticas del proceso: desde la tokenización, que convierte palabras en secuencias numéricas, hasta los embeddings, que transforman esos números en vectores de significado capaces de entender relaciones semánticas (como la cercanía entre “Python” y “JavaScript”). Exploramos el funcionamiento del Transformer y su mecanismo de “atención”, que permite al modelo entender el contexto de una frase, y detallamos cómo parámetros como la temperatura y el sampling controlan la delgada línea entre una respuesta precisa y una incoherente. Finalmente, discutimos las implicaciones prácticas de esta mecánica para el uso profesional de la IA. Explicamos por qué ocurren las “alucinaciones” —el modelo prioriza patrones de plausibilidad sobre la verdad fáctica— y por qué los límites de contexto son una restricción computacional cuadrática inevitable y no una decisión arbitraria del software. Concluimos que comprender que la IA es un mecanismo de predicción y no una fuente de verdad es esencial para controlar mejor sus resultados en tareas técnicas y de programación.

Anterior: [Karen Hao: OpenIA funciona como un nuevo imperio colonial](https://escuchario.semeescucha.es/podcast/bimpraxis/episodio/6910878-karen-hao-openia-funciona-como-un-nuevo-imperio-colonial)
Siguiente: [La IA ya tiene un servicio diplomático para intermediar por ti ¿Qué son los MCP (Model Context Protocol)?](https://escuchario.semeescucha.es/podcast/bimpraxis/episodio/6910876-la-ia-ya-tiene-un-servicio-diplomatico-para-intermediar-por-ti-que-son-los-mcp)

## Últimos episodios de BIMPRAXIS

- [E118_Khoj AI + Pipali + GBrain El Segundo Cerebro Digital de Código Abierto](https://escuchario.semeescucha.es/podcast/bimpraxis/episodio/6910768-e118-khoj-ai-pipali-gbrain-el-segundo-cerebro-digital-de-codigo-abierto) · 20 de agosto de 2026 · 20 min
- [E117_Domina NotebookLM con un Servidor MCP y Funciones Ocultas de IA](https://escuchario.semeescucha.es/podcast/bimpraxis/episodio/6910769-e117-domina-notebooklm-con-un-servidor-mcp-y-funciones-ocultas-de-ia) · 18 de agosto de 2026 · 27 min
- [E116_Tiiny, un gadget de bolsillo con 128GB de inferencia](https://escuchario.semeescucha.es/podcast/bimpraxis/episodio/6910770-e116-tiiny-un-gadget-de-bolsillo-con-128gb-de-inferencia) · 16 de agosto de 2026 · 17 min
- [E115_Neuralwatt provee inferencia IA pero cobra por kWh en vez de por tokens y sale baratísimo](https://escuchario.semeescucha.es/podcast/bimpraxis/episodio/6910771-e115-neuralwatt-provee-inferencia-ia-pero-cobra-por-kwh-en-vez-de-por-tokens-y) · 13 de agosto de 2026 · 27 min
- [E114_Microsoft And DeepSeek Are Launching New AI Together](https://escuchario.semeescucha.es/podcast/bimpraxis/episodio/6910772-e114-microsoft-and-deepseek-are-launching-new-ai-together) · 11 de agosto de 2026 · 18 min