Glosario de IA
Definiciones breves y sin tecnicismos de las palabras que te encontrarás al aprender sobre IA. Cada término tiene su página con un ejemplo y términos relacionados.
72 términos
A
Agente de IA
Un sistema en el que un modelo usa herramientas en bucle —decide, actúa y comprueba el resultado— para lograr un objetivo con poca guía paso a paso.
Agente de programación
Un agente de IA que trabaja sobre un proyecto de código: lee archivos, edita, ejecuta comandos y pruebas, y repite hasta terminar la tarea.
AGI (inteligencia artificial general)
Una IA hipotética capaz de igualar o superar a las personas en la mayoría de tareas intelectuales, no solo en algunas concretas.
Ajuste fino (fine-tuning)
Seguir entrenando un modelo existente con tus propios ejemplos para adaptarlo a una tarea, un estilo o un formato concretos.
Alineamiento
El trabajo de conseguir que los sistemas de IA persigan los objetivos y valores que pretenden quienes los crean y usan, y no otros dañinos o imprevistos.
Alucinación
Cuando un modelo de IA afirma algo falso o inventado —un dato, una cita, una fuente o una cifra— como si fuera cierto.
API
Una interfaz para que un programa hable con otro. Los proveedores de IA ofrecen APIs para que los desarrolladores usen sus modelos en sus aplicaciones.
Aprendizaje automático (machine learning)
Una forma de construir IA en la que el sistema aprende patrones a partir de ejemplos en lugar de seguir reglas escritas a mano.
Aprendizaje por refuerzo (RL)
Una forma de entrenar en la que el modelo prueba cosas, recibe una recompensa o una penalización y aprende poco a poco qué acciones funcionan.
Aprendizaje profundo (deep learning)
Aprendizaje automático con redes neuronales de muchas capas, capaces de aprender patrones complejos a partir de datos en bruto como texto, imágenes o sonido.
Automatización sin código (no-code)
Crear flujos automáticos conectando aplicaciones de forma visual, sin programar, con herramientas como n8n, Make o Zapier.
B
Barreras de seguridad (guardrails)
Comprobaciones y límites que se colocan alrededor de un sistema de IA para que sus entradas y salidas sean seguras, pertinentes y cumplan las normas.
Base de datos vectorial
Una base de datos pensada para guardar embeddings y encontrar rápido los más parecidos a una consulta.
Benchmark
Una prueba estándar para comparar modelos de IA, como un conjunto de problemas de programación o preguntas de examen con respuestas conocidas.
Búsqueda web (en asistentes de IA)
Una herramienta que permite al modelo buscar en internet y leer páginas durante la conversación, para responder con información actual y fuentes.
C
Caché de prompts
Reutilizar entre peticiones el principio ya procesado de un prompt, lo que abarata y acelera los prompts largos que se repiten.
Cadena de pensamiento (chain of thought)
Hacer que el modelo resuelva un problema paso a paso antes de dar la respuesta final, lo que mejora su precisión en tareas de razonamiento.
Chatbot
Un programa con el que hablas en lenguaje natural, por texto o voz. Los actuales, como ChatGPT, Claude o Gemini, funcionan con modelos de lenguaje grandes.
Clave de API
Una cadena secreta que te identifica ante la API de un proveedor de IA, para que autorice tus peticiones y las cobre a tu cuenta.
Compactación de contexto
Resumir la parte más antigua de una conversación o de una tarea de agente para que quepa en la ventana de contexto y se pueda seguir trabajando.
Cuantización
Guardar los pesos de un modelo con menos bits para que ocupe menos memoria y vaya más rápido, a costa de perder un poco de calidad.
D
Datos sintéticos
Datos de entrenamiento creados por modelos de IA o programas en lugar de recogidos de personas, para enseñar habilidades de las que hay pocos ejemplos reales.
Deepfake
Una imagen, vídeo o audio creado o alterado con IA para mostrar a una persona real diciendo o haciendo algo que nunca hizo.
Destilación
Entrenar un modelo «alumno» más pequeño para que imite a un modelo «profesor» más grande, conservando buena parte de su calidad por mucho menos coste.
E
Embedding
Una lista de números que representa el significado de un texto (o una imagen), de forma que los significados parecidos quedan cerca entre sí.
Evaluaciones (evals)
Un conjunto de casos de prueba con resultados esperados que sirve para medir lo bien que un sistema de IA hace una tarea concreta.
F
G
Generación aumentada por recuperación (RAG)
Una técnica que primero busca los documentos relevantes y se los da al modelo, para que responda a partir de tus fuentes y no de memoria.
Grounding (anclaje en fuentes)
Atar la respuesta de un modelo a fuentes concretas (búsquedas, documentos, una base de datos) para que se base en datos comprobables y no solo en su memoria.
I
IA generativa
La IA que crea contenido nuevo —texto, imágenes, audio, vídeo o código— en lugar de limitarse a clasificar o predecir a partir de datos existentes.
Inferencia
Ejecutar un modelo ya entrenado para obtener un resultado: cada vez que envías un prompt y recibes una respuesta.
Ingeniería de contexto
Decidir qué entra en el contexto del modelo en cada paso (instrucciones, documentos, resultados, memoria) para que tenga lo necesario y nada más.
Ingeniería de prompts
La práctica de diseñar y probar prompts para que un modelo produzca de forma fiable el resultado que necesitas.
Inteligencia artificial (IA)
El campo que construye sistemas informáticos capaces de hacer tareas que asociamos a la inteligencia humana, como entender el lenguaje o reconocer imágenes.
Inyección de prompts
Un ataque en el que un texto escondido en el contenido que lee el modelo —una web, un correo o un documento— intenta saltarse sus instrucciones.
J
L
Latencia
Cuánto esperas la respuesta de un modelo: el tiempo hasta el primer token más el que tarda en generar el resto.
Ley de IA de la UE (AI Act)
La ley de la Unión Europea sobre inteligencia artificial, que fija obligaciones según el riesgo, desde prácticas prohibidas hasta normas de transparencia.
Límite de salida
El número máximo de tokens que un modelo puede generar en una sola respuesta, distinto de cuánto puede leer.
Límite de uso (rate limit)
El número máximo de peticiones o de tokens que puedes enviar a una API en un periodo, por ejemplo por minuto.
Llamada a funciones (function calling)
La capacidad de un modelo para pedir que la aplicación ejecute una función concreta con unos argumentos concretos, como «buscar_vuelos(origen, destino, fecha)».
M
Memoria de agentes
La información que un asistente o agente de IA guarda entre conversaciones, como tus preferencias o datos de un proyecto, para no empezar de cero cada vez.
Mezcla de expertos (MoE)
Un diseño de modelo que divide la red en muchos «expertos» y solo activa unos pocos para cada token, de modo que un modelo enorme cuesta como uno más pequeño.
Model Context Protocol (MCP)
Un estándar abierto para conectar aplicaciones de IA con herramientas y datos externos, de modo que un mismo conector sirve en muchas apps de IA.
Modelo de difusión
Un tipo de modelo generativo que crea imágenes (o vídeo y audio) partiendo de ruido aleatorio y quitándolo paso a paso.
Modelo de frontera
Uno de los modelos de IA más capaces que existen en un momento dado, de los que marcan el límite de lo posible.
Modelo de lenguaje grande (LLM)
Un modelo de IA entrenado con enormes cantidades de texto para predecir el siguiente token, con lo que puede redactar, resumir, traducir, responder y programar.
Modelo de pesos abiertos
Un modelo cuyos pesos entrenados se publican, de modo que cualquiera puede descargarlo y ejecutarlo o adaptarlo en su propio hardware.
Modelo de razonamiento
Un modelo de lenguaje entrenado para pensar antes de responder: gasta más tiempo y tokens a cambio de mejores resultados en tareas difíciles.
Multimodal
Capaz de trabajar con más de un tipo de dato —por ejemplo texto, imágenes, audio, vídeo o PDF— en el mismo modelo.
N
P
Parámetros
Los números internos (sobre todo pesos) que un modelo aprende durante el entrenamiento. Su cantidad da una idea aproximada de su tamaño.
Preentrenamiento
La primera fase, y la más cara, de la creación de un modelo de lenguaje, en la que aprende de un enorme volumen de texto prediciendo el siguiente token.
Procesamiento por lotes (batch)
Enviar muchas peticiones de golpe para que se procesen en segundo plano en unas horas, normalmente a mitad de precio.
Prompt
La entrada que le das a un modelo de IA —una pregunta, una instrucción, ejemplos o documentos— y a la que responde.
Prompt de sistema
Las instrucciones que fija el desarrollador o la aplicación y que enmarcan toda la conversación: el papel del modelo, sus normas, el tono y las herramientas.
Prompting con ejemplos (few-shot)
Incluir en el prompt unos pocos ejemplos resueltos de entrada y salida deseada para que el modelo imite el patrón.
R
Red neuronal
Un modelo formado por capas de unidades sencillas conectadas entre sí, cuya fuerza de conexión (los pesos) se ajusta durante el entrenamiento.
Red teaming
Atacar a propósito un sistema de IA, como lo haría un adversario, para encontrar comportamientos peligrosos y fallos de seguridad antes de lanzarlo.
Retención cero de datos (ZDR)
Un acuerdo por el que el proveedor de IA no guarda tus prompts ni sus respuestas después de procesarlos, más allá de lo estrictamente necesario.
RLHF
Entrenar un modelo con aprendizaje por refuerzo en el que la recompensa sale de personas que juzgan qué respuestas son mejores.
S
Salidas estructuradas
Hacer que un modelo responda en un formato exacto que pueda leer un programa, normalmente JSON que cumple un esquema que tú le das.
Servidor MCP
Un programa que ofrece herramientas, datos o prompts a las aplicaciones de IA mediante el Model Context Protocol.
Sistema multiagente
Una configuración en la que varios agentes de IA, a menudo con papeles o herramientas distintos, colaboran en una tarea.
Skills (habilidades de agente)
Paquetes de instrucciones, scripts y recursos que un asistente de IA carga solo cuando una tarea los necesita, para hacerla de una forma concreta y repetible.
Subagente
Un agente que lanza otro agente para ocuparse de una parte de la tarea, normalmente con su propio contexto limpio, y que devuelve un resumen.
T
Temperatura
Un ajuste que controla lo aleatoria que es la elección de palabras del modelo: valores bajos dan texto predecible y valores altos, texto más variado.
Token
La unidad de texto que lee y escribe un modelo de lenguaje: una palabra entera, un trozo de palabra, un número o un signo de puntuación.
Transformer
La arquitectura de red neuronal de los modelos de lenguaje modernos. Su mecanismo de «atención» permite que cada token tenga en cuenta todos los demás.
U
V
Ningún término coincide con esa búsqueda.