Glosario de IA

Un sistema de IA que persigue un objetivo a lo largo de varios pasos con cierta autonomía: decide qué hacer a continuación y, por el camino, usa herramientas como la búsqueda, archivos u otras apps.

Ejemplo: Le pides a un agente que busque horarios de tren a otra ciudad para el viernes y que redacte un mensaje a tu equipo con dos opciones; busca, compara y escribe el borrador para que lo revises.

Se suele confundir con: Un asistente de chat responde a un mensaje cada vez y tú lo vas guiando, mientras que un agente ejecuta una serie de acciones con menos intervención tuya. Como puede actuar, comprueba a qué puede acceder y revisa su trabajo antes de que se envíe, se compre o se borre nada.

Entrenamiento adicional de un modelo existente con un conjunto más pequeño de ejemplos etiquetados para que se comporte de una forma concreta, como seguir el estilo propio de una empresa.

Ejemplo: Un equipo de soporte hace un ajuste fino de un modelo con preguntas anteriores de clientes emparejadas con respuestas aprobadas, para que las nuevas respuestas sigan el mismo tono y formato.

Se suele confundir con: El ajuste fino cambia el propio modelo y requiere datos preparados y una configuración técnica. Poner instrucciones o ejemplos en tu prompt, o conectar documentos mediante generación aumentada por recuperación, deja el modelo sin cambios y suele ser la opción más sencilla para las tareas cotidianas.

Fuente: About supervised fine-tuning for Gemini models (Google Cloud, consultado el 2026-10-10)

Cuando un modelo de IA genera un texto que es falso o que no coincide con el material que se le dio.

Ejemplo: Pides tres libros sobre un tema y uno de ellos tiene un título y un autor que parecen reales, pero el libro no existe cuando lo buscas en el catálogo de una biblioteca.

Se suele confundir con: No puedes detectar una alucinación por el tono: una respuesta incorrecta puede sonar tan segura como una correcta. También es distinta de la información desactualizada que se debe a la fecha de corte del conocimiento, pero en ambos casos hay que contrastar la información con una fuente primaria.

Más información: Cómo comprobar lo que te dice la IA, Investiga con IA y comprueba las citas

Fuente: Reduce hallucinations (Anthropic, consultado el 2026-10-10)

Una conexión que permite a un software enviar peticiones a un modelo de IA y recibir respuestas, para que los desarrolladores puedan integrar la IA en sus propias apps y flujos de trabajo.

Ejemplo: El desarrollador de una tienda online se conecta a un modelo mediante una API para que aparezca un primer borrador de cada descripción de producto al añadir un artículo nuevo, sin que nadie abra una app de chat.

Se suele confundir con: Usar un modelo mediante una API no es lo mismo que usar la app de chat del proveedor: las funciones son distintas y, en algunos proveedores, el uso de la API se factura aparte de la suscripción a la app. No necesitas una API para usar herramientas de IA en tareas cotidianas.

Más información: Productos, modelos y planes

Un conjunto fijo de tareas de prueba que se usa para medir y comparar modelos de IA; una puntuación muestra cómo le fue a un modelo en esa prueba concreta y en unas condiciones concretas, no lo útil que será para tu trabajo.

Ejemplo: Un modelo puede puntuar bien en una serie de problemas de concursos de matemáticas ejecutados con una configuración concreta y aun así escribir un resumen flojo de tus notas de reuniones.

Se suele confundir con: La puntuación de un benchmark no es una clasificación general de utilidad. Los resultados dependen de la prueba, los prompts y la configuración usados, así que las puntuaciones de distintas fuentes pueden no coincidir; probar tu propia tarea en dos o tres herramientas es una comprobación más directa para lo que necesitas.

Más información: Mejora la respuesta paso a paso, Elige una herramienta y revisa cómo te fue

Fuente: Artificial Analysis Intelligence Benchmarking Methodology (Artificial Analysis, consultado el 2026-10-10)

Las opciones de un producto de IA que controlan qué pasa con tus datos, por ejemplo si tus chats pueden usarse para mejorar los modelos del proveedor y si se guarda tu historial de chats.

Ejemplo: Antes de usar una herramienta de chat para el trabajo, abres su configuración, buscas la opción sobre el uso de tus chats para mejorar los modelos y eliges lo que encaja con tu situación y con las normas de tu organización.

Se suele confundir con: La configuración de privacidad varía según el producto, el plan y el tipo de cuenta, y puede cambiar; por eso, comprueba por tu cuenta la configuración actual en lugar de suponer un valor predeterminado. Desactivar la mejora de los modelos no significa necesariamente que no se guarde nada, así que sigue evitando pegar datos sensibles personales, de la empresa o de otras personas.

Más información: Elige una herramienta y revisa cómo te fue, Descompón una tarea de oficina

Fuente: Data controls in ChatGPT (OpenAI, consultado el 2026-10-10)

Una lista de números que representa un fragmento de texto para que un programa pueda medir lo relacionados que están dos textos según lo cerca que estén sus números.

Ejemplo: Una app de notas puede usar embeddings para encontrar una nota titulada «gastos de reparación del coche» cuando buscas «cuánto me costó arreglar el vehículo», aunque las palabras sean distintas.

Se suele confundir con: Un embedding no es un resumen ni una respuesta que lees; es una representación interna que se usa por detrás para búsquedas, agrupaciones y generación aumentada por recuperación.

Fuente: Vector embeddings (OpenAI, consultado el 2026-10-10)

El proceso en el que un modelo de IA aprende patrones a partir de una cantidad muy grande de datos de ejemplo, lo que condiciona cómo responde después.

Ejemplo: Un modelo de lenguaje se entrena con enormes colecciones de texto, por lo que aprende cómo se suelen construir las frases y qué palabras y hechos tienden a aparecer juntos.

Se suele confundir con: El entrenamiento ocurre antes de que uses el modelo; cuando chateas, trabaja con lo que ya aprendió más lo que hay en la conversación. Tus chats solo se convierten en datos de entrenamiento si el proveedor los usa así, algo que la configuración de privacidad puede permitirte controlar.

Más información: Qué puede y qué no puede hacer la IA por ti

La fecha hasta la que llegan los datos de entrenamiento de un modelo, por lo que el modelo puede no conocer acontecimientos o cambios posteriores a esa fecha.

Ejemplo: Si preguntas por una norma que cambió el mes pasado, un modelo sin búsqueda web puede describir la norma antigua como si siguiera vigente.

Se suele confundir con: La fecha de corte del conocimiento no es la fecha en que se lanzó o se actualizó por última vez el producto; suele ser anterior. Cuando una herramienta busca en la web, su respuesta depende de las páginas que encontró, así que comprueba las fechas y las fuentes en cualquier caso.

Más información: Qué puede y qué no puede hacer la IA por ti, Investiga con IA y comprueba las citas

Fuente: How up-to-date is Claude's training data? (Anthropic, consultado el 2026-10-10)

Un método en el que un sistema primero encuentra fragmentos relevantes en un conjunto elegido de documentos y se los pasa al modelo, para que su respuesta se base en ese contenido.

Ejemplo: El bot de ayuda de una empresa busca en el manual del personal la sección sobre vacaciones, luego escribe su respuesta a partir de esa sección y puede mostrar qué sección usó.

Se suele confundir con: La generación aumentada por recuperación no vuelve a entrenar el modelo; cada vez añade a la petición el texto que ha encontrado, y en eso se diferencia del ajuste fino. La respuesta puede seguir siendo incorrecta si se encuentra el fragmento equivocado o se interpreta mal, así que abre el fragmento en el que se basó.

Fuente: Retrieval-augmented generation (RAG) in Azure AI Search (Microsoft, consultado el 2026-10-10)

IA publicada con condiciones que permiten a cualquiera usarla, estudiarla, modificarla y compartirla con cualquier fin, junto con el código de entrenamiento, los pesos entrenados y suficiente información sobre los datos de entrenamiento para que una persona experta pueda crear un sistema similar.

Ejemplo: Un grupo de investigación publica un modelo con sus pesos, su código de entrenamiento completo y una descripción detallada de la procedencia de sus datos de entrenamiento, con condiciones que permiten cualquier uso, para que otros equipos puedan examinarlo y volver a entrenar su propia versión.

Se suele confundir con: La IA de código abierto y los pesos abiertos son etiquetas distintas. Un modelo cuyos pesos puedes descargar, pero cuyo código de entrenamiento o información sobre los datos no se comparte, o cuya licencia restringe cómo puedes usarlo, es de pesos abiertos, pero no es IA de código abierto según la definición de la Open Source Initiative. Lee la licencia en lugar de fiarte de la etiqueta.

Fuente: The Open Source AI Definition – 1.0 (Open Source Initiative, consultado el 2026-10-10)

IA que crea contenido nuevo, como texto, imágenes, audio o código, a partir de patrones que aprendió de un número muy grande de ejemplos.

Ejemplo: Pides cinco posibles títulos para un cartel escolar sobre reciclaje y la herramienta te escribe cinco nuevos.

Se suele confundir con: Un buscador te lleva a páginas que ya existen, mientras que la IA generativa escribe texto nuevo que puede sonar correcto y aun así ser erróneo. A menos que la herramienta también busque en la web, no está consultando nada.

Más información: Qué puede y qué no puede hacer la IA por ti

Sistemas informáticos que realizan tareas que solemos asociar con el pensamiento humano, como entender el lenguaje, reconocer imágenes o hacer predicciones.

Ejemplo: Una app de fotos que agrupa las imágenes según las caras que aparecen en ellas usa IA, y también una herramienta de chat que redacta un correo a partir de tus notas.

Se suele confundir con: La IA es el campo en su conjunto, no un producto concreto. La IA generativa es la parte que crea texto, imágenes o audio nuevos; muchos otros sistemas de IA solo clasifican, ordenan o predicen, como un filtro de spam.

Más información: Qué puede y qué no puede hacer la IA por ti

Un tipo de modelo de IA entrenado con una cantidad muy grande de texto para predecir qué palabra o parte de palabra es probable que venga después, lo que le permite responder preguntas, escribir y resumir.

Ejemplo: Cuando escribes «Explica la fotosíntesis a un niño de 10 años», el modelo de lenguaje grande que hay detrás de la app de chat escribe la respuesta fragmento a fragmento, y elige cada uno según lo que es probable que venga a continuación.

Se suele confundir con: Un modelo de lenguaje grande es el motor, no la app. La app de chat que abres es un producto de IA que ejecuta uno o varios modelos y añade funciones a su alrededor, como la subida de archivos, la búsqueda o los chats guardados.

Más información: Qué puede y qué no puede hacer la IA por ti, Productos, modelos y planes

Capaz de trabajar con más de un tipo de entrada o salida, como texto, imágenes, audio o video.

Ejemplo: Tomas una foto de una lista de compras escrita a mano y le pides a la herramienta que la convierta en una lista en texto, agrupada por tipo de alimento.

Se suele confundir con: Multimodal no significa que todos los tipos de entrada funcionen en todos los productos o planes: una herramienta puede leer imágenes pero no audio, o crear imágenes pero no video. Comprueba qué acepta tu herramienta y revisa su descripción de una imagen con el mismo cuidado que cualquier otro resultado.

Un modelo cuyos pesos entrenados, los números que aprendió durante el entrenamiento, se publican para que cualquiera pueda descargarlo, ejecutarlo y adaptarlo por su cuenta según los términos de su licencia.

Ejemplo: Un desarrollador descarga un modelo de pesos abiertos y lo ejecuta en su propio equipo, así que los documentos no salen de esa máquina, pero aun así tiene que cumplir la licencia que acompaña al modelo.

Se suele confundir con: Pesos abiertos no es lo mismo que IA de código abierto. La licencia puede limitar el uso comercial o ciertos fines, y puede que los datos y el código de entrenamiento no se publiquen en absoluto; la IA de código abierto, tal como la define la Open Source Initiative, exige las libertades de usar, estudiar, modificar y compartir, además de información sobre los datos, el código y los pesos.

Fuente: Gemma 4 model overview (Google, consultado el 2026-10-10)

El nivel de acceso que tienes a un producto de IA, como un nivel gratuito o una suscripción de pago, que influye en las funciones a las que tienes acceso.

Ejemplo: Dos compañeros de clase usan la misma app de chat, pero uno está en el nivel gratuito y el otro paga cada mes, así que pueden ver funciones, límites de uso u opciones de modelo diferentes.

Se suele confundir con: Un plan no es un modelo ni un producto; es el nivel de cuenta que contratas. En algunos proveedores, la suscripción a la app y el uso de la API para desarrolladores se facturan por separado.

Más información: Productos, modelos y planes, Elige una herramienta y revisa cómo te fue

Fuente: I have a paid Claude subscription (Pro, Max, Team, or Enterprise plans). Why is Claude API usage billed separately from my paid Claude plan? (Anthropic, consultado el 2026-10-10)

La app, el sitio web o la función que realmente usas, como un asistente de chat o una ayuda para redactar, que funciona con uno o varios modelos de IA por detrás.

Ejemplo: Una app de notas añade un botón «Resumir esta página»: el botón y la app son el producto, y un modelo que hay detrás escribe el resumen.

Se suele confundir con: El producto no es el modelo ni el plan. Un mismo producto puede ofrecer varios modelos o versiones de modelo, y lo que puedes hacer en él depende del producto, de tu plan y a veces de tu región, no solo del modelo que lleva dentro.

Más información: Productos, modelos y planes, Elige una herramienta y revisa cómo te fue

La instrucción, pregunta o material que le das a una herramienta de IA para decirle lo que quieres.

Ejemplo: «Reescribe este párrafo para un lector de 12 años en menos de 80 palabras» es un prompt, y también lo es un correo pegado seguido de «Enumera las tres cosas que tengo que hacer».

Se suele confundir con: Un prompt no necesita palabras clave especiales ni trucos. Basta con lenguaje sencillo: indica la tarea, da algo de contexto y di en qué formato quieres la respuesta.

Más información: Hacer tu primera pregunta, Empieza con un objetivo claro

Una forma de trabajar en la que un modelo sigue pasos adicionales para descomponer un problema antes de ofrecer su respuesta final; se usa a menudo para matemáticas, lógica, planificación o código.

Ejemplo: Si le pides que planifique un horario semanal de estudio en torno a dos exámenes y un trabajo a tiempo parcial, un modelo en modo de razonamiento puede tardar más y repasar las restricciones antes de mostrar el plan final.

Se suele confundir con: Razonar no es lo mismo que acertar: los pasos pueden parecer sensatos y aun así contener un error, así que comprueba el resultado. Suele ser más lento y puede gastar más de tu límite de uso, por lo que una reescritura o un resumen rápidos quizá no lo necesiten.

Una pequeña unidad de texto que un modelo lee y escribe, y que puede ser un solo carácter, parte de una palabra, una palabra entera o un signo de puntuación.

Ejemplo: Una palabra corta y común suele ser un solo token, mientras que una palabra larga o poco habitual puede dividirse en varios tokens.

Se suele confundir con: Un token no es lo mismo que una palabra, así que los límites y precios expresados en tokens no se convierten exactamente en palabras o páginas. Cada modelo divide el texto a su manera, por lo que el mismo texto puede contar como un número distinto de tokens.

Más información: Da el contexto adecuado

Fuente: Understanding and counting tokens (OpenAI, consultado el 2026-10-10)

La capacidad de un modelo de IA de llamar a funciones o servicios externos, como una búsqueda web, una calculadora o un calendario, y usar los resultados en su respuesta.

Ejemplo: Si preguntas por el horario de un museo local, una herramienta con búsqueda web puede consultar una página actualizada, mientras que un modelo sin herramientas solo puede responder con lo que aprendió en su entrenamiento.

Se suele confundir con: El uso de herramientas es una sola capacidad; un agente es un sistema que puede usar muchas herramientas a lo largo de muchos pasos. Un modelo sin herramientas no puede consultar la web ni tu calendario, aunque su respuesta suene como si lo hubiera hecho.

Más información: Qué puede y qué no puede hacer la IA por ti

Fuente: Tool use with Claude (Anthropic, consultado el 2026-10-10)

Todo el texto que un modelo puede tener en cuenta a la vez al escribir una respuesta, incluidos tus mensajes, cualquier material que hayas añadido y la propia respuesta.

Ejemplo: En un chat muy largo, la herramienta puede perder de vista detalles que diste al principio si esas partes ya no caben en su ventana de contexto.

Se suele confundir con: La ventana de contexto no es memoria a largo plazo: abarca lo que el modelo tiene delante en este momento, mientras que una función de memoria aparte, si el producto la tiene, guarda notas entre chats. Su tamaño se mide en tokens, no en palabras ni en páginas.

Más información: Da el contexto adecuado

Fuente: Context windows (Anthropic, consultado el 2026-10-10)

El modelo de IA concreto, identificado por un nombre y normalmente un número de versión, que genera las respuestas dentro de un producto.

Ejemplo: Una app de chat puede dejarte elegir entre una lista corta de nombres de modelos con números; hacer la misma pregunta a cada uno puede dar respuestas distintas en longitud, estilo y precisión.

Se suele confundir con: La versión del modelo es el motor; el producto es la app que lo rodea, y el plan decide qué versiones puedes elegir. Un número de versión más reciente no garantiza mejores resultados para tu tarea, así que prueba tu propia tarea antes de cambiar.

Más información: Productos, modelos y planes