Conocimiento · Fundamentos de IA

Multimodal

Multimodal AI

📂Fundamentos de IA⏱Lectura de 2 min📊Básico🔗Relacionados 4

¿Qué es lo multimodal?

Definición en una línea
Una IA que comprende y genera información de varias formas (modalidades) a la vez: texto, imágenes, audio y video.
Este tema, como capacitación interna📚 Cursos relacionados💬 Consulta de capacitación
⚡ Resumen en 3 líneas
  • Texto + imagen, audio y video procesados juntos
  • Usar material real tal cual
  • Compatible con la mayoría de los modelos recientes

Lo que realmente cambia la multimodalidad en la práctica es el trabajo previo a introducir datos en la IA. Antes había que escribir a máquina un contrato escaneado, pasar las cifras del panel a una tabla y transcribir la grabación de una reunión antes de poder usar la IA. Basta con subir el material tal como está, sin procesarlo, para que desaparezca el trabajo manual que ocupaba la etapa de preparación. Por eso la pregunta al evaluar su adopción también cambia: de «¿puede la IA hacer esta tarea?» a «¿puede la IA leer este material?».

Al evaluarlo, hay que separar la entrada multimodal y la salida multimodal. El uso empresarial es, en su mayoría, de entrada: se ingresan imágenes, PDF o audio y la respuesta llega como texto. La salida, que genera imágenes o audio, suele ser otro modelo o tener otro esquema de precios. OCR también cumple un rol distinto: OCR destaca en extraer texto con precisión y con su posición, mientras que lo multimodal destaca en interpretar qué significa esta tabla. Si hay cientos de documentos con formato fijo, conviene extraer el texto con OCR y luego ingresarlo: sale más barato y más preciso. Las imágenes consumen tokens según su resolución, así que si se envían capturas de alta resolución tal cual, el costo sube más de lo esperado.

En la práctica, el error más común es creer que la IA “mira como una persona”. Lee bien la tendencia de un gráfico, pero estima por su cuenta los valores entre las marcas de escala, y en tablas con muchas celdas combinadas cruza filas y columnas. Los 1 y 7 manuscritos y las líneas de cota de los planos también son puntos típicos de error. El problema es que en lugar de decir que no lo sabe, rellena con un número plausible, y si eso llega tal cual al informe, nadie lo nota. Hay que incluir en el prompt la instrucción de “dejar en blanco lo que no se pueda leer” y añadir un paso de revisión que contraste con los valores originales. También es común subir una captura completa y que con ella viajen el nombre del cliente o datos personales, así que conviene acostumbrarse a ocultar esos datos antes de cargar el archivo.

Capacitaciones en las que aparece este término · IA·DX
Cursos recomendados · Instructores recomendados · Mini cotización
🧮 Mini cotización · Criterio de honorarios
Aprox. KRW 1,200,000 (≈ US$900)Charla especial de 2 horas · hasta 20 personas · en coreano
Solicitar cotización formal con estas condiciones →
💡 Dicho de forma sencilla
La IA que solo leía texto ahora también ve y escucha: entiende fotos, pantallas y voz tal como son.
Por qué es importante en la práctica
Como el trabajo real no está hecho solo de texto, la multimodalidad es la llave para usar la IA en tareas reales de la empresa.
Origen y fuentes

Concepto que engloba el procesamiento conjunto de varias modalidades, como texto e imágenes. Se difundió rápidamente a partir de 2021 con CLIP y DALL·E, de OpenAI.

Entender con un caso

Veamos un caso hipotético. La empresa A, fabricante de piezas de automóviles (260 colaboradores, ingresos anuales de KRW 48,000,000,000 (≈ US$35,926,500)), sigue anotando a mano sus registros de inspección en planta. En 3 líneas salen unas 40 hojas al día, cerca de 900 hojas manuscritas al mes, y dos empleados de calidad dedican 14 horas semanales solo a pasarlas a Excel. Las fotos de defectos circulan aparte por el chat grupal y ni siquiera se vinculan con el registro.

  1. Kim, gerente de sección de calidad, escaneó 30 hojas de registro de inspección del mes pasado, las subió tal cual y pidió: “Extrae en una tabla solo los ítems, los valores y las observaciones especiales”. La IA leyó 27 hojas; en 3, la tinta corrida dejó vacíos los valores.
  2. Para no inventar celdas vacías, se agregó al prompt la instrucción «si no se puede leer, marcar obligatoriamente como [Verificar]». Los ítems ilegibles quedaron en la tabla tal cual, y los casos a revisar se redujeron a 4 de las 30 hojas.
  3. Al subir fotos de defectos junto con el registro para que determinara a qué ítem correspondían, el líder de equipo Park, del área de Producción, comentó: «Lo más valioso es no tener que escribir a mano la descripción de cada foto».
  4. En una captura de un plano con líneas de cota superpuestas, la IA leyó 12.5 mm como 1.25 mm en dos ocasiones, así que fijamos la regla de no delegar los planos en la IA multimodal y adjuntar en su lugar los valores de cota del CAD original.
  5. Tres meses después, el tiempo de ingreso de los registros de inspección bajó de 14 horas semanales a 3 horas, y al unir las fotos con los registros, la preparación de la reunión sobre causas de defectos bajó de 2 horas a 1.
Términos relacionados
Herramientas de IA relacionadas
Capacitaciones relacionadas con este término
📚Capacitación en ChatGPT y herramientas de IACapacitación corporativa de Nanum Consultoría · presencial/en líneaVer curso →
¿Necesita capacitación interna sobre este tema?
Reciba de inmediato un currículo y una cotización personalizados para su equipo.
Consultar sobre capacitación
Última modificación 2026-09-13 · Revisado por John Kim

Preguntas frecuentes

Depende del modelo. Hay modelos que solo «comprenden» imágenes y otros que además «generan».
Puede analizar directamente documentos escaneados, capturas de pantalla y tablas, sin necesidad de pasarlos antes a texto.
Comprender y generar son cosas distintas. Lo multimodal hace «comprensión de imágenes», mientras que la generación la realiza un modelo aparte (de difusión).
Al poder usar tal cual escaneos, capturas de pantalla y material de reuniones en video, el campo de aplicación se amplía notablemente.