agenteSistema de IA que recibe un objetivo, usa herramientas para actuar y decide los pasos siguientes en un bucle hasta terminarlo. Se diferencia del chat en que no solo responde: hace cosas y comprueba el resultado.
agente autónomoAgente al que se le da un objetivo y trabaja con poca o ninguna supervisión entre paso y paso. Cuanta más autonomía tenga, más importan los límites: permisos acotados, acciones irreversibles con aprobación y un registro de lo que hizo.
AI ActNombre con el que se conoce al Reglamento europeo de Inteligencia Artificial. Clasifica los sistemas por nivel de riesgo: prohíbe algunos usos, exige transparencia en otros y refuerza las obligaciones cuanto mayor es el impacto sobre las personas.
alineaciónEsfuerzo por conseguir que un sistema de IA persiga los objetivos que le hemos pedido y respete los límites establecidos. La pregunta de fondo no es solo qué puede hacer, sino si actúa como queremos.
alucinaciónRespuesta inventada que el modelo presenta con total seguridad: una cifra, una cita, un enlace o un dato que no existe. Se caza verificando la fuente, no preguntándole a la misma IA.
APIInterfaz que permite a un programa hablar con otro sin intervención humana: pedirle datos, enviarle órdenes o conectar dos servicios. Es la puerta por la que las automatizaciones usan modelos y herramientas.
API keyClave secreta que identifica a quien usa una API y controla su acceso y su gasto. No se comparte ni se pega en conversaciones: quien la tiene puede actuar en tu nombre y a tu costa.
arnés (harness)La capa que envuelve a un modelo y le da manos (herramientas), permisos y memoria para actuar. El modelo es el motor; el arnés es el coche: sin él, solo produce texto.
ASR/TTSASR es el reconocimiento de voz (audio a texto) y TTS la síntesis de voz (texto a audio). Juntos explican cómo una IA transcribe una reunión o lee un texto en voz alta.
automatizaciónFlujo que se dispara solo cuando ocurre algo («cuando pase X, haz Y») y ejecuta pasos fijados de antemano sin improvisar. Perfecta para lo que se repite siempre igual; no decide, ejecuta.
benchmarkPrueba estandarizada con la que se compara el rendimiento de distintos modelos en tareas concretas. Sirve para orientarse, no como verdad absoluta: cada prueba mide solo lo que mide.
benchmark contaminadoPrueba de evaluación que ha acabado formando parte de los datos con los que se entrenó el modelo, así que mide memoria y no capacidad real. Si el modelo destaca en algo que ya había visto, la nota no vale.
cacheCopia temporal de resultados para no repetir trabajo: si la misma petición vuelve a llegar, se responde al instante. Ahorra tiempo y coste, pero puede devolver algo desactualizado si el original cambió.
cadena de pensamiento (chain of thought)Técnica por la que el modelo desarrolla los pasos intermedios antes de dar la respuesta final. Ayuda en tareas de cálculo o lógica, pero no convierte el razonamiento en una garantía: el resultado se verifica igual.
clonación de vozCrear una voz sintética que suena como la de una persona concreta a partir de unas muestras de audio. Exige consentimiento explícito del titular y usos acotados: suplantar una identidad no es un truco creativo.
copilotoForma de llamar a la IA que trabaja dentro de una herramienta y ayuda sin llevar la iniciativa: propone, completa y sugiere mientras la persona decide. Copilot es la marca con la que Microsoft la integra en Windows y Microsoft 365.
coste por tokenForma habitual de facturar el uso de un modelo: se paga por el texto que entra y por el que sale, medido en tokens. Explica por qué un flujo que arrastra documentos largos cuesta más que otro que hace preguntas cortas.
deepfakeVídeo, imagen o audio generado o manipulado con IA que aparenta ser real. En la UE debe identificarse como contenido sintético y, ante una petición sensible, se verifica siempre por otro canal.
destilaciónTécnica para crear un modelo pequeño entrenándolo a imitar a otro grande. Se gana velocidad y coste a cambio de algo de capacidad: útil cuando la tarea está bien acotada y no necesita toda la potencia.
difusión (imagen)Técnica con la que se generan imágenes: se parte de ruido y se va limpiando paso a paso, guiado por tu texto, hasta que aparece la figura. No copia fotos: recombina patrones aprendidos.
DPA (acuerdo de tratamiento de datos)Contrato que se firma con un proveedor que trata datos personales por cuenta de tu empresa. Antes de usar una herramienta de IA con datos de clientes o empleados, hay que comprobar que existe y qué cubre exactamente.
embeddingsRepresentación numérica del significado de un texto o una imagen, de forma que lo parecido queda cerca. Es lo que permite buscar por sentido y no solo por palabras exactas.
evaluaciones (evals)Conjunto de pruebas repetibles con las que se comprueba si un sistema de IA hace bien su tarea: casos reales, respuestas esperadas y criterios de corrección. Sin evaluaciones, cada cambio se valida a ojo y las mejoras no se sostienen.
few-shotTécnica de prompting que consiste en dar al modelo dos o tres ejemplos del resultado esperado antes de pedirle la tarea. Con ejemplos, el modelo aprende el criterio y acierta más.
fine-tuningEntrenamiento adicional de un modelo con datos propios para especializarlo en una tarea, un formato o un estilo. No suele ser el primer paso: antes se prueban buenos prompts, ejemplos y asistentes personalizados.
function callingNombre con el que se conoce al tool calling en buena parte de la industria: el modelo decide qué función externa llamar y con qué datos, y usa el resultado para continuar. Es la pieza que conecta la conversación con sistemas reales.
GemsAsistentes personalizados dentro de Gemini: llevan instrucciones fijas y contexto propio para no repetirlos en cada conversación. Son el equivalente de Google a los GPTs de ChatGPT.
GPTsAsistentes personalizados de ChatGPT: instrucciones fijas, documentos y, a veces, herramientas propias, compartibles con el equipo. Útiles para conversaciones repetitivas: atención, formación, estilo de marca.
GPUTarjeta gráfica: el chip especializado en hacer en paralelo los cálculos que exigen los modelos de IA. Marca cuánta IA puedes ejecutar en tu propio equipo y a qué velocidad.
guardarraíl (guardrail)Regla que limita lo que un sistema de IA puede hacer: temas vetados, datos que no puede usar, acciones que requieren aprobación. Los buenos guardarraíles viven fuera del modelo, en los permisos y en el flujo, no solo en el prompt.
human-in-the-loopDiseño en el que una persona revisa o aprueba los pasos delicados de un sistema automático. En IA: el agente propone y la persona firma lo irreversible, como pagar, publicar o borrar.
IA localEjecutar modelos en tu propio ordenador o servidor, sin enviar nada a la nube. Ganas privacidad y control; pierdes algo de potencia y comodidad, y el mantenimiento corre de tu cuenta.
índice vectorialBase de datos preparada para guardar y buscar embeddings por similitud a gran velocidad. Es la pieza que hace práctica la búsqueda por significado cuando hay miles de documentos.
inferenciaEl momento en que un modelo ya entrenado responde: recibe tu entrada y produce una salida. Es lo que ocurre cada vez que usas la IA, tanto en la nube como en local.
inferencia en el borde (edge)Ejecutar el modelo en el propio dispositivo (móvil, portátil, cámara) en lugar de en un servidor remoto. Respuesta más inmediata, menos datos enviados y menos dependencia de la conexión.
jailbreakConjunto de instrucciones con las que alguien intenta saltarse las reglas de seguridad de un modelo para que haga lo que no debería. La barrera útil está en los permisos y la supervisión, no en la redacción del prompt.
latenciaTiempo que pasa desde que envías una petición hasta que llega la respuesta. Importa cuando la IA trabaja dentro de un flujo: si tarda demasiado, la experiencia o el proceso se rompen.
LLMModelo grande de lenguaje: sistema entrenado con enormes cantidades de texto para predecir qué palabra viene después. No consulta una base de datos de respuestas: genera la más probable, y por eso acierta mucho y también puede inventar.
marca de agua (watermark)Señal incrustada en un contenido generado para poder identificar su origen como sintético. No sustituye al sentido común: ante una petición sensible, se verifica siempre por otro canal.
MCPProtocolo abierto que permite conectar asistentes de IA con herramientas y fuentes de datos externas de forma estándar. Una misma conexión sirve para varias aplicaciones, en lugar de una integración a medida para cada una.
modelo abiertoModelo que se distribuye para que cualquiera pueda descargarlo, ejecutarlo o adaptarlo, a diferencia de los que solo se usan a través del servicio de su creador. No siempre implica publicar el código completo ni los datos de entrenamiento.
MoE (mixture of experts)Arquitectura que reparte el trabajo entre varias redes especializadas y activa solo las necesarias para cada petición. Permite modelos grandes con un coste de ejecución menor que si se activara todo a la vez.
multimodalModelo capaz de trabajar con varios tipos de contenido a la vez: texto, imagen, audio o vídeo. Puede leer una foto, escuchar una nota de voz y responder por escrito en la misma conversación.
no-codeHerramientas que permiten crear automatizaciones y aplicaciones conectando piezas visuales, sin escribir código. Make, n8n y Zapier son las referencias para flujos de empresa.
OCRTecnología que convierte una imagen o un PDF escaneado en texto que se puede buscar y procesar. Es el paso previo para que una IA trabaje con facturas, albaranes o contratos en papel.
pesos abiertosLos parámetros entrenados de un modelo, publicados para que cualquiera pueda descargarlos y ejecutarlos en su propio equipo. Es lo que hace posible buena parte de la IA local.
privacidadControl sobre qué datos salen de tu empresa y quién puede verlos. Regla práctica: lo personal y lo confidencial no se pega en herramientas externas; si la tarea exige datos reales, se decide antes dónde se procesan.
promptLa instrucción que le das a un modelo: qué quieres, con qué contexto y en qué formato. Un prompt vago no es un límite de la IA: es un límite del encargo.
prompt engineeringEl oficio de redactar y esculpir instrucciones para obtener buenos resultados: rol, tarea, contexto, formato y ejemplos. No es magia: es claridad y criterio, y se entrena.
prompt injectionInstrucciones escondidas en un documento, una web o un correo que un agente lee y puede acatar como si fueran tuyas. Regla de oro: lo que entra en un agente es dato, nunca instrucción; lo que pida cambios, accesos o pagos se confirma fuera del sistema.
pseudonimizaciónSustituir los datos identificativos por claves, de forma que la información pueda reasociarse con la persona si se dispone de la clave. Reduce el riesgo, pero no es anonimizar: sigue siendo dato personal.
quantizaciónComprimir un modelo reduciendo la precisión de sus números para que ocupe y pese menos. Permite ejecutarlo en equipos modestos a cambio de una pequeña pérdida de calidad.
RAGTécnica que combina un modelo con una base de documentos: primero se busca lo relevante en tus fuentes y después el modelo responde con ese material delante. Así las respuestas se apoyan en documentos reales y se pueden citar.
RAG híbridoBúsqueda que combina la coincidencia de palabras con la similitud de significado antes de que el modelo responda. Mejora los resultados cuando hay nombres, referencias o códigos que la búsqueda por significado sola pasa por alto.
rate limitLímite de peticiones que un servicio acepta en un periodo de tiempo. Protege al proveedor y al usuario: si un flujo lo supera, hay que repartir el trabajo o ampliar la cuota.
re-rankingSegundo filtro que reordena los documentos recuperados por relevancia antes de dárselos al modelo. Con él, la respuesta se apoya en los fragmentos que de verdad importan y no en los primeros que aparecieron.
red teamingPoner a prueba un sistema de IA intentando que falle: prompts maliciosos, datos manipulados, saltarse los límites. Es un ejercicio deliberado y documentado, no una revisión de cortesía.
residencia de datosEl lugar donde se almacenan físicamente los datos: en qué país o región. Determina qué legislación los protege y es una de las preguntas obligadas antes de contratar un servicio en la nube.
RGPDReglamento General de Protección de Datos de la Unión Europea: exige base legal, finalidad y transparencia para tratar datos personales, también cuando quien los trata es una IA. Se aplica a cualquier empresa, no solo a las tecnológicas.
sandboxEntorno limitado donde un agente puede moverse sin tocar nada crítico: una carpeta, una copia de los datos o una cuenta sin permisos sensibles. Reduce el daño de un error.
sesgoTendencia sistemática a favorecer o perjudicar a un grupo, heredada de los datos históricos y de las decisiones de diseño. En decisiones sensibles exige criterios escritos, datos diversos y revisión humana.
SkillsProcedimientos guardados que un asistente puede reutilizar cuando le pides una tarea concreta: el «cómo se hace aquí» queda dentro de la herramienta. En Claude acompañan a los Projects, que agrupan el contexto de un trabajo.
soberanía digitalCapacidad de una organización o un país de usar tecnología sin depender por completo de proveedores ajenos: dónde se alojan los datos, qué ley los protege y quién controla el servicio. En IA es uno de los argumentos de los modelos europeos y de la IA local.
temperaturaAjuste que controla cuánto se arriesga un modelo al elegir la siguiente palabra: baja, respuestas más previsibles y estables; alta, más variadas y creativas. Para datos y formatos, baja; para ideas, alta.
text-to-videoGeneración de vídeo a partir de una descripción de texto y, a menudo, de una imagen de partida. Produce clips cortos que se encadenan y se editan: no pide una película, pide un plano.
tokenUnidad mínima en la que un modelo parte el texto: puede ser una palabra, un trozo de palabra o un signo. Los modelos cuentan y facturan en tokens, no en palabras.
tokens de contextoLas piezas de información que ocupan sitio en la ventana de contexto: cada mensaje, documento o imagen que el modelo tiene delante. Todo compite por ese espacio: cuando se llena, lo más antiguo se recorta o se pierde.
tokens por segundoVelocidad a la que un modelo genera texto. Importa en los flujos y en las tareas largas: si la espera se hace incómoda, conviene un modelo más rápido o una versión que se ejecute en local.
tool callingCapacidad de un modelo de pedir que se ejecute una herramienta externa (buscar, calcular, escribir un archivo) y usar el resultado para seguir trabajando. Es la base de los agentes.
triggerEl suceso que arranca una automatización: llega un correo, se rellena un formulario, es lunes a las nueve. Elegir bien el disparador decide si el flujo trabaja cuando toca.
troceado (chunking)Partir documentos largos en fragmentos antes de indexarlos para una búsqueda. El tamaño de los fragmentos y dónde se cortan deciden si el sistema encuentra la respuesta completa o solo un trozo sin sentido.
ventana de contextoLa cantidad de texto que un modelo puede tener en cuenta a la vez en una conversación. Más ventana, más documentos y matices admite; cuando se llena, la información antigua se pierde de vista.
ventana de contexto efectivaLa parte de la ventana de contexto que el modelo aprovecha de verdad: cuanto más se llena, más se pierden los detalles del medio. Por eso conviene dar documentos filtrados y no «todo por si acaso».
webhookAviso automático que un servicio envía a otro cuando ocurre algo, sin que nadie pregunte. Es la pieza que permite reaccionar al instante: «ha pasado esto, haz aquello».