Glosario de términos de IA

Términos de IA y sus significados

Los términos y conceptos de IA pueden resultar abrumadores, sobre todo con la velocidad a la que avanza este campo.

Aquí tienes una recopilación de términos y conceptos clave para ayudarte a orientarte y empezar.

Guárdalo como referencia rápida cuando encuentres lenguaje desconocido.

Conceptos básicos de IA

Inteligencia Artificial (IA): Software capaz de realizar tareas que normalmente requieren inteligencia humana, como comprender lenguaje, reconocer imágenes, tomar decisiones o crear cosas nuevas.

Agente: IA que puede realizar acciones por sí misma, no solo responder preguntas. Puede usar herramientas y actuar para resolver cosas por ti, como buscar en internet, reservar un vuelo, rellenar formularios o ejecutar código.

Fecha de corte de conocimiento: La última fecha de los datos con los que se entrenó la IA. Después de esta fecha no tiene conocimiento incorporado, a menos que use herramientas para buscar en internet en tiempo real y añadir la información nueva a su contexto.

Modelo de Lenguaje Extenso (LLM por sus siglas en inglés): IA masiva entrenada con cantidades enormes de texto (como libros, sitios web y conversaciones de internet) para poder conversar, escribir y responder preguntas.

Aprendizaje Automático (Machine Learning, ML): Software que permite a la IA aprender a partir de ejemplos y patrones, en lugar de seguir reglas creadas por programadores.

Modelo: El “cerebro” específico de una IA. Una misma empresa puede lanzar versiones nuevas (ej. GPT-4 → GPT-4o) que son más inteligentes o rápidas. Algunos ejemplos son GPT-4o, Claude 3.5 Sonnet o Gemini 1.5.

Red neuronal: El “cerebro digital” compuesto por capas de “neuronas” digitales interconectadas que se pasan información entre sí.

Datos de entrenamiento: Toda la información (texto, imágenes, ejemplos) de la que aprende una IA. La calidad y cantidad de los datos de entrenamiento determinan en gran medida qué tan inteligente se vuelve la IA.

Trabajar con IA

Comando: Instrucción específica que activa un comportamiento determinado en la IA, a menudo comenzando con una barra (/). Ejemplos: /clear y /summarize.

Ventana de contexto: Límite total de tokens para una sesión. Se traduce en cuánto puede “ver” y recordar la IA en un momento dado dentro de una conversación.

Esfuerzo: Cuánto “piensa” la IA antes de responder. Un esfuerzo bajo suele ser más rápido y barato, mientras que un esfuerzo alto tiende a ser más lento pero más inteligente.

Humano en el ciclo (Human-in-the-Loop): Mantener a una persona involucrada para revisar, verificar o aprobar las decisiones de la IA.

Proyecto: Un espacio de trabajo en herramientas de IA que mantiene instrucciones, archivos y conocimiento compartidos a lo largo de muchas conversaciones.

Prompt: La instrucción o pregunta que le das a una IA. Cuanto mejor sea tu indicación, mejor será el resultado.

Ingeniería de prompts: La habilidad de escribir mejores prompts para obtener respuestas más útiles y precisas de la IA.

Sesión: Una conversación continua con una IA. Cuando termina, la IA normalmente olvida todo (a menos que tenga herramientas de memoria). La duración de la sesión está limitada por la ventana de contexto.

Habilidad: Herramienta o capacidad predefinida que un agente de IA puede usar para realizar tareas. Buscar en internet, leer o crear archivos y enviar correos electrónicos son algunos ejemplos de habilidades.

Prompt del sistema: Instrucciones ocultas que le indican a la IA cómo comportarse en una aplicación o herramienta específica.

Token: Los pequeños fragmentos de texto que la IA usa para medir y procesar el lenguaje (aproximadamente 3/4 de una palabra). Los tokens de entrada son lo que tú envías a la IA. Los tokens de salida son lo que la IA te devuelve. Ambos cuestan dinero, pero los de salida suelen costar más.

Uso: Cuánto has utilizado un servicio de IA. Normalmente se mide en tokens o llamadas a la API.

Comportamiento y resultados de la IA

Sesgo: Cuando la IA refleja patrones injustos. Esto ocurre porque la IA aprende de enormes cantidades de texto, imágenes e historia humana disponibles en internet. Si esos datos contienen patrones injustos (como estereotipos), la IA puede copiarlos o magnificarlos.

Ajuste fino (Fine-tuning): Reentrenar un modelo de IA existente con tus propios datos específicos para que mejore en una tarea concreta.

Fundamentación (Grounding): Conectar los resultados de la IA con fuentes o hechos reales y verificables para hacerla más confiable.

Alucinación: Cuando una IA inventa con seguridad algo que es falso. Sucede porque la IA no “sabe” las cosas como los humanos. Solo predice qué palabras deberían venir a continuación.

Inferencia: El momento en que la IA genera una respuesta (a diferencia del entrenamiento). Es cuando usas la IA ya entrenada y esta crea una respuesta nueva para tu caso específico.

Resultado (Output): Es lo que la IA produce. Puede ser texto, imágenes, código, audio o cualquier otro formato.

Generación Aumentada por Recuperación (RAG por sus siglas en inglés): IA que primero busca en una base de conocimiento (documentos, base de datos) antes de responder, y luego genera una respuesta.

Herramientas y ecosistema

Automatización con IA: Automatización que usa IA en uno o varios pasos para poder manejar situaciones desordenadas, cambiantes o poco claras, en lugar de solo reglas estrictas.

Interfaz de Programación de Aplicaciones (API por sus siglas en inglés): Conjunto de reglas y protocolos que permite a los desarrolladores conectar la IA con otras aplicaciones y software.

Interfaz de Línea de Comandos (CLI por sus siglas en inglés): Forma de controlar una computadora o herramienta solo con texto, escribiendo comandos en lugar de hacer clic en botones.

Editor: Aplicación ligera para escribir y editar texto o código.

Entorno de Desarrollo Integrado (IDE por sus siglas en inglés): Aplicación completa de desarrollo de software para escribir, depurar, probar y compilar código. Ejemplos: IntelliJ y Visual Studio.

JSON (JavaScript Object Notation): Forma estructurada de organizar datos usando llaves {} y pares clave-valor. Se usa en respuestas de API o al configurar CustomGPTs y agentes.

Markdown (MD): Lenguaje para dar formato a texto plano sin código complicado, usando símbolos simples como #, ** y -. Se ha vuelto popular por lo fácil que es de leer tanto para humanos como para máquinas.

Protocolo de Contexto del Modelo (MCP por sus siglas en inglés): Forma estándar para que los agentes de IA se conecten de manera segura a herramientas, archivos y fuentes de datos externos. Facilita y hace más seguro que los agentes usen herramientas del mundo real sin necesidad de programar código personalizado cada vez.

Repositorio (Repo): Carpeta que almacena todos los archivos de un proyecto más su historial de versiones (normalmente en GitHub).

SSH: Protocolo que permite conectarse de forma segura a otra computadora o servidor remoto a través de internet.

Terminal: Aplicación con una interfaz basada en texto que permite interactuar directamente con tu computadora escribiendo comandos.

Términos avanzados de IA

Gobernanza de IA: Políticas y reglas que las organizaciones crean para usar la IA de forma segura y responsable.

Fragmentación (Chunking): Dividir documentos grandes en partes más pequeñas para que quepan en la ventana de contexto o se puedan buscar mejor.

Barandillas de seguridad (Guardrails): Reglas de seguridad que impiden que la IA haga cosas dañinas, ilegales o fuera de tema.

Orquestador: “Gerente” inteligente de IA que coordina múltiples herramientas, agentes o pasos para completar proyectos o flujos de trabajo grandes.

Enjambre (Swarm): Grupo de agentes de IA que trabajan juntos al mismo tiempo, como un equipo de abejas.

Temperatura: Configuración que controla qué tan creativas (o qué tan seguras/predecibles) son las respuestas de la IA.

Vectores / Incrustaciones (Embeddings): Forma de convertir texto en números para que la IA pueda entender el significado y encontrar contenido similar.