Por qué tu rival de ajedrez no es ChatGPT: IA de juegos frente a modelos de lenguaje

Por Dawid Siedlarz · · 6 min de lectura

Jugar a Ajedrez gratis →

Respuesta corta: Un motor de ajedrez y un chatbot son tipos distintos de IA. Los motores como Stockfish exploran las jugadas posibles con poda alfa-beta y evalúan posiciones, así que nunca hacen una jugada ilegal y vencen a cualquier humano. Los grandes modelos de lenguaje como ChatGPT predicen las siguientes palabras de un texto; en pruebas publicadas (ChessArena 2025, Kaggle Game Arena 2025) pierden la pista del tablero, proponen jugadas ilegales y juegan a nivel aficionado o por debajo.

Con chatbots por todas partes, es habitual preguntarse si el rival por ordenador de un juego de ajedrez es «una IA como ChatGPT». No lo es, y la diferencia explica mucho sobre para qué sirve cada tipo de IA. La IA de los juegos lleva setenta años de ventaja, funciona de un modo completamente distinto y en su terreno es mucho más fuerte.

Cómo funciona la IA clásica de los juegos: búsqueda

Un programa de ajedrez mira la posición, enumera todas las jugadas legales, después cada respuesta, después cada respuesta a esa respuesta, y así construye un árbol de posiciones futuras. Al final de cada rama evalúa la posición (material, seguridad del rey, actividad de las piezas) y calcula hacia atrás suponiendo que ambos bandos juegan lo mejor posible. Es la idea del minimax.

El árbol crece de forma explosiva, por eso los motores usan la poda alfa-beta: en cuanto se demuestra que una jugada es peor que una opción ya encontrada, se descarta el resto de esa rama. Con un buen orden de jugadas, el programa busca mucho más profundo en el mismo tiempo sin cambiar el resultado.

Dos hitos muestran hasta dónde llegó esto:

  • Deep Blue (IBM, 1997) venció al campeón del mundo Garri Kaspárov en un match a seis partidas en condiciones de torneo. IBM dice que evaluaba 200 millones de posiciones por segundo con 32 procesadores.
  • Stockfish, el motor gratuito más fuerte, combina la búsqueda alfa-beta con una pequeña red neuronal llamada NNUE que evalúa posiciones. El equipo de Stockfish introdujo NNUE en agosto de 2020 e informó de una mejora de más de 80 puntos Elo en sus pruebas.

Aprender en lugar de reglas escritas a mano: AlphaZero

En 2017 DeepMind presentó AlphaZero, descrito en Science en 2018. Empezó jugando al azar y aprendió ajedrez, shogi y go jugando contra sí mismo, sin partidas humanas y sin más conocimiento que las reglas. DeepMind informa de que en ajedrez superó a Stockfish por primera vez tras solo 4 horas de entrenamiento.

AlphaZero sigue siendo IA de juegos, no un modelo de lenguaje: una red neuronal entrenada con el propio juego que guía una búsqueda. No lee ni escribe texto.

Cómo «juegan» los modelos de lenguaje: predecir texto

Un gran modelo de lenguaje (LLM) como ChatGPT, Gemini o Claude está entrenado para continuar textos. Si le das una posición en notación de ajedrez, devuelve la jugada que parece más probable a continuación, basándose en la enorme cantidad de texto que ha leído, incluidos libros de ajedrez y partidas anotadas. No tiene un tablero interno, ni una lista de jugadas legales, ni un árbol de búsqueda, salvo que alguien se los añada.

En aperturas conocidas funciona sorprendentemente bien, porque las mismas jugadas aparecen en innumerables partidas. En posiciones nuevas se desmorona: el modelo olvida dónde está una pieza, salta por encima de otra o resucita una capturada.

Qué muestran las pruebas

PruebaQué se midióResultado
ChessArena (Liu y cols., 2025)13 modelos de lenguaje, más de 800 partidas, elección de jugada y problemasNingún modelo venció a Maia-1100, un bot que juega como un aficionado humano; algunos perdieron contra jugadas al azar
Kaggle Game Arena (Google DeepMind y Kaggle, desde agosto de 2025)Modelos de lenguaje punteros jugando entre sí, sin herramientas y sin lista de jugadas legalesLas jugadas ilegales son tan frecuentes que el reglamento tuvo que contemplarlas: 3 reintentos y después la partida se pierde
«Grandmaster-level chess without search» (Ruoss y cols., Google DeepMind, 2024)Un transformer de 270 M de parámetros entrenado con 10 M de partidas anotadas por Stockfish 16Elo 2895 en blitz de Lichess contra humanos, sin búsqueda explícita

La tercera fila es el matiz importante. Un transformer, la misma arquitectura básica que la de un chatbot, puede jugar al ajedrez a nivel de gran maestro si se entrena con posiciones de ajedrez evaluadas por un motor. El problema no son las redes neuronales, sino que los chatbots generales se entrenaron con texto, no con miles de millones de posiciones evaluadas. Según Google, en febrero de 2026 los modelos Gemini 3 encabezaban la clasificación de ajedrez de Game Arena y su razonamiento usaba ideas conocidas del ajedrez como la seguridad del rey y la estructura de peones, lo que muestra que la distancia se acorta. Sigue siendo algo muy distinto de un motor que comprueba cada jugada legal.

Motor frente a chatbot de un vistazo

Motor de ajedrezModelo de lenguaje
Qué haceBusca jugadas y evalúa posicionesPredice las siguientes palabras de un texto
Entrenado conReglas escritas a mano, partidas contra sí mismo o posiciones evaluadas por un motorGrandes cantidades de texto general
Jugadas ilegalesNunca: solo elige entre jugadas legales generadasPosibles, sobre todo en posiciones desconocidas
NivelMuy por encima de cualquier humano (Stockfish, AlphaZero)Desde por debajo del nivel aficionado hacia arriba; irregular
Explicar una jugada con palabrasNo, devuelve jugadas y númerosSí, es su punto fuerte

En qué ayudan los modelos de lenguaje a los ajedrecistas

Los dos tipos de IA se complementan. Un motor te dice qué jugada es la mejor; un modelo de lenguaje puede explicar por qué con palabras sencillas, responder preguntas sobre las ideas de una apertura o convertir la evaluación de un motor en una lección breve. El esquema sensato es el que usan la mayoría de las webs de ajedrez: el motor calcula, el modelo de lenguaje solo explica, y todo lo que afirme sobre una posición concreta conviene comprobarlo con el motor.

Los rivales por ordenador de nuestros juegos

Todos los rivales por ordenador de Extensive Harmony son IA clásica de juegos: unos cientos de líneas de código de búsqueda que funcionan en tu navegador, sin chatbot y sin servidor.

  • El Ajedrez usa búsqueda alfa-beta con profundización iterativa. Fácil mira una jugada por delante y aproximadamente una de cada tres veces hace una jugada legal al azar; Medio mira dos medias jugadas y después sigue todas las capturas (una búsqueda de quietud, para no detenerse a mitad de un cambio); Difícil busca hasta cinco medias jugadas más capturas en dos segundos y se queda con la búsqueda más profunda que terminó.
  • El Tres en raya juega perfecto: recorre todo el árbol del juego, así que lo mejor que puedes conseguir es empatar. Mira cómo ganar al tres en raya (en inglés).
  • Cuatro en raya: en Fácil el ordenador solo gana si puede hacerlo ya o bloquea tu victoria, y si no juega al azar; Medio y Difícil usan minimax con poda alfa-beta, a 2 y 4 jugadas de profundidad.
  • Las Damas (2, 4 u 8 jugadas por delante), el Reversi (1, 3 o 5) y el Mancala (1, 4 o 9) usan el mismo tipo de búsqueda.

Como siempre eligen de la lista de jugadas legales, ninguno puede hacer una jugada ilegal. Qué juegos clásicos han resuelto por completo los ordenadores se cuenta en juegos resueltos (en inglés). Sobre la IA en la industria del videojuego en general, lee cómo los modelos de lenguaje de IA están cambiando los videojuegos.

Preguntas frecuentes

¿Sabe ChatGPT jugar al ajedrez?

Puede jugar, pero mal y sin fiabilidad. Los modelos de lenguaje predicen texto en lugar de calcular posiciones, así que pierden la pista del tablero y a veces proponen jugadas ilegales. En el estudio ChessArena (2025), ninguno de los 13 modelos de lenguaje probados venció a Maia-1100, un bot que imita a un aficionado humano, y en la Game Arena de Kaggle un modelo que no da una jugada legal tras cuatro intentos pierde la partida.

¿Cómo decide su jugada un ordenador de ajedrez?

Los programas clásicos buscan: prueban jugadas, las respuestas del rival, sus propias respuestas y así sucesivamente, evalúan las posiciones resultantes y eligen la jugada con el mejor resultado garantizado. La poda alfa-beta descarta las ramas que no pueden cambiar el resultado. Stockfish combina esta búsqueda alfa-beta con una pequeña red neuronal (NNUE) que evalúa las posiciones.

¿AlphaZero es un modelo de lenguaje?

No. AlphaZero (DeepMind, 2017-2018) es un sistema de aprendizaje por refuerzo que aprendió ajedrez jugando contra sí mismo, partiendo solo de las reglas. Usa una red neuronal junto con un algoritmo de búsqueda. DeepMind informa de que superó a Stockfish por primera vez tras 4 horas de entrenamiento.

¿Puede una red neuronal jugar fuerte sin buscar?

Sí, si se entrena específicamente para el ajedrez. En un estudio de Google DeepMind de 2024, un transformer de 270 millones de parámetros entrenado con 10 millones de partidas anotadas por Stockfish 16 alcanzó un Elo de 2895 en partidas blitz de Lichess contra humanos sin búsqueda explícita. Los chatbots generales no se entrenan así.

¿Qué nivel tiene el ordenador de vuestro ajedrez?

Nuestro Ajedrez usa búsqueda alfa-beta. Fácil mira una jugada por delante y juega al azar aproximadamente una de cada tres veces, Medio mira dos medias jugadas y después sigue todas las capturas, y Difícil busca hasta cinco medias jugadas más capturas en dos segundos. Siempre juega jugadas legales porque solo elige de la lista de jugadas legales.

Fuentes