Biblioteca de aprendizaje de IA
Glosario de IA: más de 150 términos de inteligencia artificial explicados en español claro
Un glosario en español claro de los términos de IA que aparecen de verdad en el trabajo: de los tokens y el RAG al Reglamento Europeo de IA.
162 términos
Ningún término coincide. Prueba con una palabra más corta o .
A
Espacio de acciones
El conjunto completo de cosas que un agente tiene permitido hacer — sus herramientas, APIs y permisos.
Función de activación
El paso no lineal que se aplica en cada unidad y sin el cual una red profunda se reduciría a una sola red lineal.
Ejemplo adversario
Una entrada alterada apenas lo suficiente para engañar a un modelo, mientras que para una persona se ve igual.
Memoria del agente
Cómo un agente conserva información entre pasos y sesiones, más allá de la ventana de contexto.
IA agéntica
IA que actúa — planifica, usa herramientas, se corrige — en lugar de solo producir texto.
Bucle agéntico
El ciclo que un agente repite: razonar qué hacer, actuar, observar el resultado y volver a decidir.
Agente de IA
Software que planifica y toma acciones hacia un objetivo en tu nombre, en lugar de solo responder.
Alineación de la IA
El problema de lograr que los sistemas de IA persigan lo que en verdad queremos, incluidas las cosas que nunca se nos ocurrió especificar.
Gobernanza de la IA
La estructura interna de decisiones, responsables y controles sobre cómo una organización construye y usa IA.
Incidente de IA
Un evento en el que un sistema de IA causa o casi causa daño — cada vez más, algo que debes registrar y reportar.
Alfabetización en IA
Según el EU AI Act: las habilidades y la comprensión que el personal necesita para usar sistemas de IA con conocimiento de causa — y una obligación legal desde febrero de 2025.
Sandbox regulatorio de IA
Según el EU AI Act: un entorno supervisado donde quienes innovan pueden desarrollar y probar sistemas de IA bajo la mirada de un regulador.
Seguridad de la IA
El campo que se ocupa de evitar que los sistemas de IA causen daño, desde fallas cotidianas hasta riesgos sistémicos.
AI slop
Contenido generado por IA de baja calidad, producido por volumen y no por valor.
Sistema de IA (definición legal)
Según el EU AI Act: un sistema basado en máquinas que opera con cierta autonomía e infiere salidas a partir de las entradas.
Sesgo algorítmico
Cuando un sistema produce resultados sistemáticamente distintos para distintos grupos, sin justificación.
API API
La interfaz que usa tu código para enviar un prompt a un modelo y recibir una respuesta.
Clave de API
La credencial secreta que autentica y factura tus llamadas a la API — y que nunca debe llegar al navegador.
Inteligencia artificial general AGI
Un sistema hipotético que igualaría la amplitud humana en prácticamente cualquier tarea cognitiva — sin definición acordada ni cronograma acordado.
Inteligencia artificial AI
Software que realiza tareas que normalmente asociamos con el pensamiento humano — reconocer, predecir, generar, decidir.
Mecanismo de atención
La operación que permite a un modelo ponderar qué partes de la entrada importan más para cada parte de la salida.
Autonomía
Hasta dónde actúa un sistema sin intervención humana — una perilla, no un interruptor.
B
Retropropagación
El algoritmo que calcula cuánto contribuyó cada peso al error, para que el descenso de gradiente pueda corregirlo.
Inferencia por lotes
Ejecutar muchas predicciones juntas como un trabajo en vez de una a la vez en tiempo real.
Tamaño de lote
Cuántos ejemplos procesa el modelo antes de actualizar sus pesos una vez.
Benchmark
Un conjunto de pruebas estándar que se usa para comparar modelos — útil como orientación, poco confiable como garantía.
Sesgo
Desviación sistemática en las salidas de un modelo — una propiedad de los datos y del diseño, no una acusación moral.
Categorización biométrica
Según el EU AI Act: asignar personas a categorías con base en sus datos biométricos — restringido, y prohibido para atributos sensibles.
C
Marcado CE
El marcado que declara que un sistema de IA de alto riesgo cumple los requisitos aplicables de la UE.
Prompting de cadena de pensamiento CoT
Pedirle al modelo que desarrolle su razonamiento paso a paso antes de responder.
Chunking
Dividir documentos en pasajes lo bastante pequeños para embeberlos y recuperarlos de forma útil.
Clasificación
Predecir a qué categoría pertenece algo.
Computer Use
Un agente que opera una computadora como lo haría una persona — leyendo la pantalla, moviendo el cursor, escribiendo.
Evaluación de la conformidad
El procedimiento que demuestra que un sistema de IA de alto riesgo cumple los requisitos de la ley antes de salir al mercado.
Content Credentials C2PA
Metadatos firmados criptográficamente que registran cómo se creó y se editó una pieza de contenido.
Ingeniería de contexto
Decidir qué información entra en la ventana de contexto, en qué orden y qué queda fuera.
Ventana de contexto
La cantidad máxima de tokens que un modelo puede considerar a la vez — el prompt, los documentos y su propia respuesta en conjunto.
Copiloto
Un asistente de IA integrado en una herramienta que sugiere mientras tú mantienes el control.
D
Envenenamiento de datos
Corromper los datos de entrenamiento para que el modelo resultante se comporte mal, muchas veces solo ante un disparador específico.
Procedencia de los datos
Un registro documentado de dónde vinieron los datos, cómo se recolectaron y qué se puede hacer con ellos.
Aprendizaje profundo
Aprendizaje automático construido sobre redes neuronales de muchas capas — el enfoque detrás de casi todo sistema de IA moderno.
Deepfake
Audio o video sintético que muestra de forma convincente a una persona real haciendo o diciendo algo que nunca hizo ni dijo.
Responsable del despliegue
Según el EU AI Act: quien usa un sistema de IA bajo su propia autoridad en un contexto profesional.
Privacidad diferencial
Una garantía matemática de que un resultado apenas cambia según se hayan incluido o no los datos de cualquier persona.
Modelo de difusión
La arquitectura detrás de casi toda la generación de imágenes y video con IA: partir del ruido y quitarlo paso a paso.
Destilación
Entrenar un modelo pequeño para que imite a uno grande, conservando casi toda la calidad a una fracción del costo.
Proveedor posterior
Según el EU AI Act: un proveedor cuyo sistema integra un modelo de IA de uso general hecho por otra parte.
E
Embedding
Una lista de números que representa significado, donde las cosas parecidas terminan cerca unas de otras.
Sistema de reconocimiento de emociones
Según el EU AI Act: un sistema que identifica o infiere emociones o intenciones a partir de datos biométricos — prohibido en lugares de trabajo y escuelas.
Época
Una pasada completa del algoritmo de entrenamiento sobre todo el conjunto de datos de entrenamiento.
EU AI Act
El reglamento de la UE sobre inteligencia artificial — la primera ley de IA amplia y vinculante, aplicada por niveles de riesgo.
Evaluación (evals)
Medición sistemática de si un sistema de IA hace lo que necesitas — tus pruebas, no las del proveedor.
Explicabilidad XAI
Poder darle a una persona una explicación significativa de por qué un sistema produjo una salida determinada.
F
Equidad
El requisito de que un sistema trate a las personas de forma equitativa — con varias definiciones matemáticas que, está demostrado, entran en conflicto.
Característica
Una variable de entrada que el modelo usa para hacer su predicción.
Few-Shot Prompting
Incluir varios ejemplos en el prompt para que el modelo infiera el patrón que buscas.
Fine-Tuning
Continuar el entrenamiento con tus propios ejemplos para especializar el comportamiento de un modelo general.
Modelo Fundacional
Un modelo grande entrenado de forma amplia una sola vez y luego adaptado a muchas tareas posteriores, en lugar de construirse para cada tarea.
Modelo Frontera
Un modelo que está en el estado del arte de capacidad general, o más allá — los que los reguladores vigilan más de cerca.
Function Calling
El mecanismo por el cual un modelo le pide a tu código que ejecute una función específica con argumentos específicos.
G
GAN (red generativa adversaria) GAN
Dos redes entrenadas una contra la otra — una genera falsificaciones y la otra las detecta.
Modelo de IA de Uso General GPAI
Según el EU AI Act: un modelo con una generalidad significativa, capaz de realizar una amplia gama de tareas e integrarse en muchos sistemas.
IA Generativa GenAI
Modelos que producen contenido nuevo — texto, imágenes, audio, video, código — en lugar de solo clasificar o puntuar contenido existente.
GPU GPU
El procesador paralelo que volvió práctico el aprendizaje profundo, y el recurso más escaso de la industria.
Descenso de Gradiente
El método de optimización que encuentra mejores parámetros dando pasos cuesta abajo sobre la pérdida, una y otra vez.
Guardrails
Controles que limitan lo que se le puede pedir a un modelo y lo que se le permite generar.
H
Alucinación
Salida fluida y segura de sí misma que simplemente es falsa — el modo de fallo característico de los modelos de lenguaje.
Sistema de IA de Alto Riesgo
Según el EU AI Act: un sistema dentro de un caso de uso sensible de la lista, permitido pero sujeto a las obligaciones más estrictas.
Supervisión Humana
Según el EU AI Act: el requisito de que las personas puedan entender, monitorear, anular y detener un sistema de alto riesgo.
Human-in-the-Loop HITL
Un diseño en el que una persona revisa o aprueba antes de que una acción de IA surta efecto.
Búsqueda Híbrida
Combinar búsqueda por palabras clave y búsqueda vectorial, porque cada una falla donde la otra funciona.
Hiperparámetro
Un ajuste que eliges antes del entrenamiento, a diferencia de un parámetro que el modelo aprende durante él.
I
Inferencia
Ejecutar un modelo ya entrenado para obtener una respuesta — todo lo que ocurre después de que el entrenamiento terminó.
Costo de Inferencia
Lo que cuesta ejecutar un modelo en producción, facturado por token de entrada y por token de salida.
Interpretabilidad
Entender cómo funciona un modelo por dentro, en lugar de solo describir sus salidas.
ISO/IEC 42001
El estándar internacional para un sistema de gestión de IA — certificable, a diferencia del marco del NIST.
J
K
L
Etiqueta
La respuesta correcta adjunta a un ejemplo de entrenamiento.
Gran Modelo de Lenguaje LLM
Un modelo entrenado con enormes cantidades de texto para predecir el siguiente token, lo cual resulta suficiente para escribir, resumir, traducir y razonar.
Latencia
Cuánto tarda una solicitud — la diferencia entre un asistente que se siente vivo y uno que se siente roto.
Tasa de Aprendizaje
Qué tan grande es el paso que da el entrenamiento en cada actualización — el hiperparámetro con más probabilidades de arruinar una corrida.
LLMOps
MLOps para sistemas construidos sobre modelos de lenguaje — prompts, evals, costo y seguridad en lugar de corridas de entrenamiento.
LoRA (Low-Rank Adaptation)
Un método barato de fine-tuning que entrena un pequeño complemento en lugar de actualizar el modelo entero.
Función de Pérdida
La fórmula que puntúa qué tan equivocada está la predicción de un modelo — lo que el entrenamiento intenta minimizar.
M
Aprendizaje Automático ML
Una forma de construir software en la que el sistema aprende patrones a partir de ejemplos en vez de seguir reglas escritas a mano.
Meta-Prompting
Usar un modelo para escribir, criticar o mejorar prompts destinados a otro modelo.
Mezcla de Expertos MoE
Una arquitectura en la que solo una fracción de los parámetros del modelo se activa para cada token.
MLOps
Las prácticas para llevar modelos de aprendizaje automático a producción y mantenerlos funcionando.
Modelo
El artefacto entrenado — los parámetros aprendidos más la arquitectura — que convierte una entrada en una salida.
Tarjeta de Modelo
Un documento breve y estándar que indica para qué sirve un modelo, cómo se evaluó y dónde falla.
Model Context Protocol MCP
Un estándar abierto para conectar aplicaciones de IA con herramientas y fuentes de datos a través de una única interfaz común.
Deriva del Modelo
Degradación silenciosa a medida que el mundo se aleja de los datos con los que se entrenó un modelo.
Sistema Multiagente
Varios agentes especializados trabajando juntos, normalmente con un coordinador que reparte el trabajo.
IA Multimodal
Un modelo que maneja más de un tipo de entrada o de salida — texto, imágenes, audio, video.
N
IA Estrecha
IA construida para una tarea específica, que es todo sistema de IA que existe actualmente.
Prompt Negativo
En generación de imágenes, una lista de cosas que quieres dejar fuera del resultado.
Red Neuronal
Un modelo hecho de capas de unidades conectadas que pasan números hacia adelante, vagamente inspirado en las neuronas.
NIST AI Risk Management Framework AI RMF
Un marco estadounidense voluntario para gestionar el riesgo de la IA, organizado en torno a Govern, Map, Measure y Manage.
O
IA en el Dispositivo
Ejecutar un modelo en un teléfono o una laptop en lugar de enviar los datos a un servidor.
One-Shot Prompting
Dar exactamente un ejemplo resuelto junto con la instrucción.
Modelo de Pesos Abiertos
Un modelo cuyos pesos entrenados puedes descargar y ejecutar por tu cuenta — no necesariamente open source en sentido estricto.
Orquestación
La capa que decide qué modelo, herramienta o agente atiende cada paso, y en qué orden.
Sobreajuste
Cuando un modelo memoriza sus datos de entrenamiento en lugar de aprender el patrón, y falla ante cualquier cosa nueva.
P
Parámetro
Uno de los números internos que un modelo ajusta durante el entrenamiento; el conteo de parámetros es una medida aproximada de la capacidad del modelo.
Vigilancia Poscomercialización
Según el EU AI Act: los proveedores deben seguir observando cómo se desempeña su sistema en el mundo real después del lanzamiento.
Precisión y Recall
Las dos métricas que de verdad te dicen si un clasificador funciona cuando una clase es poco frecuente.
Práctica de IA Prohibida
Según el EU AI Act: usos de la IA prohibidos de plano en la UE, en vigor desde febrero de 2025.
Prompt
La entrada que le das a un modelo — instrucciones, contexto, ejemplos y pregunta, todo como texto.
Caché de prompts
Reutilizar la forma ya procesada de un prefijo de prompt repetido para no volver a pagarlo completo.
Ingeniería de prompts
Diseñar e iterar prompts para obtener resultados confiables — más parecido a escribir una especificación que a decir palabras mágicas.
Inyección de prompts
Esconder instrucciones en el contenido que el modelo lee, de modo que un tercero termina tomando el control del prompt.
Plantilla de prompt
Un prompt reutilizable con espacios variables, para que un prompt que funciona se convierta en un activo repetible.
Proveedor
Según el EU AI Act: quien desarrolla un sistema de IA o un modelo GPAI y lo comercializa bajo su propio nombre o marca.
Q
R
Límite de tasa
El tope que impone un proveedor sobre cuántas solicitudes o tokens puedes usar por intervalo.
Patrón ReAct
Un diseño de agente que intercala razonamiento explícito con acciones, un paso a la vez.
Modelo de razonamiento
Un modelo entrenado para gastar cómputo extra trabajando un problema antes de responder.
Red Teaming
Atacar deliberadamente tu propio sistema de IA para encontrar fallas antes de que lo haga alguien más.
Regresión
Predecir un número en lugar de una categoría.
Regularización
Cualquier técnica que restringe deliberadamente a un modelo para evitar que memorice el conjunto de entrenamiento.
Aprendizaje por refuerzo RL
Aprender por ensayo y error, guiado por recompensas en lugar de respuestas etiquetadas.
IA responsable
La práctica de construir e implementar IA considerando deliberadamente sus efectos en las personas.
Generación aumentada por recuperación (RAG) RAG
Buscar primero los documentos relevantes y ponerlos en el prompt, para que el modelo responda desde fuentes y no desde su memoria.
RLHF (aprendizaje por refuerzo con retroalimentación humana) RLHF
Entrenar un modelo con juicios de preferencia humana para que sea útil y se comporte bien, y no solo hable con fluidez.
Robustez
Si un sistema sigue funcionando cuando las entradas son ruidosas, inusuales o deliberadamente adversarias.
Role prompting
Asignarle un rol al modelo para moldear su vocabulario, su profundidad y su enfoque.
S
SDK SDK
Una librería oficial que envuelve la API de un proveedor en tu lenguaje de programación.
Aprendizaje autosupervisado
Entrenamiento donde los propios datos generan sus etiquetas — el truco que hizo posibles los grandes modelos de lenguaje.
Shadow AI
Empleados que usan herramientas de IA que la organización no aprobó y no puede ver.
Voz a texto STT
Convertir audio hablado en texto escrito.
Salida estructurada
Forzar al modelo a devolver datos con un esquema fijo para que el código posterior pueda parsearlos.
Aprendizaje supervisado
Aprender de ejemplos que vienen con la respuesta correcta adjunta.
Datos sintéticos
Datos de entrenamiento o de prueba generados por un modelo en lugar de recolectados del mundo real.
Prompt del sistema
Instrucciones permanentes que fijan el rol, las reglas y el tono de un modelo para toda una conversación.
Riesgo sistémico
Según el EU AI Act: el riesgo que surge de las capacidades de alto impacto de los modelos de propósito general más capaces.
T
Documentación técnica
Según el EU AI Act: el expediente que describe cómo se construyó, se probó y se controló un sistema, listo para las autoridades.
Temperatura
El ajuste que controla la aleatoriedad en la generación — bajo para consistencia, alto para variedad.
Datos de prueba
Datos que el modelo nunca vio, usados una sola vez al final para estimar el desempeño en el mundo real.
Test-time compute
Gastar más cómputo al momento de responder — pensar más tiempo — para obtener mejores resultados sin reentrenar.
Texto a imagen
Generar una imagen a partir de una descripción escrita.
Texto a voz TTS
Generar audio hablado a partir de texto escrito.
Texto a video
Generar clips de video a partir de una descripción escrita.
Throughput
Cuánto trabajo maneja un sistema por unidad de tiempo — tokens por segundo, solicitudes por minuto.
Token
La unidad que el modelo realmente lee y escribe — normalmente un fragmento de palabra, no una palabra.
Tokenización
Cortar el texto en los tokens que un modelo puede procesar — y una fuente silenciosa de comportamientos raros.
Uso de herramientas
Un modelo que llama a software externo — búsqueda, código, APIs, bases de datos — en lugar de responder de memoria.
Top-p (muestreo por núcleo)
Un control alternativo de la aleatoriedad que muestrea solo del conjunto más pequeño de tokens que cubre la probabilidad p.
TPU TPU
El chip acelerador propio de Google, creado específicamente para cargas de trabajo de machine learning.
Datos de entrenamiento
Los ejemplos de los que aprende un modelo — el mayor determinante de lo que puede y no puede hacer.
Transformer
La arquitectura de red neuronal detrás de prácticamente todos los modelos de lenguaje modernos, construida alrededor de la atención.
Transparencia
Dejar claro qué es un sistema de IA, con qué fue entrenado y cuándo alguien está interactuando con él.
IA confiable
Un paraguas para las propiedades que necesita un sistema de IA para que se confíe en él: válido, seguro, protegido, responsable, explicable, justo y respetuoso de la privacidad.
U
V
Datos de validación
Una porción reservada de datos que se usa para ajustar configuraciones y revisar el avance durante el entrenamiento, sin tocar el conjunto de prueba.
Base de datos vectorial
Una base de datos hecha para guardar embeddings y encontrar rápido los más cercanos.
Búsqueda vectorial
Encontrar contenido por significado en lugar de por coincidencia de palabras clave.
W
Marca de agua
Incrustar una señal detectable en contenido generado por IA para marcar su origen.
Pesos
Las fuerzas aprendidas de las conexiones de una red neuronal — la sustancia de lo que un modelo sabe.
Automatización de flujos de trabajo
Encadenar pasos de IA en un proceso definido que corre igual todas las veces.