Glosario de IA
Definiciones claras de los términos más importantes de inteligencia artificial en español. Aprende el vocabulario que necesitas para avanzar con confianza.
Agente de IA
Un agente de IA es un sistema de inteligencia artificial que percibe su entorno, razona sobre un objetivo y ejecuta acciones de forma autónoma usando herramientas externas para lograrlo sin supervisión paso a paso.
Alucinación de IA
Una alucinación de IA ocurre cuando un modelo generativo produce información falsa, inventada o no respaldada por sus datos, pero la presenta con total seguridad como si fuera cierta.
Embedding (Incrustación vectorial)
Un embedding es la representación de un texto, imagen u otro dato como un vector de números que captura su significado, de modo que los elementos con sentido parecido quedan cerca en el espacio vectorial.
Fine-tuning (Ajuste fino)
El fine-tuning es el proceso de tomar un modelo de IA ya preentrenado y reentrenarlo con un conjunto de datos propio para especializarlo en una tarea, un dominio o un estilo concretos, sin partir de cero.
LLM (Large Language Model / Modelo de Lenguaje Grande)
Un LLM es un modelo de inteligencia artificial entrenado con enormes cantidades de texto que aprende a predecir la siguiente palabra y, gracias a ello, es capaz de comprender, generar y razonar sobre lenguaje natural.
MCP (Model Context Protocol)
El Model Context Protocol (MCP) es un estándar abierto, creado por Anthropic, que define una forma única y universal de conectar modelos de IA con herramientas, datos y aplicaciones externas mediante un protocolo cliente-servidor.
Prompt Engineering
Disciplina de diseñar, estructurar y refinar las instrucciones (prompts) que se dan a un modelo de lenguaje para obtener respuestas más precisas, útiles y reproducibles.
RAG (Generación Aumentada por Recuperación)
Técnica que conecta un modelo de lenguaje con una fuente de conocimiento externa para que recupere información relevante antes de responder, en lugar de depender solo de lo que memorizó al entrenarse.
Token
Un token es la unidad mínima de texto —una palabra, un fragmento de palabra, un signo o un carácter— en la que un modelo de lenguaje divide la entrada y la salida para poder procesarla.
Ventana de contexto
La ventana de contexto es la cantidad máxima de tokens (texto, código, imágenes o audio convertidos a unidades) que un modelo de lenguaje puede procesar a la vez, sumando la entrada del usuario y la respuesta generada.
