Definición
El aprendizaje no supervisado es entrenar un modelo con datos que no llevan la respuesta correcta. No hay etiquetas que imitar: lo que se le pide es que encuentre la estructura que ya está dentro de los datos.
Completa el trío con los otros dos modos de aprender:
| Qué recibe | Qué busca | |
|---|---|---|
| Supervisado | Ejemplos con su respuesta | Reproducir la respuesta |
| Por refuerzo | Una señal de recompensa | Maximizar esa recompensa |
| No supervisado | Solo los datos | La estructura que contienen |
Por qué importa tanto
Porque etiquetar es caro y los datos sin etiquetar son casi infinitos.
Un dataset supervisado exige que alguien haya marcado cada ejemplo con su respuesta. Eso limita el tamaño a lo que se pueda pagar. El no supervisado se alimenta de datos crudos: textos, imágenes, registros, cualquier cosa que exista ya.
Y ahí está la conexión con los modelos de lenguaje actuales. El preentrenamiento de un LLM es, en el fondo, esta idea: se le da texto y se le pide predecir la siguiente palabra. Nadie ha etiquetado nada — la «respuesta» es simplemente la palabra que venía después. Se le llama autosupervisado porque el propio dato genera su supervisión, y es lo que ha permitido entrenar con volúmenes que ninguna empresa podría haber etiquetado a mano.
Qué sabe hacer
Agrupar (clustering). Encontrar grupos naturales sin decirle cuáles son. Clientes que se comportan parecido, artículos que se piden juntos, averías con el mismo patrón.
Reducir dimensiones. Comprimir muchas variables en pocas que conserven lo importante. Es lo que permite dibujar en un plano algo que tenía cientos de dimensiones.
Detectar anomalías. Aprender qué es normal y señalar lo que se sale. Fraude, fallos de máquina, movimientos raros.
Aprender representaciones. Convertir cosas en vectores donde lo parecido queda cerca. Es exactamente lo que es un embedding.
Ejemplo práctico
En un catálogo con miles de referencias, el aprendizaje no supervisado responde una pregunta que el supervisado no puede: ¿qué grupos de clientes hay, sin que yo los defina antes?
La segmentación habitual se hace a mano: por facturación, por zona, por sector. Son categorías que impone quien las escribe. Un algoritmo de agrupación mira el comportamiento real —qué compran, cada cuánto, en qué cantidad, cómo reaccionan a los plazos— y saca los grupos que hay de verdad.
Lo interesante es cuando no coinciden. Aparecen clientes que en el organigrama comercial están en cajones distintos y que se comportan igual, y clientes del «mismo tipo» que no se parecen en nada. Eso es información que nadie tenía.
Lo que aprendí, y es la advertencia principal: el resultado de un modelo no supervisado no viene con nombre. Te da cinco grupos y nadie te dice qué significan. Interpretarlos es trabajo humano, y es donde se cuela el error: es facilísimo mirar un grupo y contarse una historia bonita que no está en los datos.
La forma de no engañarse: antes de mirar los grupos, escribir qué esperarías encontrar. Si el algoritmo saca justo eso, no has aprendido nada nuevo; si saca otra cosa, ahí hay algo que investigar. Sin esa disciplina, el clustering se convierte en un generador de confirmaciones.
Y una segunda: si cambiar el número de grupos que le pides cambia por completo la historia, es que la estructura no era tan clara como parecía.
Errores comunes
- Esperar que los grupos vengan explicados. No vienen: hay que interpretarlos.
- Elegir el número de grupos por lo bonito del resultado en vez de por criterios de calidad del agrupamiento.
- No normalizar las variables. Si una está en euros y otra en unidades, la de números grandes domina y el resultado no significa nada.
- Contarse la historia después de ver el resultado.
- Confundirlo con magia. Si los datos no tienen estructura, el algoritmo devuelve grupos igualmente — grupos sin sentido.
- Usarlo cuando en realidad tienes etiquetas. Si sabes la respuesta de algunos ejemplos, el supervisado va a funcionar mejor.
Cuándo usarlo
Cuando quieres descubrir algo, no predecirlo: qué segmentos existen, qué es anómalo, cómo se relacionan entre sí cosas que tienes sueltas.
Y como paso previo: agrupar o reducir dimensiones antes de un modelo supervisado suele mejorar el resultado, porque le entregas datos ya ordenados.
