Glosario de inteligencia artificial

Comparto una guía de referencia con los términos de IA que más aparecen en artículos, presentaciones y conversaciones de trabajo, explicados sin jerga. Si prefieres una introducción más pausada antes de entrar en materia, puedes empezar por nuestra guía de conceptos básicos de la inteligencia artificial.

🧠 LLM (modelo de lenguaje grande)

Es un modelo entrenado con enormes cantidades de texto para predecir qué palabra viene después de otra. De ahí surge su capacidad para escribir, resumir, traducir o programar. GPT-4, Llama o Gemini son ejemplos de LLM. Ejemplo: cuando hablamos de “la IA” en el día a día, casi siempre nos referimos a un LLM funcionando por detrás.

🤖 IA generativa

Es la capacidad de un modelo de crear contenido nuevo (texto, imagen, audio, vídeo o código) en lugar de solo clasificar o predecir datos existentes. Es la tecnología detrás del auge de contenido automatizado del que ya hablamos al ver que la mitad de los contenidos digitales los escribe ya una inteligencia artificial. Ejemplo: ChatGPT, Midjourney o Sora son sistemas de IA generativa, cada uno especializado en un tipo de contenido.

👻 Alucinación

Ocurre cuando un modelo genera información que suena convincente pero es falsa o inventada, sin ser consciente de ello. No es un fallo técnico puntual, es una consecuencia de cómo funcionan estos modelos: no “saben” cosas, calculan qué palabra es más probable. Ejemplo: pedirle a un LLM una cita académica y que invente un artículo, un autor y hasta un año de publicación que no existen. Es uno de los motivos por los que conviene desarrollar el truth coping del que hablamos en este artículo.

🧩 Agente de IA

Un agente es un sistema que no se limita a responder, sino que puede planificar varios pasos, usar herramientas externas (buscar en internet, ejecutar código, consultar una base de datos) y actuar de forma más autónoma para cumplir un objetivo. Es el salto natural después de los chatbots conversacionales, y lo desarrollamos con más detalle en qué son los agentes de IA y por qué son el siguiente salto tras los chatbots. Ejemplo: un agente que recibe la instrucción “resérvame el vuelo más barato para estas fechas” y por sí solo compara opciones, decide y ejecuta la reserva. El Model Context Protocol (MCP) es uno de los estándares que está permitiendo que estos agentes se conecten con herramientas externas de forma ordenada.

🔍 RAG (Retrieval-Augmented Generation)

Es una técnica que combina un LLM con una base de datos o documentos externos: antes de responder, el modelo “busca” información relevante y la usa como apoyo, en lugar de fiarse solo de lo que memorizó durante su entrenamiento. Reduce (aunque no elimina) el riesgo de alucinaciones. Ejemplo: un asistente interno de una empresa que responde dudas de RRHH consultando primero el convenio laboral real, no solo lo que el modelo “cree” recordar.

⚖️ AI Act (Reglamento Europeo de IA)

Es la normativa europea que clasifica los sistemas de IA según su nivel de riesgo (inaceptable, alto, limitado o mínimo) y fija obligaciones distintas para cada categoría. Ya tiene partes en vigor y ha sufrido cambios de calendario relevantes en 2026. Ejemplo: si tu empresa usa IA para filtrar currículums, probablemente estés hablando de un sistema de “alto riesgo”. Puedes leer el detalle completo en nuestro análisis del Reglamento Europeo de IA (AI Act).

🌐 AGI (inteligencia artificial general)

Es el hipotético punto en el que un sistema de IA iguala o supera la capacidad cognitiva humana en cualquier tarea intelectual, no solo en las que ha sido entrenado específicamente. Hoy sigue siendo un objetivo, no una realidad. Ejemplo: los LLM actuales son extraordinarios escribiendo o programando, pero fallan en tareas sencillas de razonamiento físico o sentido común. Lo desarrollamos en nuestro artículo sobre el camino hacia la AGI.

© Datos de entrenamiento y copyright

Los modelos de IA generativa se entrenan con enormes volúmenes de texto, imágenes o código, muchas veces protegidos por derechos de autor y recogidos mediante scraping. Este es uno de los debates legales más activos del sector. Ejemplo: varios medios y editoriales han demandado a empresas de IA por usar su contenido sin permiso para entrenar modelos. Lo explicamos con más detalle en qué es el copyright y por qué importa en la era de la IA.

🧩 Otros términos

• Modelo fundacional: un LLM de propósito general, entrenado una vez con muchísimos datos, sobre el que luego se construyen aplicaciones más específicas (chatbots, asistentes, herramientas verticales).
• Fine-tuning (ajuste fino): proceso de reentrenar un modelo ya existente con un conjunto de datos más pequeño y específico, para especializarlo en una tarea o un dominio concreto.
• Prompt / prompt engineering: la instrucción que le das a un modelo de IA, y la práctica de redactarla con precisión para obtener mejores resultados.
• Ventana de contexto: la cantidad de texto (medida en tokens) que un modelo puede “tener en cuenta” a la vez en una conversación o documento.
• Token: la unidad mínima en la que un modelo de lenguaje divide el texto para procesarlo; puede ser una palabra, parte de una palabra o un signo de puntuación.
• Modelo multimodal: un sistema capaz de entender y/o generar más de un tipo de contenido (texto, imagen, audio, vídeo) en el mismo modelo.
• Small Language Model (SLM): versión reducida de un LLM, más barata y rápida de ejecutar, pensada para tareas concretas en lugar de propósito general.
• Código abierto vs. propietario: mientras modelos como Llama o DeepSeek publican sus pesos para que cualquiera los use y modifique, otros como GPT o Gemini son propietarios y solo se accede a través de una API. Es, de hecho, una de las bazas que China está usando en su pulso con Estados Unidos, como vimos en quién va ganando la carrera de la IA.
• Sesgo algorítmico: cuando un modelo reproduce o amplifica desigualdades presentes en los datos con los que fue entrenado.
• Deepfake: contenido audiovisual sintético (voz, vídeo o imagen) generado con IA para simular que una persona real dijo o hizo algo que nunca ocurrió. Ya mueve un fraude de cientos de millones de euros al año, como contamos en deepfakes, la desinformación que ya cuesta 929 millones de euros.
• Chief AI Officer (CAIO): el cargo directivo responsable de la estrategia de IA de una empresa, cada vez más habitual en organizaciones grandes. Lo tratamos en detalle en este artículo.
• Guardrails: reglas y filtros técnicos que limitan lo que un modelo puede decir o hacer, pensados para evitar respuestas peligrosas, ilegales o fuera de política.

Este glosario seguirá creciendo a medida que aparezcan nuevos términos. Si echas en falta alguno, dímelo y lo añado.