27 términos
Glosario de IA, en cristiano
En toda primera reunión hay dos personas: una entiende «RAG» y la otra no. Y la que no lo entiende suele ser la que firma. Aquí está cada término con lo que es, por qué te importa a ti y —cuando la hay— dónde está la trampa que el proveedor de turno no menciona.
A
- Agente
Un programa que decide por sí mismo qué pasos dar para cumplir un encargo.
Un flujo automatizado ejecuta siempre los mismos pasos en el mismo orden. Un agente recibe un objetivo, mira lo que tiene delante, elige una herramienta, ve el resultado y decide el paso siguiente. Esa capacidad de decidir es lo que lo hace útil cuando el camino no se puede escribir de antemano.
La trampa
También es lo que lo hace más caro, más lento y más difícil de depurar. Muchos proyectos llamados «agente» eran un flujo con un nombre de moda, y habrían costado una tercera parte.Donde aparece:Agentes multi-paso y orquestaciónAgentes con Claude
- AI Act
El reglamento europeo que clasifica los usos de IA por riesgo.
No prohíbe la IA: la ordena por niveles. La mayoría de los usos de una pyme —clasificar correos, extraer datos de facturas, responder consultas— caen en riesgo mínimo o limitado, y ahí la obligación principal es informar de que es IA. Los sistemas de riesgo alto (selección de personal, crédito, algunos usos biométricos) sí traen obligaciones serias.
La trampa
Las dos respuestas que circulan —«no pasa nada» y «no se puede hacer nada»— son falsas y las dos salen caras. La clasificación se hace uso por uso, no empresa por empresa.Donde aparece:RGPD y AI Act aplicados a tu IA
- Alucinación
Cuando el modelo se inventa algo con total seguridad.
Un modelo de lenguaje predice el texto más probable, no consulta una verdad. Cuando no tiene el dato, la predicción más probable sigue siendo una frase bien construida — y sale una cifra, una cita o un artículo de ley que no existen, escritos con el mismo aplomo que los correctos.
La trampa
No se elimina, se acota: haciendo que el modelo responda solo desde documentos que se le dan y que cite la fuente, y midiendo con una batería de casos si de verdad se apoya en ella.Donde aparece:Búsqueda semántica sobre tu documentaciónEvaluación y control de calidad de modelos
C
- Caché semántica
No volver a pagar por una pregunta que ya se contestó parecida.
Antes de llamar al modelo, el sistema comprueba si alguien hizo una pregunta suficientemente similar y reutiliza la respuesta. En sistemas de atención al cliente suele evitar entre el 20% y el 40% de las llamadas.
La trampa
Con el umbral mal ajustado devuelve la respuesta de otra pregunta. Y hay consultas que nunca deben cachearse: las que dependen del usuario o del momento.Donde aparece:Enrutado de modelos y optimización del coste de IA
- Contexto
Todo lo que el modelo puede tener delante en una sola respuesta.
Se mide en tokens e incluye la instrucción, los documentos que le pasas, el historial de la conversación y su propia respuesta. Cuando se llena, hay que decidir qué se recorta — y lo que se recorta el modelo deja de saberlo.
La trampa
Un contexto enorme no siempre es mejor: cuesta más dinero, tarda más y hay estudios que muestran que la información enterrada en el medio se atiende peor que la del principio o el final.- Cuantización
Reducir la precisión de un modelo para que quepa en menos memoria.
Un modelo abierto se publica con números de 16 bits. Cuantizarlo a 8 o a 4 bits lo hace mucho más pequeño y más rápido, con una pérdida de calidad que en muchas tareas es imperceptible. Es lo que permite ejecutar en una GPU de 1.500 € algo que en origen pedía tres veces más.
La trampa
La pérdida no es uniforme: se nota más en razonamiento largo y en idiomas poco representados que en clasificar o resumir. Se decide midiendo con tus casos, no leyendo una tabla genérica.Donde aparece:Dimensionado de hardware e inferenciaIA local y on-premise
E
- Embedding
Convertir un texto en una lista de números que representa su significado.
Dos frases que quieren decir lo mismo con palabras distintas producen listas de números parecidas. Eso permite buscar por significado en vez de por coincidencia literal: preguntar «¿cuánto dura la garantía?» y encontrar un párrafo que dice «el periodo de cobertura es de 24 meses».
La trampa
El modelo que genera los embeddings tiene que ser el mismo al indexar y al buscar. Cambiarlo obliga a reindexar todo — y es un error que se descubre tarde.Donde aparece:Búsqueda semántica sobre tu documentación
- Evaluación
Medir si el sistema acierta, con casos repetibles y un umbral.
Un conjunto de entradas con su respuesta correcta que se ejecuta en cada cambio. Da un número comparable en el tiempo, y ese número es lo que permite decir si una actualización mejoró o empeoró las cosas.
La trampa
Sin evaluación, cualquier cambio se juzga por la impresión de quien lo probó tres veces. Es la diferencia entre un proyecto que se puede mantener y uno que se degrada en silencio.Donde aparece:Evaluación y control de calidad de modelos
F
- Fine-tuning
Reentrenar un modelo con tus propios ejemplos.
Ajusta los pesos del modelo para que adopte un formato, un tono o un criterio muy concretos. Sirve cuando necesitas que responda siempre con una estructura determinada o con un estilo que no se consigue explicándolo.
La trampa
Casi nunca es lo que hace falta. Para que el modelo conozca tu documentación, lo correcto es RAG: es más barato, se actualiza al instante y se puede citar la fuente. El fine-tuning enseña a hablar, no enseña datos.Donde aparece:Generación de contenido con voz de marca
- Frontera (modelo)
Los modelos más capaces del mercado en cada momento.
Claude Opus, GPT, Gemini Pro. Son los que mejor razonan en cadenas largas, escriben código y analizan documentos densos, y son los más caros por palabra procesada.
La trampa
Caro por palabra no significa caro por tarea. En trabajos difíciles suelen salir más baratos, porque aciertan a la primera y no generan horas de revisión. En tareas mecánicas, al revés: son tirar dinero.Donde aparece:Enrutado de modelos y optimización del coste de IA
G
- GEO / AEO
Optimizar para aparecer en las respuestas de la IA, no solo en Google.
Cuando alguien pregunta a ChatGPT o a Perplexity por un servicio, la respuesta cita dos o tres empresas. Aparecer ahí depende de ser la fuente más clara sobre tu tema, estar estructurado para que un modelo te lea sin ambigüedad y figurar en las fuentes que esos sistemas consultan.
La trampa
No hay un algoritmo que manipular como en SEO clásico. Lo que sí se puede es medir si apareces, y quien te venda posiciones garantizadas en ChatGPT te está mintiendo.Donde aparece:Posicionamiento en buscadores y en respuestas de IA
I
- Inferencia
El acto de usar un modelo ya entrenado para obtener una respuesta.
Entrenar es fabricar el modelo, y eso lo hacen unas pocas empresas con inversiones enormes. Inferir es usarlo, y eso lo haces tú cada vez que le preguntas algo. Cuando hablamos de servidor, GPU o coste por consulta, hablamos de inferencia.
Donde aparece:IA local y on-premiseDimensionado de hardware e inferencia
- Ingeniería de contexto
Decidir qué información ve el modelo en cada llamada.
Es el trabajo real de un sistema de IA: qué documentos se recuperan, cuánto historial se conserva, qué se resume y qué se descarta. Determina a la vez la calidad de la respuesta y lo que cuesta cada llamada.
Donde aparece:Búsqueda semántica sobre tu documentaciónEnrutado de modelos y optimización del coste de IA
- Inyección de instrucciones
Colar órdenes para tu agente dentro de un texto que va a leer.
Un agente que procesa correos, tickets o páginas web no distingue entre «esto es contenido que debo analizar» y «esto es una instrucción». Alguien puede escribir en un PDF, en blanco sobre blanco, una frase que le diga que reenvíe información a una dirección. Es la vía de ataque más específica de esta tecnología.
La trampa
Pedirle al modelo en el prompt que ignore instrucciones sospechosas ayuda pero se salta. La defensa que aguanta es de arquitectura: que no pueda ejecutar la acción peligrosa aunque le convenzan.Donde aparece:Seguridad de agentes e IA
L
- Latencia
Lo que tarda el sistema en contestar.
En un chat, dos segundos son aceptables. En un agente telefónico, por encima de 800 milisegundos la conversación se vuelve incómoda y la gente cuelga. Condiciona el modelo, el proveedor y la arquitectura entera.
Donde aparece:Agentes de voz y atención telefónicaMonitorización de coste, latencia y calidad
- LLM
Modelo grande de lenguaje: el motor que lee y escribe texto.
Es la pieza que entiende una pregunta y redacta una respuesta. Por sí solo no hace nada más: no consulta tu base de datos, no manda correos y no sabe qué día es. Todo eso lo aportan las herramientas que se le conectan.
La trampa
Confundir el modelo con el sistema es el malentendido más común. El valor de un proyecto está casi siempre en la fontanería que lo rodea, no en cuál de los modelos se eligió.
M
- MCP
El estándar para conectar un agente con tus herramientas y datos.
Model Context Protocol es un protocolo abierto que permite exponer un sistema —tu ERP, tu gestor, tu base de datos— como un conjunto de herramientas que cualquier agente compatible puede usar. Se escribe una vez y lo aprovechan todos los agentes que vengan después.
La trampa
Un servidor MCP mal acotado es una puerta abierta: define exactamente qué puede hacer cada herramienta y con qué permisos, o le estarás dando a un modelo acceso a lo que no debe tocar.Donde aparece:Servidores MCP a medidaIntegración de servidores MCP existentes
O
- On-premise
En tu propia casa: el software corre en servidores que controlas tú.
Lo contrario de la nube pública. Aplicado a IA significa que el modelo se descarga y se ejecuta en tu máquina: ningún dato sale, no hay proveedor que pueda cambiar sus condiciones y el coste no crece con el uso.
La trampa
No es gratis por ser abierto. Hay hardware, electricidad, actualizaciones y alguien que lo cuide. Compensa a partir de cierto volumen, y esa cifra se calcula antes de comprar nada.Donde aparece:IA local y on-premiseServidores, VPS y contenedores
P
- Pesos abiertos
Modelos que puedes descargar y ejecutar donde quieras.
Llama, Qwen, Mistral, DeepSeek, Gemma. El fabricante publica el modelo entrenado y tú lo ejecutas en tu hardware sin pedir permiso ni conectarte a nadie. Es la base de cualquier despliegue on-premise.
La trampa
«Pesos abiertos» no siempre es «código abierto»: algunas licencias limitan el uso comercial o el tamaño de empresa. Se revisa antes de montar, no después.Donde aparece:Modelos de pesos abiertos como motor
- Prompt
La instrucción que se le da al modelo.
Incluye lo que quieres, cómo lo quieres, ejemplos si hacen falta y las reglas que no debe saltarse. En un sistema serio no lo escribe el usuario final: está fijado, versionado en el repositorio y probado como cualquier otro código.
La trampa
Un prompt que funciona hoy puede degradarse cuando el proveedor actualiza el modelo. Por eso se acompaña de una batería de pruebas que avisa cuando eso pasa.Donde aparece:Evaluación y control de calidad de modelos
R
- RAG
Darle al modelo tus documentos en el momento de responder.
En vez de reentrenar nada, el sistema busca en tu documentación los fragmentos relevantes para la pregunta y se los pasa al modelo junto con ella. La respuesta sale de tus documentos y puede citar de cuál y de qué página.
La trampa
Su calidad depende casi toda de la búsqueda, no del modelo. Si recupera los fragmentos equivocados, el mejor modelo del mundo responderá muy bien a partir de información irrelevante.Donde aparece:Búsqueda semántica sobre tu documentación
- Reranking
Reordenar los resultados de la búsqueda antes de dárselos al modelo.
La búsqueda vectorial es rápida pero aproximada: devuelve veinte fragmentos parecidos. Un reranker los relee con más cuidado y decide cuáles cinco son de verdad los que responden. Es de las mejoras con mejor relación esfuerzo-resultado en un sistema RAG.
Donde aparece:Búsqueda semántica sobre tu documentación
S
- Salidas estructuradas
Obligar al modelo a responder con un formato exacto.
En vez de prosa, el modelo devuelve un objeto con los campos que has definido: importe, fecha, número de factura. El propio proveedor garantiza que la respuesta cumple el esquema, así que no hay que interpretarla con expresiones regulares.
La trampa
Garantiza el formato, no la verdad. El campo vendrá bien formado aunque el valor sea inventado: la validación de negocio sigue siendo tuya.Donde aparece:Extracción de datos de documentosConsulta de datos en lenguaje natural
- Soberanía del dato
Saber y poder demostrar dónde acaba tu información.
No es solo cumplimiento: es saber en qué país se procesa cada dato, bajo qué contrato, qué pasa si ese proveedor cierra y qué puedes contestar cuando un cliente grande te lo pregunte por escrito antes de firmar.
Donde aparece:Soberanía del dato: el mapa de qué sale y qué no
- Supervisión humana
Que una persona apruebe antes de que pase algo irreversible.
Publicar, enviar, pagar, borrar. El sistema propone y una persona confirma. No es desconfianza en la tecnología: es que el coste de un error en esas acciones no es simétrico con el de esperar treinta segundos.
La trampa
Si se pide aprobación para todo, la gente aprueba sin mirar en dos semanas. Se reserva para lo irreversible y para lo que supere un umbral acordado.Donde aparece:Automatización de redes socialesAtención al cliente de punta a punta
T
- Token
El trozo de texto con el que cuenta y factura un modelo.
Aproximadamente tres cuartas partes de una palabra en español. Todos los precios se expresan por millón de tokens, y se paga tanto lo que entra como lo que sale. Un documento de diez páginas ronda los 5.000 tokens.
La trampa
Lo que dispara la factura casi nunca es la respuesta: es el contexto que se manda en cada llamada. Reducirlo es la optimización más rentable que existe.Donde aparece:Enrutado de modelos y optimización del coste de IA
V
- Ventana de contexto
Cuánto texto cabe de una vez en la memoria del modelo.
Va desde unos pocos miles de tokens hasta más de un millón según el modelo. Determina si puedes pasarle un contrato entero o hay que trocearlo y recuperar solo lo relevante.
La trampa
Que quepa no significa que convenga. Meter un millón de tokens en cada llamada multiplica el coste y la latencia frente a recuperar los cinco fragmentos que hacían falta.
¿Falta alguno que te han soltado en una reunión?
Mándanoslo y lo añadimos. Si alguien usa un término contigo y no te lo explica, o no lo entiende él, o no le interesa que lo entiendas tú.