Si cada vez que lees sobre Inteligencia Artificial te encuentras con palabras como «prompt», «LLM» o «alucinación» y no tienes muy claro qué significan, este glosario está pensado para ti. Hemos reunido los 30 términos que más se repiten, explicados sin jerga innecesaria y con ejemplos cotidianos.
💡 Cómo usar este glosario
- Está organizado por bloques temáticos, no alfabéticamente, para que los términos relacionados queden juntos.
- Puedes usar la tabla de contenidos para saltar directamente al bloque que te interese.
- Iremos añadiendo términos nuevos a medida que surjan en el sector.
Conceptos básicos
Inteligencia Artificial (IA): capacidad de un sistema informático para realizar tareas que normalmente requerirían inteligencia humana, como entender lenguaje, reconocer imágenes o tomar decisiones.
Modelo: el «cerebro» entrenado que hace posible que una IA genere respuestas. Es el resultado de todo el proceso de entrenamiento con datos.
LLM (Large Language Model / Modelo de Lenguaje Grande): tipo de modelo de IA entrenado con enormes cantidades de texto, capaz de generar y entender lenguaje natural. ChatGPT, por ejemplo, se basa en un LLM.
IA generativa: tipo de Inteligencia Artificial capaz de crear contenido nuevo (texto, imágenes, audio, vídeo) en lugar de solo analizar datos existentes.
Cómo interactuamos con la IA
Prompt: la instrucción o pregunta que le escribes a una IA para obtener una respuesta.
Prompt engineering (ingeniería de prompts): la práctica de escribir instrucciones cada vez mejores para obtener resultados más precisos de una IA.
Contexto / ventana de contexto: la cantidad de conversación anterior que una IA es capaz de «recordar» al generar su siguiente respuesta.
Token: la unidad mínima de texto que procesa un modelo de lenguaje (puede ser una palabra completa o un fragmento de ella). Los modelos «piensan» y se les cobra el uso en tokens, no en palabras.
Cómo funciona por dentro (sin matemáticas)
Entrenamiento: proceso mediante el cual un modelo aprende patrones a partir de una gran cantidad de datos, antes de estar listo para usarse.
Datos de entrenamiento: el conjunto de texto, imágenes u otro contenido que se usó para enseñar al modelo.
Parámetros: los «ajustes internos» que el modelo aprende durante el entrenamiento. Cuantos más tiene, generalmente más complejo y capaz es, aunque no es la única medida de calidad.
Inferencia: el momento en el que el modelo, ya entrenado, genera una respuesta a partir de lo que le preguntas.
Fine-tuning (ajuste fino): proceso de especializar un modelo ya entrenado para que se le dé mejor una tarea concreta, entrenándolo un poco más con datos específicos.
Errores y limitaciones
Alucinación: cuando una IA genera información incorrecta o inventada con total naturalidad y aparente seguridad. Es una de las limitaciones más importantes a tener en cuenta.
Sesgo (bias): tendencia de un modelo a reproducir patrones injustos o desequilibrados presentes en sus datos de entrenamiento.
Sobreajuste (overfitting): cuando un modelo «memoriza» demasiado sus datos de entrenamiento y falla al generalizar con información nueva.
Tipos de IA y modelos
Chatbot: programa diseñado para mantener conversaciones con personas, con o sin IA avanzada detrás.
Asistente de IA: chatbot avanzado capaz de realizar tareas además de conversar, como buscar información o ejecutar acciones.
Modelo multimodal: IA capaz de entender y/o generar más de un tipo de contenido (texto, imagen, audio, vídeo) al mismo tiempo.
Agente de IA: sistema de IA capaz de tomar decisiones y ejecutar varios pasos de forma autónoma para cumplir un objetivo, no solo responder una pregunta puntual.
Modelo de código abierto (open source): modelo de IA cuyo funcionamiento interno se publica para que cualquiera pueda usarlo, estudiarlo o modificarlo, a diferencia de los modelos cerrados o propietarios.
Imagen, audio y vídeo
Generador de imágenes: herramienta de IA que crea imágenes nuevas a partir de una descripción de texto.
Upscaling (escalado): proceso de aumentar la resolución de una imagen o vídeo usando IA, añadiendo detalle de forma artificial.
Voz sintética / clonación de voz: generación de audio con IA que imita una voz humana, ya sea genérica o clonada a partir de una voz real (normalmente requiere consentimiento).
Deepfake: contenido de vídeo o imagen manipulado con IA para mostrar a una persona diciendo o haciendo algo que no ocurrió realmente. Su uso sin consentimiento plantea serios problemas éticos y, en muchos países, legales.
Términos de negocio y planes
API: la «puerta de conexión» que permite que una aplicación externa use un modelo de IA sin pasar por su interfaz habitual. La usan los desarrolladores para integrar IA en sus propios programas.
Créditos / tokens de uso: la unidad con la que muchas plataformas de IA miden y cobran el consumo de sus servicios.
Plan freemium: modelo de negocio que combina una versión gratuita limitada con planes de pago que desbloquean más funciones o capacidad.
Ética y regulación
IA responsable: conjunto de principios y prácticas orientadas a que el desarrollo y uso de la IA sea seguro, transparente y respetuoso con los derechos de las personas.
Watermarking (marca de agua digital): técnica para identificar contenido generado por IA, de forma visible o invisible, con el objetivo de distinguirlo del contenido creado por humanos.
Consentimiento informado (en IA): principio según el cual una persona debe saber y aceptar cuándo sus datos, voz o imagen se usan para entrenar o generar contenido con IA.
Alineación (alignment): el trabajo de diseñar modelos de IA para que su comportamiento se ajuste a las intenciones y valores humanos, evitando resultados dañinos o no deseados.
Conclusión
Con estos 30 términos ya puedes seguir cualquier conversación o noticia sobre Inteligencia Artificial sin sentirte perdido. Si quieres poner en práctica varios de estos conceptos, te recomendamos empezar por nuestra guía de qué es ChatGPT y cómo usarlo paso a paso.