IAConSentido · Guías y fuentes externas · Por Karine Boucher
Subes una foto y la IA te explica lo que aparece. Después añades un audio y también responde. Es fácil sentir que ahora dispone de todo el contexto… pero quizá falta precisamente el detalle que cambia la interpretación. Te recomiendo este artículo para entender qué significa trabajar con varios tipos de información.
Qué encontrarás en este recurso
Multimodality and Large Multimodal Models (LMMs), de Chip Huyen. Edición: 10 de octubre de 2023.
Chip Huyen explica sistemas que combinan modalidades como texto, imagen y audio, y distingue distintas formas de entrada y salida. Utiliza CLIP y Flamingo para presentar conceptos de entrenamiento y comenta líneas de investigación de 2023. Es divulgación técnica de una especialista, no una evaluación de todas las herramientas disponibles hoy.
Cómo te recomiendo utilizarlo
Antes de subir un archivo, revisa qué muestra además de lo que quieres preguntar. Una foto puede incluir un nombre, una ubicación o un documento al fondo. Después, separa lo que se observa de lo que la respuesta infiere. Te propongo pedir una descripción limitada a lo visible y comprobar personalmente los detalles que sostienen una decisión.
Una foto de un trabajo escolar:
Imagina que alguien utiliza IA para interpretar una hoja fotografiada. La imagen recorta una instrucción y la respuesta parece señalar un error del alumno. Antes de concluir nada, revisa la hoja completa y pregunta cómo resolvió el ejercicio. Es un ejemplo ficticio; el recurso no estudia ese caso.
Qué conviene tener presente
Que una herramienta acepte una imagen no permite asumir que interpreta bien cualquier imagen. Las referencias técnicas del artículo son de 2023. Consulta las capacidades y restricciones del producto que utilizas, y evita compartir información de otras personas que no necesitas para la tarea.
Riesgos humanos que te recomiendo observar
Cognición y criterio aparece al separar lo que una imagen muestra de lo que la IA infiere. Seguridad, privacidad y dignidad entra antes de subirla: te recomiendo revisar qué datos de otras personas podrían quedar expuestos.
Estas familias pertenecen a mi Taxonomía IAConSentido; la relación con este recurso es editorial y no supone un aval de su autor.
Consultar Multimodality and Large Multimodal Models (LMMs) · Explorar la biblioteca
Fuente consultada el 13 de noviembre de 2026. Karine Boucher · Especialista en Riesgos Humanos de la IA · Creadora del Método SENSE.