Las redes neuronales y la utilización de grandes bases de datos de lenguaje son los componentes principales de dos campos diferentes de la inteligencia artificial: el machine learning y la inteligencia artificial generativa. Si bien cada uno de los dos campos está basado en conceptos y marcos teóricos similares, estos plantean propuestas e implican casos de uso diferente.

El machine learning analiza grandes volúmenes de información (texto, imágenes, u otros) en base a modelos estadísticos convencionales para realizar predicciones, mientras que la inteligencia artificial generativa crea nuevos contenidos (texto, imágenes, programas de computación) en base al análisis probabilístico de grandes volúmenes de información. Estos dos campos deben ser analizados de manera separada por su impacto diferente en procesos productivos, en la economía y el empleo.

El machine learning es aplicado en áreas como el mantenimiento predictivo en manufactura, la detección de fraudes en servicios financieros, el reconocimiento de imágenes para el diagnóstico de enfermedades, y los sistemas de recomendación en productos de consumo masivo. La inteligencia artificial generativa es más adecuada para tareas creativas como la generación de imágenes y videos, la generación de textos, el diseño de productos, y el desarrollo de programas de computación.

El desarrollo de machine learning ocurrió con anterioridad a la inteligencia artificial generativa, acelerándose a partir del 2012, con el despliegue de varios enfoques en el entrenamiento de plataformas. El lanzamiento de ChatGPT inaugura procesos de adopción en inteligencia artificial generativa de naturaleza e impacto distinto.