Glosario de términos de IA
47 términos de inteligencia artificial explicados sin jerga innecesaria. Busca uno concreto o navega por letra.
A
Agente de IA
Un programa que usa un modelo de IA para perseguir un objetivo por varios pasos de forma autónoma: decide qué hacer, usa herramientas (buscar, ejecutar código, llamar a una API) y evalúa el resultado, sin que tengas que darle cada instrucción una por una.
Alineación (alignment)
El trabajo de conseguir que un modelo de IA se comporte según lo que sus creadores pretenden: útil, honesto y sin causar daño, en vez de simplemente perseguir el objetivo matemático con el que fue entrenado.
Alucinación
Cuando una IA genera información falsa con total seguridad, como si fuera cierta. No miente a propósito: predice la respuesta más probable según su entrenamiento, y a veces esa predicción es incorrecta.
Alucinación de citas
Un caso concreto de alucinación en el que la IA inventa una fuente, un enlace o una referencia bibliográfica que no existe, presentándola como si fuera real.
API
Interfaz de programación que permite a un programa hablar directamente con un modelo de IA (en vez de usar la app de chat), normalmente pagando por token consumido.
Artefacto
En algunos chats de IA (como Claude), un panel aparte donde se muestra código, documentos o diseños que puedes ver e iterar sin que ocupen la conversación principal.
B
Benchmark
Una prueba estandarizada que mide qué tal rinde un modelo de IA en una tarea concreta (matemáticas, programación, comprensión lectora…), usada para comparar modelos entre sí.
BPE (Byte Pair Encoding)
El algoritmo más habitual para dividir un texto en tokens: va fusionando los pares de caracteres que aparecen juntos con más frecuencia hasta formar un vocabulario de fragmentos reutilizables.
C
Chain-of-thought (cadena de pensamiento)
Una técnica en la que se pide al modelo que muestre su razonamiento paso a paso antes de dar la respuesta final, lo que suele mejorar la precisión en tareas complejas.
ChatGPT
El asistente de IA conversacional de OpenAI, uno de los más usados del mundo desde su lanzamiento en 2022.
Claude
El asistente de IA de Anthropic, conocido por su capacidad de escritura, programación y manejo de documentos largos.
Contexto (ventana de contexto)
La cantidad máxima de texto (medida en tokens) que un modelo puede tener "en mente" a la vez durante una conversación, incluyendo tu pregunta, el historial y la respuesta.
Contexto compartido / memoria
La capacidad de algunas IAs de recordar información entre distintas conversaciones (no solo dentro de la misma), para no tener que repetirte cada vez.
D
Dataset (conjunto de datos)
La colección de textos, imágenes u otros datos que se usa para entrenar o evaluar un modelo de IA.
Deep learning (aprendizaje profundo)
Una forma de aprendizaje automático basada en redes neuronales con muchas capas, capaz de aprender patrones complejos directamente de los datos sin que un humano programe las reglas.
Deep Research
Una función de algunos asistentes de IA que investiga un tema de forma autónoma durante varios minutos, consultando múltiples fuentes, y entrega un informe con citas al final.
Difusión (modelo de difusión)
La técnica que usan la mayoría de generadores de imágenes con IA: parten de ruido aleatorio y lo van "limpiando" en pasos sucesivos hasta que aparece una imagen coherente con el prompt.
E
Embedding
Una representación numérica (un vector de números) del significado de un texto, imagen o audio, que permite a un ordenador comparar qué tan parecidos son dos contenidos entre sí.
Entrenamiento (training)
El proceso por el cual un modelo de IA ajusta sus parámetros internos analizando enormes cantidades de datos, hasta aprender a predecir patrones útiles.
F
Fine-print / ventana de contexto efectiva
La diferencia entre el tamaño de contexto que anuncia un modelo y lo bien que realmente lo aprovecha: muchos modelos pierden precisión con información situada en mitad de un contexto muy largo.
Fine-tuning (ajuste fino)
Entrenar un poco más un modelo ya entrenado, con un conjunto de datos más pequeño y específico, para especializarlo en una tarea o estilo concreto sin empezar de cero.
G
Gemini
La familia de modelos de IA de Google, integrada en el buscador, Gmail, Docs y el resto de su ecosistema.
GPT
Generative Pre-trained Transformer: la arquitectura y familia de modelos desarrollada por OpenAI en la que se basa ChatGPT.
GPU
Unidad de procesamiento gráfico. Su capacidad para hacer muchos cálculos en paralelo la hace ideal para entrenar y ejecutar modelos de IA, por eso son tan demandadas y caras.
Grounding (anclaje)
Conectar las respuestas de una IA a fuentes de información verificables (una búsqueda web, tus documentos) en lugar de que responda solo con lo que memorizó en el entrenamiento — reduce las alucinaciones.
I
Inferencia
El momento en el que un modelo ya entrenado genera una respuesta a partir de tu pregunta. Es distinto del entrenamiento: la inferencia ocurre cada vez que usas la IA.
L
Latencia
El tiempo que tarda un modelo en empezar a responder después de recibir tu petición. Modelos más grandes o con más razonamiento suelen tener mayor latencia.
LLM (Large Language Model, modelo de lenguaje grande)
Un modelo de IA entrenado con enormes cantidades de texto para predecir y generar lenguaje natural. ChatGPT, Claude y Gemini están construidos sobre LLMs.
M
Modelo base vs modelo instruido
Un modelo base solo predice texto probable; un modelo instruido (instruct/chat) ha sido afinado además para seguir instrucciones y mantener una conversación útil — es el que usas en ChatGPT, Claude o Gemini.
Multimodal
Un modelo capaz de trabajar con más de un tipo de contenido a la vez: texto, imágenes, audio o vídeo, en vez de estar limitado solo a texto.
O
Open source / modelo abierto
Un modelo de IA cuyos pesos (o incluso el código de entrenamiento) se publican para que cualquiera pueda descargarlo, ejecutarlo o modificarlo, a diferencia de los modelos cerrados que solo se usan a través de una API o app.
Overfitting (sobreajuste)
Cuando un modelo aprende tan específicamente los datos de entrenamiento que deja de generalizar bien a casos nuevos — memoriza en vez de aprender el patrón real.
P
Parámetros
Los valores numéricos internos que un modelo ajusta durante el entrenamiento. Cuantos más parámetros, mayor suele ser la capacidad del modelo, aunque no es el único factor que importa.
Perplexity
Un motor de búsqueda basado en IA que responde preguntas citando sus fuentes, pensado para investigar más que para conversar.
Prompt
El texto que le escribes a una IA para pedirle algo. Un buen prompt da contexto, especifica el objetivo y el formato de respuesta que quieres.
Prompt engineering (ingeniería de prompts)
La práctica de diseñar y perfeccionar prompts para conseguir mejores respuestas de una IA, probando distintas formas de formular la misma petición.
R
RAG (Retrieval-Augmented Generation)
Una técnica en la que la IA busca información relevante en una base de datos o documentos antes de responder, en lugar de fiarse solo de lo que memorizó al entrenarse — mejora la precisión y reduce alucinaciones.
Razonamiento (reasoning)
La capacidad de un modelo de "pensar" varios pasos antes de responder, útil en matemáticas, lógica o programación. Algunos modelos tienen un modo de razonamiento específico, más lento pero más preciso.
Red neuronal
Un sistema de cálculo inspirado (de forma muy simplificada) en cómo funcionan las neuronas biológicas, organizado en capas que transforman una entrada en una salida a través de conexiones con distinto peso.
S
Sesgo (bias)
Cuando un modelo reproduce patrones injustos o desequilibrados presentes en sus datos de entrenamiento, por ejemplo favoreciendo ciertos grupos o perspectivas sobre otros.
System prompt (instrucción de sistema)
Instrucciones que se le dan a la IA antes de que empiece la conversación con el usuario, para fijar su comportamiento, tono o límites — normalmente invisibles para quien chatea.
T
Temperatura
Un parámetro que controla cuánta "creatividad" o aleatoriedad tiene la IA al elegir palabras: baja temperatura da respuestas más predecibles, alta temperatura da respuestas más variadas o inesperadas.
Token
El fragmento mínimo de texto que procesa un modelo de IA: puede ser una palabra, parte de una palabra o un signo de puntuación. Los modelos cobran y miden límites en tokens, no en palabras.
Transformer
La arquitectura de red neuronal (presentada en 2017) en la que se basan casi todos los modelos de lenguaje actuales, incluidos GPT, Claude y Gemini. Su pieza clave es el mecanismo de "atención", que le permite relacionar palabras aunque estén lejos entre sí en el texto.
V
Ventana de contexto (context window)
Sinónimo de "contexto": el límite de tokens que un modelo puede considerar a la vez en una conversación.
W
Watermark (marca de agua digital)
Una señal invisible insertada en contenido generado por IA (texto, imagen o audio) para poder identificar después que fue creado por una máquina.
Z
Zero-shot / few-shot
Pedirle a una IA que haga una tarea sin ejemplos previos (zero-shot) o dándole unos pocos ejemplos dentro del propio prompt para guiarla (few-shot), sin necesidad de reentrenar el modelo.
No hay ningún término que coincida con tu búsqueda.
Te puede interesar
Conceptos IAQué son los tokens en IA y por qué importanCómo se cuentan, qué es la ventana de contexto y por qué influyen en el precio.
Conceptos IA¿Qué es un agente de IA y para qué sirve?La diferencia entre un chatbot y un agente, cómo funcionan y ejemplos prácticos.
Conceptos IAConceptos básicos de IA: cómo hablar con una IALos conceptos esenciales y cómo escribir buenos prompts para que una IA te entienda.La IA de la semana, en 5 minutos
Un correo a la semana con las novedades que importan y un prompt útil. Sin spam; te das de baja con un clic.