Conocimiento · Fundamentos de IA

Temperatura · configuración de muestreo

Temperature (Sampling)

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

¿Qué es la temperatura?

Definición en una línea
Parámetro que regula el grado de aleatoriedad y creatividad de las respuestas de la IA. Con valores bajos, las respuestas son consistentes y estables; con valores altos, son variadas y creativas.
Este tema, en capacitación interna📚 Curso relacionado💬 Consulta de capacitación
⚡ Resumen en 3 líneas
  • Control de la aleatoriedad y la creatividad de las respuestas
  • Baja: consistente. Alta: variada.
  • Configurar según el uso

Al subir la temperatura, lo primero que cambia no es el contenido de la respuesta, sino la variación de las respuestas cuando se hace diez veces la misma pregunta. Si se mantiene cerca de 0, de cada diez veces casi nueve darán una frase muy parecida, lo que facilita la revisión y la reproducibilidad; si se pasa de 1, la estructura de las frases y la elección de palabras cambian en cada intento y es difícil obtener el mismo resultado otra vez. Por eso, en la práctica, la temperatura no es una palanca para subir la «inteligencia», sino un mando que decide cuánta reproducibilidad de los resultados se cambia por variedad. El conocimiento y la capacidad de razonamiento siguen igual; solo se regula la amplitud de la variación. Para hacer una prueba A/B, hay que anotar y fijar el valor de ambos lados para que la comparación tenga sentido.

El rango de valores varía según el modelo. En la familia de OpenAI va de 0 a 2, muchos modelos de código abierto usan de 0 a 1, y el valor predeterminado suele estar cerca de 0.7. En la práctica, para clasificación, extracción, resúmenes y código se usa de 0 a 0.3; para respuestas de atención al cliente o borradores de informes, de 0.4 a 0.7; y para nombres, eslóganes o ideas de concepto, de 0.9 a 1.2. Se confunde fácilmente con Top-p, pero la temperatura ajusta toda la distribución de probabilidades, aplanándola o afilándola, mientras que Top-p conserva solo los candidatos de mayor probabilidad acumulada y descarta el resto. Si se mueven ambas con mucha fuerza a la vez, sus efectos se superponen y el control se vuelve difícil, por eso normalmente se fija una y se mueve la otra. También conviene saber que en el chat común este valor no se muestra y solo se puede ajustar en la API o en el área de pruebas (playground).

La idea más común es que, si se baja la temperatura a 0, el modelo no dice cosas falsas. En realidad, la temperatura no es un mecanismo de verificación de hechos, sino un regulador de la variación en la forma de expresarse. Incluso con 0, el modelo puede citar con total seguridad un número de artículo o un precedente que no existe. Es más: como no hay variación, se equivoca siempre igual, y por eso el revisor a veces no detecta el error. En cambio, en tareas donde la respuesta debe ser única, como informar normas internas o calcular cotizaciones, usar el valor predeterminado 0.7 puede causar errores: a la misma pregunta se pueden dar dos plazos de devolución, de 7 y de 14 días. Incluso con temperatura 0, el orden de las operaciones puede impedir que la salida sea idéntica en todos los casos, así que para información normativa conviene adjuntar el texto original en lugar de confiar en la temperatura. Cuando se necesitan resultados creativos, también es más eficaz cambiar las condiciones y los ejemplos del prompt que subir la temperatura.

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
Como el dial de una radio: al bajarlo, las respuestas son estables; al subirlo, son creativas pero impredecibles.
Por qué es importante en la práctica
Con el mismo prompt, el resultado cambia según la temperatura. Conocer este ajuste permite calibrar los resultados de la IA según el objetivo.
Origen y fuentes

Proviene del concepto estadístico que regula la «agudeza» de una distribución de probabilidad (temperatura softmax), y se usa como parámetro estándar para controlar la diversidad de las respuestas de la IA generativa.

Entender con un caso

Veamos un caso hipotético. Se trata del equipo de atención al cliente de A, una empresa de electrodomésticos con unos 240 colaboradores y ventas anuales de unos KRW 60,000,000,000 (≈ US$44,908,200). Al conectar un chatbot de consultas mediante API, la temperatura se dejó en el valor predeterminado de 0.7 durante tres meses. Ante la misma pregunta sobre el «plazo de cambio», las respuestas se dividían entre 7 y 14 días, y en dos meses se recibieron 31 quejas por información incorrecta.

  1. El líder de equipo Park, del equipo de CS, extrajo 50 preguntas iguales de los registros de consultas y las comparó: la respuesta sobre el reglamento de devoluciones tenía cuatro versiones distintas. En la reunión alguien comentó: «no parece un problema de las personas, sino de configuración».
  2. El jefe de sección Kim, del equipo de desarrollo, bajó la temperatura a 0.2 solo en la llamada de orientación sobre normas, y reescribió el prompt para que pegue como respaldo de la respuesta el párrafo original del reglamento interno.
  3. Al volver a ejecutar la misma pregunta 50 veces para comprobar la reproducibilidad, las respuestas con cifras de reglamento incorrectas bajaron de 11 a 1, y el líder de equipo Park aprobó su aplicación en operación.
  4. En cambio, al subir la temperatura a 0.9 para los textos de recomendación de regalos se obtuvieron hasta 20 propuestas por día, y el asistente Lee, del equipo de Marketing, adoptó 3 de ellas como textos reales para banners.
  5. Seis semanas después, las quejas por información incorrecta sobre cambios y devoluciones bajaron de 15 al mes a 2, y el tiempo de segunda atención, en la que el agente volvía a verificar, se redujo de un promedio de 9 minutos por caso a 4 minutos.
Términos relacionados
Capacitaciones relacionadas con este término
📚Funciones básicas de Claude CoworkCapacitación 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

Si la precisión es lo más importante, se suele dejar baja (por ejemplo, de 0 a 0.3); si se necesita creatividad, alta (por ejemplo, de 0.7 a 1).
A más variedad, también pueden aumentar las respuestas descabelladas o imprecisas. En realidad, para tareas que exigen precisión, una temperatura baja es lo más seguro.
Si se necesita precisión y consistencia, se usa un valor bajo (0 a 0.3); si se necesita creatividad y variedad, un valor alto (0.7 a 1).
A más variedad, también puede aumentar la probabilidad de respuestas descabelladas. Si lo importante es la exactitud, conviene bajarla.