Términos de IA explicados sin tecnicismos

Protocolo creado por Google en 2025 para permitir que agentes de IA de diferentes fabricantes se comuniquen y colaboren entre sí.

Sistema donde los prompts se ajustan dinámicamente según el contexto, respuestas previas y preferencias del usuario. Evoluciona con cada interacción.

IA autónoma que puede ejecutar tareas complejas por sí misma: buscar información, tomar decisiones, usar herramientas y completar objetivos sin supervisión constante.

Enfoque donde la IA opera como agente autónomo: planifica tareas, usa herramientas externas, toma decisiones y ejecuta acciones multi-paso sin intervención humana constante.

Filosofía empresarial donde la inteligencia artificial es el punto de partida del diseño de productos y procesos, no una adición posterior.

Capa intermedia que gestiona llamadas a múltiples APIs de IA. Proporciona caching, rate limiting, fallbacks entre proveedores y observabilidad centralizada.

Coordinación de múltiples agentes, modelos y herramientas de IA trabajando juntos en flujos complejos. Un orquestador decide qué modelo usar, cuándo y cómo combinar resultados.

Nivel de preparación de una empresa para adoptar IA: calidad de datos, infraestructura tecnológica, cultura organizacional y capacidades del equipo.

Modelo de trabajo donde los humanos y la IA colaboran. La IA amplifica las capacidades humanas en lugar de reemplazarlas completamente.

Asegurar que los sistemas de IA actúen de acuerdo con los valores e intenciones humanas, especialmente a medida que se vuelven más autónomos.

Cuando una IA genera información que suena convincente pero es inventada o incorrecta. Ocurre porque el modelo predice texto probable, no verifica hechos.

Puente que permite que dos aplicaciones se comuniquen entre sí. Es como un mesero que lleva tu pedido a la cocina y te trae el resultado.

Proceso de configurar tareas para que se ejecuten solas sin intervención humana. Combina herramientas y reglas para eliminar trabajo manual repetitivo.

Tipo de base de datos optimizada para buscar información por similitud de significado, no solo por palabras exactas. Esencial para chatbots inteligentes.

Prueba estandarizada que mide el rendimiento de un modelo de IA en tareas específicas. Permite comparar modelos objetivamente.

Aplicación concreta de IA en un contexto de negocio con un problema definido, datos disponibles y resultado medible.

Técnica donde la IA razona paso a paso antes de dar una respuesta final. Mejora significativamente resultados en problemas complejos.

Programa de IA que simula conversaciones humanas. Puede responder preguntas, resolver dudas y guiar a clientes las 24 horas del día.

Proceso de dividir documentos grandes en fragmentos más pequeños para procesarlos con un LLM o almacenarlos en una base de datos vectorial.

Asistente de IA creado por Anthropic, diseñado para ser útil, honesto y seguro. Capaz de analizar documentos, escribir código y mantener conversaciones extensas.

Capacidad de un modelo de IA para operar una computadora directamente: hacer clics, escribir texto, navegar webs y usar aplicaciones como un humano.

Agentes de IA que pueden controlar directamente un computador: mover el mouse, hacer clic, escribir texto y navegar interfaces gráficas como lo haría un humano.

Rama de la IA que permite a las computadoras interpretar y entender imágenes y videos como lo haría un humano.

Arte de gestionar y optimizar lo que entra en la ventana de contexto: qué información incluir, cómo estructurarla, qué omitir. Evolución del prompt engineering.

Modelo de precios de APIs de IA donde se cobra por la cantidad de texto procesado. Varía enormemente entre modelos y proveedores.

Sistema para gestionar todas las interacciones con clientes y prospectos. Centraliza contactos, historial de comunicaciones, ventas y seguimiento.

Técnica de comprimir un modelo reduciendo la precisión numérica de sus pesos. Permite correr modelos grandes en hardware limitado.

Editor de código potenciado con IA que puede leer todo tu proyecto, hacer cambios en múltiples archivos y actuar como agente de desarrollo.

Ciclo virtuoso donde más uso genera más datos, que mejoran el modelo, que atrae más usuarios. Ventaja competitiva clave en IA.

Colección organizada de datos usada para entrenar o alimentar sistemas de IA. La calidad del dataset determina la calidad de los resultados.

Tipo avanzado de machine learning que usa redes neuronales con muchas capas para procesar información compleja como imágenes, audio y texto.

Modo donde agentes de IA realizan investigación autónoma: buscan múltiples fuentes, sintetizan información y producen reportes detallados.

Transferir el conocimiento de un modelo grande a uno más pequeño y eficiente. Produce modelos compactos sin perder mucha calidad.

Representación numérica de texto que captura su significado. Permite a la IA entender que 'auto' y 'carro' son conceptos similares.

Proceso donde un modelo de IA aprende patrones al procesar grandes cantidades de datos. Como un estudiante que lee miles de libros para aprender a escribir.

Capacidad de un sistema o negocio para crecer sin que los costos aumenten proporcionalmente. La IA permite escalar atendiendo más clientes sin contratar más personal.

Modo donde el modelo puede 'pensar' internamente antes de responder, usando cadenas de razonamiento extensas no visibles al usuario para problemas complejos.

Técnica de dar al modelo 2-5 ejemplos del resultado deseado antes de pedir la tarea real. Mejora mucho la precisión.

Proceso de tomar un modelo de IA pre-entrenado y ajustarlo con datos específicos de tu industria o negocio para que dé respuestas más relevantes.

Tecnología de Vercel que escala automáticamente los recursos de computación de funciones serverless según la demanda en tiempo real, optimizando costo y rendimiento.

Mecanismo técnico por el cual un LLM invoca funciones de código predefinidas y recibe sus resultados. Base de los agentes que interactúan con sistemas externos.

Proceso paso a paso que convierte desconocidos en clientes. Cada etapa filtra prospectos: desde conocerte hasta comprar.

Marco de políticas, procesos y controles que una organización implementa para asegurar el uso ético, legal y seguro de sistemas de IA.

Arquitectura de IA creada por OpenAI que genera texto. Pre-entrenada con billones de palabras, puede completar y generar texto de forma coherente.

Proceso de anclar las respuestas de una IA a fuentes de datos reales y verificables, reduciendo alucinaciones.

Filtros y restricciones implementados en un sistema de IA para prevenir respuestas dañinas, ilegales o fuera de alcance.

Combinación de IA, automatización robótica, machine learning y minería de procesos en una red inteligente que automatiza todo lo automatizable.

Sistemas de IA que no solo responden preguntas sino que toman decisiones autónomas, planifican pasos, usan herramientas y ejecutan acciones para lograr objetivos.

Técnica de Anthropic donde el modelo aprende a evaluar y corregir sus propias respuestas usando un conjunto de principios éticos.

Sistemas de IA diseñados para mantener diálogos naturales, recordar contexto previo y responder de forma coherente a lo largo de una conversación.

Tipo de IA que crea contenido nuevo: texto, imágenes, audio, video y código. No solo analiza datos, sino que produce material original.

Proceso de usar un modelo ya entrenado para generar respuestas o predicciones. Es lo que ocurre cada vez que interactúas con una IA.

Tecnología que permite a las computadoras realizar tareas que normalmente requieren inteligencia humana: entender texto, reconocer imágenes, tomar decisiones y aprender de datos.

Campo que estudia cómo entender qué ocurre 'dentro' de un modelo de IA: por qué toma las decisiones que toma. Crítico para aplicaciones de alto riesgo.

Técnica para evadir las restricciones de seguridad de un modelo de IA mediante prompts especialmente diseñados.

Persona o empresa que ha mostrado interés en tu producto o servicio. En marketing digital, un lead es alguien que dejó sus datos de contacto.

Modelo de IA entrenado con cantidades masivas de texto que puede generar, resumir, traducir y analizar contenido escrito con calidad casi humana.

Ciclo de razón-acción-observación que sigue un agente: piensa qué hacer, ejecuta una acción, observa el resultado y repite hasta completar el objetivo.

Low-Rank Adaptation. Método eficiente de fine-tuning que modifica solo una pequeña fracción de los parámetros del modelo, reduciendo costo y tiempo.

Rama de la IA donde las computadoras aprenden patrones de datos sin ser programadas explícitamente para cada tarea. Mejora con más datos y experiencia.

Plataforma visual de automatización (antes Integromat) con interfaz de bloques y conectores para cientos de aplicaciones. Alternativa a n8n y Zapier.

Estándar abierto creado por Anthropic que define cómo los modelos de IA se conectan con herramientas externas, APIs y fuentes de datos. Estándar de industria desde 2025.

Model Context Protocol: estándar abierto que permite a los modelos de IA conectarse a herramientas externas, bases de datos y APIs de forma segura y estandarizada.

Capacidad de un agente de IA para recordar información entre sesiones. Incluye memoria a corto plazo (sesión) y largo plazo (base de datos).

Técnica donde un prompt maestro genera o refina otros prompts automáticamente. El modelo actúa como su propio ingeniero de prompts, optimizando instrucciones iterativamente.

Datos que describen otros datos. En sistemas RAG, los metadatos permiten filtrar y recuperar los fragmentos más relevantes eficientemente.

Modelos que dedican tiempo extra a 'pensar' antes de responder, usando cadenas de pensamiento internas. Más lentos pero más precisos en tareas complejas.

Modelo de IA entrenado a gran escala sobre datos masivos y generales, que luego se adapta a tareas específicas. Son la base sobre la que se construyen aplicaciones de IA.

IA que procesa y genera múltiples tipos de datos: texto, imágenes, audio y video de forma combinada en una sola interacción.

Modelos cuyo código y pesos son públicos y descargables. Se pueden correr localmente sin pagar por APIs.

Capacidad de dar instrucciones a la IA combinando texto, imágenes, audio y video en un solo prompt. Permite análisis más ricos y respuestas contextualizadas.

Plataforma de automatización de código abierto que conecta aplicaciones y crea workflows sin necesidad de programar. Alternativa flexible a Zapier.

Plataformas que permiten crear aplicaciones, automatizaciones y workflows sin escribir código o con mínima programación.

Práctica de coordinar múltiples agentes de IA para que trabajen en conjunto, asignando tareas, gestionando dependencias y consolidando resultados.

Motor de búsqueda basado en IA que responde preguntas con fuentes citadas en tiempo real, combinando búsqueda web con generación de texto.

Usar inteligencia artificial para adaptar contenido, recomendaciones y comunicaciones a cada cliente individual de forma automática.

Secuencia automatizada de pasos que mueven y transforman datos desde su origen hasta donde se necesitan para entrenar o alimentar un sistema de IA.

Capacidad de la IA para entender, interpretar y generar texto en lenguaje humano. Es lo que hace posible chatbots, traductores y asistentes de voz.

La instrucción o pregunta que le das a una IA para obtener un resultado. La calidad del prompt determina la calidad de la respuesta.

Técnica donde el proveedor de IA almacena en caché el contexto de prompts largos o repetitivos, reduciendo latencia hasta 85% y costos hasta 90% en llamadas subsecuentes.

El arte de escribir instrucciones efectivas para obtener los mejores resultados de una IA. Incluye técnicas como dar contexto, ejemplos y formato deseado.

Tipo de ciberataque donde alguien inserta instrucciones maliciosas en el input de una IA para manipular su comportamiento.

Técnica que combina búsqueda de información con generación de texto. La IA busca datos relevantes en tu base de conocimiento antes de responder.

Parámetro que controla cuánto 'piensa' el modelo antes de responder. Permite balancear entre respuestas rápidas y baratas vs. análisis profundos y costosos.

Sistema de computación inspirado en el cerebro humano. Procesa información en capas conectadas que transforman datos de entrada en resultados útiles.

Prueba adversarial donde un equipo intenta hacer que la IA produzca contenido dañino antes del lanzamiento, para encontrar y corregir vulnerabilidades.

Paso adicional después de la recuperación inicial donde un modelo especializado reordena los resultados para maximizar su relevancia.

Reinforcement Learning from Human Feedback. Técnica donde humanos evalúan respuestas del modelo y esas evaluaciones mejoran su comportamiento.

Métrica que mide cuánto ganas en relación a lo que inviertes. En IA, se calcula comparando el costo de implementación contra las horas y dinero ahorrados.

Software que automatiza tareas repetitivas imitando acciones humanas: copiar datos, llenar formularios, navegar sistemas. Combinada con IA se vuelve más poderosa.

Modelo de software que se usa por internet pagando una suscripción mensual, sin instalar nada. La mayoría de herramientas de IA funcionan así.

Tendencia de un modelo de IA a producir resultados que favorecen ciertos grupos o perspectivas debido a desequilibrios en sus datos de entrenamiento.

Uso de herramientas de IA por empleados sin aprobación ni supervisión de la empresa, creando riesgos de seguridad y fuga de datos.

Arquitectura donde múltiples agentes de IA especializados colaboran, cada uno con un rol específico, coordinados para resolver tareas complejas.

Capacidad de los modelos de IA de generar respuestas en formatos estrictos como JSON, XML o schemas predefinidos, garantizando parseo confiable en aplicaciones.

Plataforma de base de datos PostgreSQL open source con autenticación, storage y funciones edge. Muy usada en proyectos de IA por su soporte a vectores.

Datos generados artificialmente por IA que replican las características estadísticas de datos reales. Útil para entrenar modelos cuando los datos reales son escasos o sensibles.

Instrucciones invisibles para el usuario que se dan al modelo antes de la conversación. Definen el rol, tono, restricciones y comportamiento del asistente.

Parámetro que controla la aleatoriedad de las respuestas. Temperatura 0 = respuestas predecibles y exactas. Temperatura 1 = respuestas más creativas.

Tiempo que tarda una empresa en obtener retorno real de una implementación de IA. Métrica clave para evaluar inversiones en tecnología.

Unidad mínima de texto que procesa una IA. Puede ser una palabra, parte de una palabra o un signo de puntuación. Los modelos tienen límites de tokens.

Proceso de convertir texto en unidades (tokens) que el modelo puede procesar. Cada idioma y modelo tokeniza de forma diferente.

Capacidad de un agente de IA para llamar funciones externas: buscar en internet, ejecutar código, consultar bases de datos, enviar emails.

Arquitectura de IA revolucionaria que procesa texto entendiendo las relaciones entre todas las palabras simultáneamente, no una por una.

Técnica avanzada donde el modelo explora múltiples caminos de razonamiento en paralelo, evalúa cada rama y selecciona la mejor solución. Supera al Chain of Thought lineal.

Cantidad máxima de texto que un modelo puede procesar y 'recordar' en una sola interacción, medida en tokens.

Librería de TypeScript para construir interfaces de IA en aplicaciones web: streaming de respuestas, herramientas y soporte para múltiples modelos.

Término acuñado por Andrej Karpathy en 2025. Flujo donde el humano describe en lenguaje natural lo que quiere y la IA implementa el código.

URL que recibe datos automáticamente cuando ocurre un evento en otra aplicación. Base de la mayoría de automatizaciones e integraciones con IA.

Secuencia de pasos automatizados que se ejecutan en orden para completar un proceso. Cada paso puede involucrar diferentes herramientas y acciones.

Capacidad de un modelo para realizar una tarea sin haber visto ningún ejemplo previo. Solo se le da la instrucción y la ejecuta.