Y = f(x)  ·  fuentes × propósito  ·  Y = F(X)  ·  edición 2026

Cartografía del Modelado

Dos ejes ordenan todo lo que se puede hacer con datos: de dónde viene el modelo —de los datos o de la teoría— y para qué existe —asociar o causar. La IA generativa no rompe este mapa: ensancha un cuadrante y vuelve transitable el que estaba vacío.

Fuentes del modelo
Datos · aprendizaje de máquina
Teoría · aprendizaje humano
← Asociación · correlación Propósito del modelo Causación →
Descripción Predicción Explicación Simulación Optimización
Fila superior: el modelo nace de los datos Fila inferior: el modelo nace de la teoría Método incorporado o consolidado desde 2023

Subir no es mejorar

Moverse hacia arriba en el eje vertical no eleva la calidad del trabajo: cambia la fuente del conocimiento. Un MCO bien identificado sigue siendo superior a una red neuronal cuando la pregunta es por qué.

A la derecha se llega con diseño

Ningún volumen de datos mueve un modelo hacia la causación. Lo que desplaza a la derecha es un diseño de identificación: aleatorización, un instrumento creíble, una discontinuidad, un contrafactual.

Qué cambió con la IA

Los LLM y transformers ensancharon Q2 hasta texto, imagen y código. El aporte silencioso está en Q3: el ML flexible pasó a ser insumo de la estimación causal, no su rival.