Glosario de inteligencia artificial

A

• Adopción de IA Grado en que personas, empresas o gobiernos incorporan la IA a su trabajo real, desde probar herramientas hasta integrarla en procesos centrales. IA en la empresa
• Agente de IA Sistema de IA que recibe una meta y decide por sí mismo qué pasos dar y qué herramientas usar para cumplirla, observando resultados y ajustando su plan. Agentes y automatización
• Agente de uso de computadora (computer use) Agente de IA que opera una computadora o un navegador como lo haría una persona: ve la pantalla, mueve el cursor, hace clic y escribe para completar tareas. Agentes y automatización
• Agrupamiento (clustering) Técnica de aprendizaje no supervisado que reúne datos parecidos en grupos sin etiquetas previas, para descubrir segmentos o patrones ocultos. Aprendizaje automático
• Ajuste fino (fine-tuning) Entrenamiento adicional de un modelo ya preentrenado con un conjunto de datos más pequeño y específico para especializarlo en una tarea, estilo o dominio. IA generativa
• Ajuste por instrucciones (instruction tuning) Ajuste fino de un modelo de lenguaje con muchos ejemplos de instrucciones y sus respuestas, para que aprenda a seguir indicaciones en lenguaje natural. IA generativa
• Alfabetización en IA Conocimientos y habilidades para usar la IA con criterio: entender qué hace y qué no, aprovecharla bien, reconocer sus riesgos y evaluar sus resultados. IA en la empresa
• Algoritmo Secuencia finita y precisa de pasos que resuelve un problema o realiza una tarea; es la base de todo programa de cómputo, incluidos los de IA. Fundamentos
• Alineación de la IA Área que busca que los sistemas de IA persigan los objetivos e intenciones de las personas y respeten valores acordados, sin conductas dañinas imprevistas. Ética y regulación
• Alucinación Respuesta de un modelo de IA que suena segura y coherente, pero contiene datos falsos, inventados o sin respaldo en sus fuentes. IA generativa
• API Conjunto de reglas que permite que un programa se comunique con otro y use sus funciones o datos; así se integran los modelos de IA en otras aplicaciones. Agentes y automatización
• Aprendizaje automático (machine learning) Rama de la IA en la que los sistemas aprenden patrones a partir de datos para hacer predicciones o tomar decisiones, en lugar de seguir reglas escritas a mano. Aprendizaje automático
• Aprendizaje autosupervisado Técnica en la que el modelo genera sus propias etiquetas a partir de datos sin anotar, por ejemplo prediciendo palabras ocultas; base de los grandes modelos actuales. Aprendizaje automático
• Aprendizaje en contexto (in-context learning) Capacidad de un modelo de lenguaje de realizar una tarea nueva a partir de instrucciones o ejemplos dentro del prompt, sin modificar sus parámetros. Prompts y uso
• Aprendizaje federado Técnica que entrena un modelo compartido en muchos dispositivos o instituciones sin juntar sus datos: cada uno aprende localmente y sólo envía actualizaciones. Aprendizaje automático
• Aprendizaje no supervisado Tipo de aprendizaje automático que busca patrones, grupos o estructura en datos sin etiquetas, sin que nadie indique de antemano la respuesta correcta. Aprendizaje automático
• Aprendizaje por refuerzo Tipo de aprendizaje automático en el que un agente aprende por prueba y error a tomar decisiones que maximicen una recompensa acumulada en un entorno. Aprendizaje automático
• Aprendizaje por refuerzo con retroalimentación humana (RLHF) Técnica que ajusta un modelo según las preferencias de evaluadores humanos, quienes comparan respuestas, para hacerlo más útil, honesto y seguro. IA generativa
• Aprendizaje por transferencia Técnica que reutiliza lo aprendido por un modelo en una tarea para resolver otra relacionada, con menos datos y cómputo que entrenar desde cero. Aprendizaje automático
• Aprendizaje profundo (deep learning) Rama del aprendizaje automático que usa redes neuronales con muchas capas para aprender representaciones directamente de datos crudos como imágenes, audio o texto. Redes neuronales
• Aprendizaje supervisado Tipo de aprendizaje automático en el que el modelo aprende de ejemplos etiquetados con la respuesta correcta para luego predecirla en datos nuevos. Aprendizaje automático
• Árbol de decisión Modelo que predice mediante una serie de preguntas sucesivas sobre los datos, organizadas como ramas, hasta llegar a una respuesta en una hoja final. Aprendizaje automático
• Arquitectura codificador-decodificador Diseño de red neuronal con dos partes: un codificador que resume la entrada en una representación interna y un decodificador que genera la salida a partir de ella. Redes neuronales
• Asignación de rol (role prompting) Técnica de prompt que pide al modelo adoptar un papel o perspectiva (por ejemplo, «eres un contador fiscal») para orientar su tono, enfoque y vocabulario. Prompts y uso
• Asistente de IA Aplicación de IA que te ayuda en tareas diversas (responder, redactar, buscar, organizar) conversando en lenguaje natural y usando herramientas. IA generativa
• Asistente personalizado (GPTs, Gems, Proyectos) Versión de un asistente de IA configurada con instrucciones, archivos y herramientas propias para una tarea recurrente, sin necesidad de programar. Prompts y uso
• Autocodificador variacional (VAE) Modelo generativo que comprime datos en un espacio latente probabilístico y aprende a reconstruirlos, lo que le permite generar variaciones nuevas. Redes neuronales
• Automatización Uso de tecnología para realizar tareas con mínima intervención humana; la IA amplía lo automatizable a tareas que requieren interpretar texto, imágenes o voz. Fundamentos
• Automatización robótica de procesos (RPA) Software que imita acciones repetitivas de una persona en la computadora (copiar datos, llenar formularios, mover archivos) siguiendo reglas predefinidas. Agentes y automatización

B

• Base de datos vectorial Base de datos que guarda embeddings (vectores numéricos) y encuentra rápido los más parecidos a una consulta; es clave para la búsqueda semántica y RAG. Agentes y automatización
• Benchmark (prueba de referencia) Prueba estandarizada y pública que se usa para medir y comparar el desempeño de distintos modelos de IA en un mismo conjunto de tareas. Agentes y automatización
• Bosque aleatorio (random forest) Método que combina cientos de árboles de decisión, cada uno entrenado con una muestra distinta de datos, y promedia sus votos para predecir con más estabilidad. Aprendizaje automático
• Búsqueda semántica Búsqueda que encuentra resultados por su significado y la intención de la consulta, no sólo por coincidencia exacta de palabras clave. Agentes y automatización

C

• Cadena de pensamiento (chain of thought) Técnica en la que el modelo escribe pasos intermedios de razonamiento antes de dar la respuesta final, lo que mejora su desempeño en problemas complejos. Prompts y uso
• Caja negra Sistema de IA cuyas entradas y salidas se ven, pero cuyo razonamiento interno es difícil o imposible de entender, incluso para quienes lo crearon. Ética y regulación
• Capacidades emergentes Habilidades que parecen aparecer de forma repentina en modelos de lenguaje al superar cierta escala y que no se observaban en modelos más pequeños. IA generativa
• Característica (feature) Cada variable de entrada que usa un modelo para predecir, como la edad, el monto de una compra o el color de un píxel; de su calidad depende lo que aprende. Aprendizaje automático
• Caso de uso Situación concreta en la que una tecnología resuelve un problema específico para alguien: quién la usa, para qué tarea y qué resultado se espera. IA en la empresa
• Centro de datos Instalación con miles de servidores, almacenamiento, redes, energía y enfriamiento donde se guardan datos y se entrenan y ejecutan los modelos de IA. Datos e infraestructura
• Chatbot Programa que conversa con personas por texto o voz. Puede seguir reglas fijas o, como los actuales basados en LLM, generar respuestas en lenguaje natural. IA generativa
• ChatGPT Asistente conversacional de OpenAI lanzado el 30 de noviembre de 2022; popularizó la IA generativa y desde octubre de 2026 funciona con la familia GPT-6. Productos y modelos
• Ciencia de datos Disciplina que combina estadística, programación y conocimiento del negocio para extraer conclusiones de los datos y convertirlas en decisiones o productos. Datos e infraestructura
• Clasificación Tarea de aprendizaje supervisado en la que el modelo asigna cada ejemplo a una categoría de un conjunto fijo, como «spam» o «no spam». Aprendizaje automático
• Claude Familia de modelos y asistente de IA de la empresa estadounidense Anthropic, lanzado en marzo de 2023 y organizado en niveles Haiku, Sonnet y Opus. Productos y modelos
• Clonación de voz Uso de IA para generar una voz sintética que imita a una persona concreta a partir de muestras de su audio; útil en accesibilidad y riesgosa para fraudes. Imagen, voz y video
• Cómputo de entrenamiento (FLOP) Cantidad total de operaciones matemáticas (FLOP) usadas para entrenar un modelo; es la medida más común de cuánto «esfuerzo de cómputo» costó crearlo. Datos e infraestructura
• Cómputo en la nube Modelo para usar servidores, almacenamiento y software de un proveedor a través de internet, bajo demanda, pagando por lo que consumes. Datos e infraestructura
• Conjunto de datos (dataset) Colección organizada de ejemplos (textos, imágenes, registros, audios) que se usa para entrenar, ajustar o evaluar un modelo de inteligencia artificial. Datos e infraestructura
• Conjuntos de entrenamiento, validación y prueba División de los datos en tres partes: una para entrenar el modelo, otra para ajustar decisiones de diseño y otra, intacta, para medir su desempeño final. Aprendizaje automático
• Copiloto Asistente de IA integrado en una herramienta de trabajo (editor de código, procesador de texto, hoja de cálculo) que sugiere contenido mientras trabajas. IA generativa
• Credenciales de contenido (C2PA) Estándar abierto de la coalición C2PA que adjunta a fotos, videos y audios un registro firmado de su origen y ediciones, incluido el uso de IA. Imagen, voz y video
• Cuantización Técnica que reduce la precisión numérica de los pesos de un modelo (por ejemplo, de 16 a 4 bits) para que ocupe menos memoria y funcione más rápido. IA generativa

D

• Datos personales e IA Información que identifica o puede identificar a una persona; usarla para entrenar o alimentar sistemas de IA en México está sujeto a la LFPDPPP. Ética y regulación
• Datos sintéticos Datos generados artificialmente, por simulación o con modelos de IA, que imitan propiedades de datos reales y se usan para entrenar o probar sistemas. IA generativa
• Deepfake (ultrafalso) Imagen, audio o video generado o manipulado con IA para que una persona parezca decir o hacer algo que nunca dijo ni hizo, de forma realista. Imagen, voz y video
• DeepSeek Empresa china de IA con sede en Hangzhou que publica modelos de pesos abiertos; su modelo de razonamiento R1 (enero de 2025) sacudió al sector. Productos y modelos
• Derechos de autor e IA Debate legal sobre si las obras generadas por IA tienen autor protegido y si entrenar modelos con obras ajenas requiere permiso o pago. Ética y regulación
• Deriva de datos (data drift) Cambio con el tiempo en los datos que recibe un modelo respecto a los de su entrenamiento; provoca que sus predicciones pierdan precisión sin aviso. Datos e infraestructura
• Descenso de gradiente Método de optimización que ajusta los parámetros de un modelo en pequeños pasos en la dirección que más reduce el error; es el motor del entrenamiento. Aprendizaje automático
• Destilación de modelos Técnica en la que un modelo pequeño (estudiante) aprende a imitar las respuestas de uno grande (maestro) para lograr un desempeño similar a menor costo. IA generativa
• Detección de objetos Tarea de visión por computadora que localiza objetos en una imagen o video, dibuja un recuadro alrededor de cada uno e indica qué son. Imagen, voz y video

E

• Embedding (vector de representación) Representación de una palabra, frase, imagen u otro dato como una lista de números, de modo que elementos con significado parecido queden cerca entre sí. Redes neuronales
• Entrenamiento Proceso en que un modelo ajusta sus parámetros a partir de datos de ejemplo para reducir sus errores y aprender a realizar una tarea. Fundamentos
• Envenenamiento de datos Ataque que manipula los datos con que se entrena o ajusta un modelo de IA para degradarlo o sembrarle comportamientos ocultos que el atacante controla. Ética y regulación
• Época (epoch) Una pasada completa del algoritmo de entrenamiento por todos los ejemplos del conjunto de entrenamiento; los modelos suelen entrenarse durante varias épocas. Redes neuronales
• Equidad algorítmica Campo que define, mide y corrige si un sistema de IA trata de forma justa a distintos grupos de personas, con métricas que a veces se contradicen. Ética y regulación
• Espacio latente Espacio matemático comprimido en el que un modelo representa internamente los datos, de forma que ejemplos parecidos quedan cerca y se pueden combinar o variar. Redes neuronales
• Etiquetado de datos Proceso de marcar ejemplos con la respuesta correcta, como indicar qué hay en una foto o si un comentario es ofensivo, para entrenar y evaluar modelos. Aprendizaje automático
• Evaluación de impacto algorítmico Análisis previo y documentado de los riesgos que un sistema automatizado puede causar a personas y comunidades, con medidas para mitigarlos. Ética y regulación
• Evaluaciones (evals) Pruebas diseñadas para medir qué tan bien funciona un modelo, prompt o agente en las tareas concretas que te importan, antes y después de cada cambio. Agentes y automatización
• Explicabilidad (IA explicable) Capacidad de un sistema de IA de dar razones comprensibles de por qué produjo un resultado, para que personas puedan revisarlo, cuestionarlo o corregirlo. Ética y regulación

F

• Few-shot (con pocos ejemplos) Técnica de prompt que incluye unos cuantos ejemplos resueltos de la tarea para que el modelo imite el formato, el criterio o el estilo deseado. Prompts y uso
• Flujo de trabajo agéntico Proceso de varios pasos en el que modelos de IA planean, ejecutan, usan herramientas y revisan resultados para completar una tarea con poca intervención humana. Agentes y automatización
• Fragmentación (chunking) Proceso de dividir documentos largos en fragmentos más pequeños para indexarlos y recuperarlos en sistemas de búsqueda semántica y RAG. Agentes y automatización
• Función de activación Función matemática que cada neurona aplica a su suma de entradas; introduce no linealidad y permite que la red aprenda relaciones complejas. Redes neuronales
• Función de pérdida Fórmula que mide qué tan lejos están las predicciones de un modelo de las respuestas correctas; el entrenamiento consiste en reducir ese valor. Aprendizaje automático

G

• Gemini Familia de modelos de IA de Google DeepMind y asistente de Google del mismo nombre, que sustituyó a Bard en febrero de 2024; integrado en Android y Workspace. Productos y modelos
• Generación aumentada por recuperación (RAG) Técnica que busca información relevante en documentos y la entrega al modelo junto con la pregunta, para que responda con datos actuales y verificables. Agentes y automatización
• Gobernanza de la IA Conjunto de reglas, roles, procesos y controles con que un país, organismo o empresa decide cómo se desarrolla, compra, usa y vigila la IA. Ética y regulación
• GPT (transformador generativo preentrenado) Familia de modelos de lenguaje de OpenAI basada en la arquitectura Transformer, preentrenada para predecir texto; también nombre genérico de ese tipo de modelo. IA generativa
• GPU (unidad de procesamiento gráfico) Procesador con miles de núcleos que hacen cálculos en paralelo; nació para gráficos de videojuegos y hoy es el motor principal para entrenar y ejecutar IA. Datos e infraestructura
• Gran modelo de lenguaje (LLM) Modelo de lenguaje con miles de millones de parámetros, entrenado con enormes volúmenes de texto, capaz de redactar, resumir, traducir, razonar y programar. IA generativa

H

• Heurística Regla práctica o atajo que encuentra soluciones suficientemente buenas con rapidez, sin garantizar que sean las óptimas; clave en búsqueda y planificación. Fundamentos
• Hiperparámetro Configuración que una persona fija antes o durante el entrenamiento, como la tasa de aprendizaje o el número de capas, y que el modelo no aprende de los datos. Aprendizaje automático
• Huella energética de la IA Electricidad, agua y emisiones asociadas a entrenar y usar modelos de IA, sobre todo por los centros de datos; su medición aún tiene mucha incertidumbre. Datos e infraestructura
• Humano en el circuito (human in the loop) Diseño de un sistema de IA en el que una persona revisa, corrige o aprueba decisiones en puntos clave, en lugar de dejar que la máquina actúe sola. Agentes y automatización

I

• IA como servicio (AIaaS) Modelo en que una empresa usa la IA de un proveedor por internet (API o aplicación), pagando por uso o suscripción, sin montar infraestructura propia. IA en la empresa
• IA de código abierto Sistema de IA publicado con libertad para usarlo, estudiarlo, modificarlo y compartirlo, incluidos sus pesos, su código y la información sobre sus datos. IA generativa
• IA en el dispositivo (edge AI) Ejecutar modelos de IA directamente en el teléfono, la computadora o el sensor, sin enviar los datos a la nube; gana privacidad y rapidez. Datos e infraestructura
• IA en la sombra (shadow AI) Uso de herramientas de IA por parte del personal sin conocimiento ni aprobación del área de TI o de la dirección, con riesgos de fuga de datos. IA en la empresa
• IA estrecha (IA débil) Sistema de IA diseñado para una tarea o un conjunto acotado de tareas, sin capacidad general de razonar o aprender fuera de ese ámbito. Fundamentos
• IA generativa Rama de la inteligencia artificial que crea contenido nuevo (texto, imágenes, audio, video o código) a partir de patrones aprendidos de muchos datos. IA generativa
• IA multimodal IA capaz de procesar y combinar varios tipos de información, como texto, imágenes, audio y video, para entender una petición o generar una respuesta. IA generativa
• IA responsable Enfoque para diseñar, usar y supervisar la IA de forma segura, justa, transparente y con rendición de cuentas, convertido en prácticas concretas. Ética y regulación
• IA simbólica Enfoque de la IA que representa el conocimiento con símbolos y reglas lógicas explícitas escritas por personas, en lugar de aprender patrones a partir de datos. Fundamentos
• IA soberana Capacidad de un país o región para desarrollar y operar IA con infraestructura, datos, talento y reglas propias, reduciendo su dependencia de terceros. Datos e infraestructura
• Inferencia Fase en que un modelo ya entrenado se usa para producir resultados con datos nuevos; es lo que ocurre cada vez que le haces una pregunta a un asistente de IA. Fundamentos
• Ingeniería de contexto Práctica de decidir y organizar toda la información que entra en la ventana de contexto de un modelo (instrucciones, datos, herramientas, memoria) en cada paso. Prompts y uso
• Ingeniería de prompts Práctica de diseñar, probar y refinar las instrucciones que se dan a un modelo de IA para obtener respuestas más útiles, precisas y consistentes. Prompts y uso
• Inteligencia artificial (IA) Campo de la informática que crea sistemas capaces de realizar tareas que asociamos con la inteligencia humana, como entender lenguaje, reconocer imágenes o decidir. Fundamentos
• Inteligencia artificial general (AGI) Hipotético sistema de IA capaz de igualar o superar a una persona en prácticamente cualquier tarea intelectual, aprendiendo y adaptándose a problemas nuevos. Fundamentos
• Investigación profunda (deep research) Función de asistentes de IA en la que un agente busca, lee y contrasta decenas de fuentes durante varios minutos para entregar un informe con citas. Agentes y automatización
• Invierno de la IA Periodo de desencanto en que caen el interés y los fondos para la IA tras promesas incumplidas; los dos principales fueron en los setenta y a finales de los ochenta. Fundamentos
• Inyección de prompts Ataque en el que se cuelan instrucciones maliciosas en el texto que procesa un modelo de lenguaje para que ignore sus reglas o haga algo no autorizado. Ética y regulación
• ISO/IEC 42001 Norma internacional publicada en diciembre de 2023 que define los requisitos de un sistema de gestión de IA; las organizaciones pueden certificarse en ella. Ética y regulación

J

• Jailbreak Técnica para engañar a un modelo de IA y hacer que produzca contenido que sus salvaguardas deberían bloquear, mediante prompts diseñados para evadirlas. Ética y regulación

L

• Laboratorio de IA Organización o equipo dedicado a investigar y desarrollar modelos de IA; el término suele referirse a las empresas que crean los modelos más avanzados. IA en la empresa
• Latencia Tiempo que tarda un sistema en responder desde que recibe una petición; en IA se mide, por ejemplo, hasta el primer token o la respuesta completa. Datos e infraestructura
• Leyes de escalamiento Relaciones empíricas que muestran cómo mejora el desempeño de un modelo al aumentar sus parámetros, sus datos de entrenamiento y el cómputo invertido. IA generativa
• Llama Familia de modelos de lenguaje de pesos abiertos de Meta, iniciada en febrero de 2023; en 2026 Meta la sucedió con su nueva serie de modelos Muse. Productos y modelos
• LoRA (adaptación de bajo rango) Técnica de ajuste fino eficiente que congela el modelo original y entrena sólo pequeñas matrices añadidas, reduciendo drásticamente memoria y costo. IA generativa
• LSTM (memoria a corto y largo plazo) Variante de red neuronal recurrente con compuertas que deciden qué información guardar, olvidar o usar, lo que le permite recordar dependencias en secuencias largas. Redes neuronales

M

• Macrodatos (big data) Conjuntos de datos tan grandes, variados o veloces que no caben en herramientas tradicionales y requieren sistemas distribuidos para guardarlos y analizarlos. Datos e infraestructura
• Marca de agua en contenido generado por IA Señal, a menudo invisible, que se incrusta en imágenes, audio, video o texto generados por IA para poder identificarlos después como contenido sintético. Imagen, voz y video
• Marco de gestión de riesgos de IA del NIST (AI RMF) Guía voluntaria del NIST de EE. UU., publicada en enero de 2023, para identificar, medir y gestionar riesgos de la IA en cualquier organización. Ética y regulación
• Matriz de confusión Tabla que compara las predicciones de un clasificador con los valores reales y muestra aciertos y tipos de error: falsos positivos y falsos negativos. Aprendizaje automático
• Mecanismo de atención Técnica que permite a una red neuronal ponderar qué partes de la entrada son más relevantes para cada elemento que procesa; es el núcleo del transformer. Redes neuronales
• Memoria (en asistentes de IA) Función de un asistente de IA que guarda información de conversaciones anteriores (preferencias, datos, proyectos) para usarla en conversaciones futuras. Prompts y uso
• Mezcla de expertos (MoE) Arquitectura que divide un modelo en varias subredes «expertas» y usa un enrutador para activar sólo algunas en cada paso, lo que abarata el cómputo de modelos enormes. Redes neuronales
• Microsoft Copilot Marca de asistentes de IA de Microsoft, heredera de Bing Chat (2023), integrada en Windows, Edge y las aplicaciones de Microsoft 365 como Word, Excel y Teams. Productos y modelos
• Minería de datos Proceso de explorar grandes volúmenes de datos con estadística y aprendizaje automático para descubrir patrones, relaciones y anomalías útiles. Datos e infraestructura
• MLOps Conjunto de prácticas para llevar modelos de aprendizaje automático a producción y mantenerlos confiables: versiones, despliegue, monitoreo y reentrenamiento. Datos e infraestructura
• Modelo de difusión Modelo generativo que aprende a convertir ruido aleatorio en una imagen, audio o video, quitando ruido paso a paso; es la base de muchos generadores actuales. Imagen, voz y video
• Modelo de frontera Modelo de IA de propósito general que está en el límite de las capacidades disponibles en su momento; concentra la atención comercial y regulatoria. IA en la empresa
• Modelo de IA Resultado del entrenamiento de un sistema de IA: una función matemática con parámetros ajustados que recibe datos de entrada y produce predicciones o contenido. Fundamentos
• Modelo de lenguaje Modelo que estima qué tan probable es una secuencia de palabras y, con ello, puede predecir la siguiente palabra o token de un texto. IA generativa
• Modelo de lenguaje pequeño (SLM) Modelo de lenguaje con relativamente pocos parámetros, diseñado para ser barato y rápido, e incluso funcionar en una laptop o un celular sin conexión. IA generativa
• Modelo de pesos abiertos (open weights) Modelo de IA cuyos parámetros entrenados (pesos) se publican para que cualquiera los descargue y ejecute, aunque no siempre se liberen datos ni código. IA generativa
• Modelo de razonamiento Modelo de lenguaje entrenado para generar un proceso de razonamiento intermedio antes de responder, lo que mejora su desempeño en problemas complejos. IA generativa
• Modelo fundacional Modelo grande entrenado con datos amplios y diversos que sirve de base para adaptarse a muchas tareas distintas, como redactar, clasificar o analizar imágenes. IA generativa
• Muestreo top-p (núcleo) Método para generar texto que sortea el siguiente token sólo entre las opciones más probables cuya probabilidad acumulada alcanza un umbral p. IA generativa

N

• NPU (unidad de procesamiento neuronal) Procesador especializado en ejecutar modelos de IA con poco consumo de energía; viene integrado en teléfonos y en las «PC con IA» recientes. Datos e infraestructura

P

• Parámetros (pesos) Valores numéricos internos que un modelo ajusta durante el entrenamiento y que codifican lo aprendido; en los LLM se cuentan por miles de millones. Aprendizaje automático
• Perceptrón Uno de los primeros modelos de neurona artificial capaz de aprender, presentado por Frank Rosenblatt en 1958: suma entradas ponderadas y decide sí o no. Redes neuronales
• Plantilla de prompt Prompt reutilizable con partes fijas y espacios variables (como {cliente} o {producto}) que se rellenan en cada uso para obtener resultados consistentes. Prompts y uso
• Política de uso de IA Documento interno que define qué herramientas de IA puede usar el personal, para qué tareas, con qué datos y bajo qué reglas de revisión y responsabilidad. IA en la empresa
• Precisión y exhaustividad (precision y recall) Dos métricas de clasificación: la precisión mide cuántas alertas del modelo son correctas y la exhaustividad cuántos casos reales logra detectar. Aprendizaje automático
• Preentrenamiento Primera y más costosa fase de entrenamiento de un modelo, en la que aprende patrones generales a partir de enormes cantidades de datos sin etiquetar. IA generativa
• Privacidad diferencial Técnica matemática que añade ruido controlado a datos o resultados para obtener estadísticas útiles sin revelar información de una persona en particular. Ética y regulación
• Procesamiento de lenguaje natural (PLN) Área de la IA que permite a las computadoras analizar, entender y generar lenguaje humano, escrito o hablado: traducción, resumen, clasificación o conversación. Fundamentos
• Prompt (instrucción) Texto u otra entrada (imagen, audio, archivo) que le das a un modelo de IA generativa para indicarle qué quieres que haga o responda. Prompts y uso
• Prompt de sistema Instrucciones de base que recibe un modelo antes de la conversación para fijar su rol, tono, reglas y límites durante toda la interacción. Prompts y uso
• Prompt negativo Instrucción que indica lo que no quieres en el resultado; es un parámetro habitual en generadores de imagen para evitar elementos o defectos concretos. Prompts y uso
• Protocolo Agente a Agente (A2A) Protocolo abierto para que agentes de IA de distintos proveedores se descubran, se comuniquen y colaboren en tareas, sin compartir su funcionamiento interno. Agentes y automatización
• Protocolo de Contexto de Modelo (MCP) Estándar abierto que define cómo conectar asistentes y agentes de IA con herramientas, datos y aplicaciones externas de forma uniforme. Agentes y automatización
• Prueba de concepto (PoC) Experimento pequeño y acotado para comprobar si una solución de IA funciona en un caso real antes de invertir en implementarla a gran escala. IA en la empresa
• Prueba de Turing Experimento propuesto por Alan Turing en 1950: si un evaluador no distingue por escrito a una máquina de una persona, se diría que la máquina exhibe inteligencia. Fundamentos

R

• Rastreador web y extracción de datos (scraping) Programas que recorren páginas web automáticamente para indexarlas o copiar su contenido; son una fuente principal de datos para entrenar modelos de IA. Datos e infraestructura
• Recomendación de la UNESCO sobre la ética de la IA Primer estándar mundial sobre ética de la IA, adoptado por los 193 Estados miembros de la UNESCO en noviembre de 2021; es orientativo, no vinculante. Ética y regulación
• Reconocimiento de voz (voz a texto) Tecnología que convierte el habla en texto escrito; permite dictar, subtitular, transcribir reuniones y dar órdenes por voz a un asistente. Imagen, voz y video
• Reconocimiento facial Tecnología biométrica que identifica o verifica a una persona comparando los rasgos de su rostro en una imagen con otros almacenados. Imagen, voz y video
• Reconocimiento óptico de caracteres (OCR) Tecnología que convierte texto en imágenes (fotos, escaneos, PDF) en texto editable y buscable; hoy se combina con IA para entender documentos completos. Imagen, voz y video
• Red generativa antagónica (GAN) Modelo generativo en el que dos redes compiten: una genera datos falsos y otra intenta distinguirlos de los reales, hasta que las creaciones resultan convincentes. Redes neuronales
• Red neuronal artificial Modelo de aprendizaje automático formado por capas de unidades simples interconectadas, inspirado vagamente en el cerebro, que aprende ajustando sus conexiones. Redes neuronales
• Red neuronal convolucional (CNN) Tipo de red neuronal especializada en imágenes y datos con estructura de cuadrícula, que usa filtros deslizantes para detectar bordes, texturas y formas. Redes neuronales
• Red neuronal recurrente (RNN) Tipo de red neuronal que procesa secuencias paso a paso y conserva un estado interno, una especie de memoria, de lo visto antes, útil para texto, voz o series de tiempo. Redes neuronales
• Red teaming Práctica de atacar deliberadamente un sistema de IA, como lo haría un adversario, para descubrir fallas, sesgos y usos dañinos antes de que ocurran. Ética y regulación
• Reglamento de IA de la UE (AI Act) Reglamento (UE) 2024/1689, primera ley integral de IA del mundo: clasifica sistemas por riesgo y se aplica por etapas entre 2025 y 2028. Ética y regulación
• Regresión Tarea de aprendizaje supervisado en la que el modelo predice un valor numérico continuo, como un precio, una temperatura o una demanda futura. Aprendizaje automático
• Regularización Conjunto de técnicas que limitan la complejidad de un modelo durante el entrenamiento para que generalice mejor y no memorice los datos. Aprendizaje automático
• Relleno generativo (inpainting y outpainting) Edición con IA que rellena o reemplaza una zona de una imagen (inpainting) o la extiende más allá de sus bordes (outpainting) de forma coherente. Imagen, voz y video
• Reordenamiento (reranking) Segunda etapa de búsqueda en la que un modelo más preciso vuelve a ordenar los resultados iniciales según su relevancia real para la consulta. Agentes y automatización
• Retorno de inversión (ROI) de la IA Comparación entre los beneficios medibles que deja un proyecto de IA y todo lo que cuesta implementarlo y mantenerlo, expresada como porcentaje. IA en la empresa
• Retropropagación (backpropagation) Algoritmo que calcula cuánto contribuyó cada peso de una red neuronal al error final, propagando ese error hacia atrás capa por capa para poder corregirlo. Redes neuronales
• Riesgo existencial Posibilidad, debatida entre especialistas, de que sistemas de IA muy avanzados causen daños irreversibles a escala de toda la humanidad. Ética y regulación
• Robótica Disciplina que diseña, construye y programa robots: máquinas que perciben su entorno con sensores y actúan físicamente sobre él con cierto grado de autonomía. Fundamentos

S

• Salida estructurada Respuesta de un modelo en un formato predefinido y legible por máquinas, como JSON con campos fijos, para que otro programa pueda procesarla sin errores. Prompts y uso
• Segmentación de imágenes Tarea de visión por computadora que divide una imagen en regiones y asigna a cada píxel la categoría u objeto al que pertenece. Imagen, voz y video
• Seguridad de la IA (AI safety) Campo que estudia cómo evitar que los sistemas de IA causen daños, por fallas, mal uso o comportamientos no previstos, desde hoy hasta modelos más capaces. Ética y regulación
• Sesgo algorítmico Error sistemático por el que un sistema de IA trata de forma injusta o desigual a ciertos grupos, casi siempre heredado de los datos o del diseño. Ética y regulación
• Sistema de IA de alto riesgo Categoría del Reglamento de IA de la UE para sistemas que pueden afectar salud, seguridad o derechos, como los usados en empleo, crédito o educación. Ética y regulación
• Sistema experto Programa de IA que imita el criterio de un especialista humano usando una base de conocimiento con reglas y un motor que las aplica para sacar conclusiones. Fundamentos
• Sistema multiagente Sistema en el que varios agentes de IA, cada uno con su papel, colaboran o se coordinan para resolver una tarea que sería difícil para uno solo. Agentes y automatización
• Sobreajuste (overfitting) Error en que un modelo aprende de memoria los datos de entrenamiento, incluido su ruido, y por eso falla al predecir con datos nuevos. Aprendizaje automático
• Subajuste (underfitting) Error en que un modelo es demasiado simple o está poco entrenado para captar el patrón de los datos, por lo que falla tanto en entrenamiento como con datos nuevos. Aprendizaje automático
• Superinteligencia Inteligencia hipotética que superaría con amplitud a la humana en prácticamente todos los ámbitos, incluidos la ciencia, la estrategia y las habilidades sociales. Fundamentos

T

• Tamaño de lote (batch size) Número de ejemplos que un modelo procesa juntos antes de actualizar sus parámetros durante el entrenamiento; afecta la velocidad, la memoria y la estabilidad. Redes neuronales
• Temperatura Parámetro que controla qué tan aleatorias o predecibles son las respuestas de un modelo generativo: baja da respuestas estables, alta da más variedad. IA generativa
• Texto a imagen Sistemas de IA que generan una imagen nueva a partir de una descripción escrita (prompt), combinando un modelo de lenguaje con un generador visual. Imagen, voz y video
• Texto a video Modelos de IA que generan clips de video a partir de una descripción escrita, y a veces de una imagen inicial, manteniendo coherencia entre cuadros. Imagen, voz y video
• Texto a voz (TTS) Tecnología que convierte texto escrito en voz hablada sintética; los sistemas con redes neuronales logran voces con entonación y ritmo muy naturales. Imagen, voz y video
• Token Unidad mínima de texto (una palabra, un fragmento o un signo) que procesa un modelo de lenguaje; también la unidad con la que se mide y cobra su uso. IA generativa
• Tokenización Proceso de dividir un texto en tokens (palabras, fragmentos o caracteres) y asignarles números para que un modelo de lenguaje pueda procesarlo. IA generativa
• TPU (unidad de procesamiento tensorial) Chip diseñado por Google específicamente para las operaciones matemáticas de las redes neuronales; se usa en sus centros de datos y en Google Cloud. Datos e infraestructura
• Transformer Arquitectura de red neuronal presentada en 2017 que usa mecanismos de atención para procesar secuencias en paralelo; es la base de los grandes modelos de lenguaje. Redes neuronales
• Transparencia algorítmica Principio y práctica de informar cuándo se usa IA, con qué datos y criterios, y cómo se toman las decisiones, para permitir supervisión y rendición de cuentas. Ética y regulación

U

• Uso de herramientas (function calling) Capacidad de un modelo de lenguaje para pedir que se ejecute una función o herramienta externa (buscar, calcular, consultar una base) y usar su resultado. Agentes y automatización

V

• Validación cruzada Técnica que evalúa un modelo entrenándolo y probándolo varias veces con distintas particiones de los datos, para estimar su desempeño de forma más confiable. Aprendizaje automático
• Ventana de contexto Cantidad máxima de texto, medida en tokens, que un modelo puede considerar a la vez: instrucciones, conversación, documentos y su propia respuesta. IA generativa
• Vibe coding (programación por intención) Forma de crear software describiendo en lenguaje natural lo que quieres y dejando que la IA escriba el código, con poca o nula revisión de ese código. Prompts y uso
• Visión por computadora Campo de la IA que permite a las máquinas interpretar imágenes y video: reconocer objetos, rostros o texto, medir, inspeccionar y entender escenas. Fundamentos

Z

• Zero-shot (sin ejemplos) Forma de pedirle una tarea a un modelo describiéndola sin darle ningún ejemplo resuelto; el modelo se apoya sólo en lo que aprendió al entrenarse. Prompts y uso