Qué es un algoritmo: la guía más clara que vas a encontrar

Un algoritmo es una serie de pasos ordenados, precisos y finitos para resolver un problema o completar una tarea. Una receta de cocina es un algoritmo; las instrucciones de un mueble de IKEA también.

Lo que llamamos "el algoritmo de Instagram" o "el algoritmo de Google" es exactamente eso mismo, solo que con millones de pasos y datos de entrada. No hay magia detrás: hay entrada, pasos y resultado.

Qué es un algoritmo (en 10 segundos)

Un algoritmo es una serie de pasos ordenados para resolver un problema o completar una tarea.

Ya está. Eso es todo.

No necesita ser complicado. No necesita ser código. Los pasos que sigues para ir de tu casa al trabajo son un algoritmo.

Lo que diferencia a un algoritmo de cualquier lista de pasos es que debe ser:

• Preciso: cada paso está claramente definido, sin ambigüedad
• Finito: tiene un principio y un final, no se ejecuta eternamente
• Efectivo: realmente resuelve el problema que se propone

Un algoritmo es a la tecnología lo que una receta es a la cocina: sin él, solo estás improvisando.

Ejemplos de algoritmos que usas todos los días

Antes de hablar de tecnología, piensa en cuántos algoritmos ya ejecutas a diario sin darte cuenta:

El algoritmo del café por la mañana:

1. Abrir el armario
2. Sacar la taza
3. Poner agua en la cafetera
4. Añadir café
5. Encender la cafetera
6. Esperar a que termine
7. Servir

Simple, ordenado, efectivo. Si cambias el orden (servir antes de que termine la cafetera), el resultado no es el esperado. Eso es exactamente lo que pasa con los algoritmos en informática.

El algoritmo de Google cuando buscas algo:

1. Recibe tu búsqueda
2. Busca páginas que contengan esas palabras (y sinónimos)
3. Evalúa la relevancia de cada página (cientos de factores)
4. Ordena los resultados de más a menos relevantes
5. Te muestra los mejores, y cada vez más a menudo una respuesta generada encima de ellos

Mismo concepto, mayor complejidad. Ese último paso es el cambio más grande de los últimos dos años y le he dedicado un artículo entero: qué son las AI Overviews de Google.

El algoritmo de Instagram para tu feed:

1. Mira todas las publicaciones nuevas de cuentas que sigues
2. Analiza tu historial de interacciones (qué te gusta, qué comentas, cuánto tiempo miras)
3. Predice qué publicaciones te interesan más
4. Ordena tu feed según esa predicción
5. Te muestra primero lo que cree que más te va a gustar

Por eso tu Instagram no se parece al de nadie más. El algoritmo es el mismo, pero los datos de entrada (tu comportamiento) son diferentes.

Tipos de algoritmos (los que importan)

Hay miles de clasificaciones, pero estos son los que de verdad necesitas conocer:

Algoritmos de búsqueda

Encuentran un elemento concreto dentro de un conjunto de datos. Cuando buscas un contacto en tu móvil, un archivo en tu ordenador o un producto en Amazon, hay un algoritmo de búsqueda trabajando.

El más famoso: la búsqueda binaria. En vez de buscar uno por uno (lento), divide la lista por la mitad repetidamente hasta encontrar lo que busca. Es como cuando buscas una palabra en un diccionario: no empiezas por la A, abres por la mitad y decides si ir hacia adelante o hacia atrás.

Algoritmos de ordenación

Ordenan datos según un criterio: de menor a mayor, por fecha, por relevancia, alfabéticamente. Cada vez que ordenas tu bandeja de email o los resultados de una tienda online, se ejecuta uno.

Los clásicos: QuickSort y MergeSort. Suenan técnicos, pero la idea es simple: dividen el problema en partes pequeñas, las ordenan por separado y las juntan.

Algoritmos de recomendación

Los que deciden qué ves en Netflix, Spotify, YouTube o TikTok. Analizan tu comportamiento y el de millones de usuarios similares para predecir qué te gustará.

Son de los algoritmos más rentables del mundo. Netflix lleva años defendiendo públicamente que su sistema de recomendación le ahorra del orden de mil millones de dólares anuales en clientes que no se dan de baja. La cifra es suya y no es auditable, pero da la escala del asunto.

Algoritmos de machine learning

Los que están detrás de la inteligencia artificial. En vez de programar los pasos manualmente, le das datos al algoritmo y él aprende los pasos por sí mismo.

Esto es lo que hace que ChatGPT pueda escribir textos, que Google Translate traduzca idiomas o que tu banco detecte transacciones fraudulentas. La diferencia entre esta familia y las anteriores es tan grande que merece su propio apartado, y la relación exacta entre machine learning y deep learning la desgloso en deep learning vs machine learning.

Cómo funcionan los algoritmos en la IA

La inteligencia artificial ha llevado los algoritmos a otro nivel. La diferencia fundamental:

Algoritmo clásico: el programador define cada paso manualmente. Si quiere que el programa reconozca gatos en fotos, tiene que programar reglas como "busca orejas puntiagudas", "busca bigotes", etc.

Algoritmo de machine learning: el programador le da miles de fotos de gatos y el algoritmo aprende solo qué patrones definen a un gato. Nadie le dice que busque orejas: lo descubre por sí mismo.

Esta diferencia es revolucionaria. Porque hay problemas tan complejos que ningún humano puede definir todos los pasos. ¿Cómo programarías manualmente un algoritmo que traduzca del español al japonés? Imposible. Pero un algoritmo de machine learning, con suficientes datos, aprende a hacerlo.

Los grandes modelos de lenguaje que hay detrás de ChatGPT, Claude o Gemini —las generaciones GPT-5.x, Claude de última generación y Gemini 3.x— son, en esencia, algoritmos extremadamente complejos que han aprendido patrones del lenguaje a partir de billones de textos. Si quieres entender cómo, lo explico en qué es un LLM.

Puesto uno al lado del otro, se ve mejor la diferencia:

	Algoritmo clásico	Machine learning	LLM (IA generativa)
Quién define los pasos	Una persona, a mano	El algoritmo, a partir de datos	El algoritmo, a partir de billones de textos
Qué necesita	Reglas claras	Datos etiquetados	Datos masivos y mucho cómputo
Resultado ante la misma entrada	Siempre el mismo	Casi siempre el mismo	Puede variar en cada ejecución
¿Se puede auditar?	Sí, línea a línea	Con esfuerzo	Muy difícil
Ejemplo	Calcular el IVA de una factura	Detectar una transacción fraudulenta	Redactar el correo al cliente

Esa fila de "¿se puede auditar?" es la que más consecuencias tiene en una empresa. Un algoritmo clásico que calcula mal el IVA se depura leyendo el código. Un modelo que responde mal no tiene una línea que arreglar.

Por qué los algoritmos importan más que nunca

Los algoritmos deciden qué información ves. Tu feed de noticias, tus resultados de búsqueda, tus recomendaciones de vídeo... todo está filtrado por algoritmos. Eso significa que un algoritmo influye en tu visión del mundo más de lo que crees.

Los algoritmos toman decisiones que te afectan. Bancos que usan algoritmos para decidir si te dan un préstamo. Empresas que usan algoritmos para filtrar currículums. Seguros que usan algoritmos para calcular tu prima. Si no entiendes qué es un algoritmo, no entiendes quién (o qué) está tomando decisiones sobre tu vida.

Y esto ya no es solo una cuestión ética: en la Unión Europea es una cuestión legal. El Reglamento Europeo de IA clasifica como de alto riesgo precisamente los sistemas que deciden sobre crédito, empleo, educación o acceso a servicios esenciales, y les impone obligaciones de documentación, supervisión humana y transparencia. Lo desarrollo en el Reglamento Europeo de IA.

Los algoritmos son el motor de la economía digital. Google, Amazon, Netflix, TikTok, Spotify... las empresas más valiosas del mundo son, en el fondo, empresas de algoritmos. Su ventaja competitiva no es el contenido ni los productos: es la calidad de sus algoritmos para conectarte con lo que quieres.

Empresa	Algoritmo clave	Qué decide
Google	PageRank + sistemas de IA	Qué resultados ves al buscar
Netflix	Recomendación colaborativa	Qué películas te sugiere
TikTok	Algoritmo del For You	Qué vídeos te muestra
Amazon	Recomendación + pricing	Qué productos ves y a qué precio
Spotify	Discover Weekly	Qué música nueva descubres

El problema de los algoritmos: el sesgo

Un algoritmo es tan bueno (o tan malo) como los datos con los que se entrena.

Si un algoritmo de selección de personal se entrena con datos históricos de una empresa que durante 20 años contrató mayoritariamente a hombres, el algoritmo aprenderá que "hombre" es un predictor de éxito. Y discriminará a las mujeres. No por malicia, sino por matemáticas.

Esto ya ha pasado. Amazon acabó descartando una herramienta interna de cribado de currículums porque penalizaba sistemáticamente las candidaturas femeninas.

Otros ejemplos reales de sesgo algorítmico:

• Algoritmos de reconocimiento facial que funcionan peor con personas de piel oscura
• Algoritmos de crédito que discriminan por código postal (correlacionado con raza)
• Algoritmos de justicia predictiva que sobreestiman la reincidencia en minorías

Entender los algoritmos incluye entender sus limitaciones y peligros. No son neutrales. Reflejan los sesgos de los datos con los que se construyen.

Algoritmos famosos que deberías conocer

PageRank (Google, 1998): el algoritmo que construyó Google. En vez de buscar solo palabras clave, evaluaba cuántas páginas web enlazaban a una página para determinar su importancia. Revolucionó la búsqueda en internet.

RSA (1977): el algoritmo de cifrado que protege tus comunicaciones, tu banca online y tus compras por internet. Se basa en que es fácil multiplicar dos números primos grandes, pero casi imposible hacer la operación inversa.

Dijkstra (1956): encuentra el camino más corto entre dos puntos. Es la base de la navegación GPS que usas en Google Maps, aunque los sistemas reales le añaden encima muchas capas de optimización y datos de tráfico.

Backpropagation (popularizado en 1986): el algoritmo que permite a las redes neuronales aprender de sus errores. Sin él, no existiría la inteligencia artificial moderna. Ni ChatGPT, ni reconocimiento facial, ni coches autónomos.

Por qué deberías entender los algoritmos

No necesitas saber programar un algoritmo. Pero sí necesitas entender qué son y cómo funcionan, por tres razones:

1. Pensamiento estructurado. Pensar en algoritmos es pensar en pasos claros y ordenados para resolver problemas. Esa habilidad es útil en cualquier profesión, no solo en tecnología.

2. Espíritu crítico. Cuando alguien te dice "el algoritmo ha decidido X", necesitas saber que detrás de esa decisión hay datos, sesgos y limitaciones. No es magia, es matemáticas. Y las matemáticas pueden estar equivocadas.

3. Preparación para el futuro. Los algoritmos van a tomar cada vez más decisiones en tu vida. Desde qué trabajos te recomiendan hasta qué tratamiento médico te sugieren. Entenderlos no es opcional: es alfabetización del siglo XXI.

Un algoritmo no es más que una receta. Pero las recetas que se están cocinando hoy definen el mundo en el que vivimos. Mejor entenderlas que ignorarlas.

Preguntas frecuentes

¿Qué es un algoritmo con palabras sencillas?

Es una lista de pasos ordenados que resuelve un problema concreto. Una receta de cocina, las instrucciones de montaje de una estantería o el proceso que sigues cada mañana para hacer café son algoritmos. En informática es lo mismo, solo que los pasos los ejecuta un ordenador y pueden ser millones.

¿Qué es un algoritmo con ejemplos?

El ejemplo clásico es una receta: ingredientes (entrada), pasos en orden (proceso), plato terminado (salida). En tecnología, el algoritmo de Google ordena páginas web según su relevancia; el de Instagram ordena tu feed según lo que sueles mirar; el de Google Maps calcula la ruta más corta entre dos puntos; y el de tu banco marca como sospechosa una compra que se sale de tu patrón habitual.

¿Cuál es la diferencia entre un algoritmo y un programa?

El algoritmo es la idea; el programa es su ejecución. Un algoritmo se puede escribir en papel, en un diagrama de flujo o en pseudocódigo, y luego programarse en Python, en Java o en JavaScript. El mismo algoritmo puede tener veinte programas distintos que lo implementan.

¿Un algoritmo es lo mismo que inteligencia artificial?

No. Todos los sistemas de IA son algoritmos, pero la mayoría de algoritmos no son IA. La diferencia está en quién define los pasos: en un algoritmo clásico los escribe una persona, y en uno de aprendizaje automático los deduce el propio sistema a partir de datos. Un cálculo de IVA es un algoritmo y no tiene nada de inteligente.

¿Cómo funciona el algoritmo de Instagram o de TikTok?

Registra cada señal de tu comportamiento (qué ves, cuánto rato, qué comentas, qué compartes, qué saltas) y con esas señales predice qué contenido te va a retener más tiempo. Después ordena tu feed según esa predicción. No hay una regla oculta que se pueda "hackear": lo que cambia el resultado es la señal que tú y la gente parecida a ti le dais.

¿Se puede saber qué hace exactamente un algoritmo?

Depende del tipo. Un algoritmo clásico se lee línea a línea y se entiende del todo. Un modelo de aprendizaje automático con miles de millones de parámetros no se puede leer así: puedes medir qué hace, pero no explicar limpiamente por qué ha decidido algo concreto. Ese es justamente el problema que la normativa europea intenta acotar exigiendo documentación y supervisión humana en los usos de alto riesgo.

¿Los algoritmos pueden discriminar?

Sí, y ocurre sin que nadie lo programe con esa intención. Si los datos históricos con los que se entrena reflejan una discriminación pasada, el sistema la aprende como si fuera un patrón válido y la repite. Hay casos documentados en cribado de currículums, reconocimiento facial y evaluación de riesgo crediticio.

¿Qué tipos de algoritmos hay?

Los grandes grupos son los de búsqueda (localizar un dato), los de ordenación (colocar datos según un criterio), los de recomendación (predecir qué te interesa), los de cifrado (proteger información) y los de aprendizaje automático (deducir las reglas a partir de ejemplos). La IA generativa que usas a diario pertenece a este último grupo.

¿Hace falta saber matemáticas para entender los algoritmos?

Para entender qué son y cómo afectan a tu trabajo, no: basta con el concepto de entrada, pasos y salida. Para diseñarlos o para trabajar en IA sí hacen falta, sobre todo álgebra lineal, probabilidad y cálculo. Lo tengo desglosado en qué matemáticas necesitas para trabajar en IA.