Agente de IA
Sistema que usa un modelo de lenguaje para tomar decisiones y ejecutar tareas de varios pasos por su cuenta (buscar información, usar herramientas, encadenar acciones) en lugar de limitarse a responder una pregunta.
Alineación (AI alignment)
Conjunto de técnicas con las que las empresas ajustan un modelo para que sus respuestas sigan las instrucciones y normas de uso previstas, y no solo la estadística del texto con el que se entrenó.
Alucinación
Cuando un modelo de IA genera información que suena convincente pero es falsa o inventada. Es la razón por la que conviene verificar datos concretos (cifras, citas, fechas) que te dé cualquier IA generativa.
API
Interfaz que permite a un programa (una app, una web) usar un modelo de IA de forma automática, sin pasar por su interfaz de chat. Así conectan muchas apps con ChatGPT, Claude o Gemini por detrás.
Aprendizaje automático (machine learning)
Campo de la informática en el que un sistema mejora en una tarea a partir de datos y ejemplos, en lugar de seguir reglas escritas a mano. La IA generativa es una aplicación concreta del aprendizaje automático.
Chatbot
Programa que mantiene una conversación de texto o voz con una persona. Hoy la mayoría de chatbots relevantes están construidos sobre un LLM.
Contexto (ventana de contexto)
Cantidad de texto, medida en tokens, que un modelo puede tener en cuenta a la vez dentro de una conversación o documento. Una ventana más grande permite pegar documentos largos sin que el modelo pierda información previa.
Deepfake
Imagen, audio o vídeo manipulado o generado con IA para hacer parecer que una persona real dijo o hizo algo que no ocurrió. Distinto de un avatar o voz sintética genérica, que no suplanta a una persona concreta.
Entrenamiento (training)
Proceso en el que un modelo ajusta sus parámetros internos analizando grandes cantidades de texto, imágenes o audio, antes de poder usarse. Es la fase previa a la "inferencia", que es cuando ya usas el modelo.
Fine-tuning (ajuste fino)
Reentrenar un modelo ya existente con un conjunto de datos más pequeño y específico para especializarlo en una tarea o un tono concreto, sin partir de cero.
IA generativa
Rama de la inteligencia artificial centrada en crear contenido nuevo (texto, imagen, audio, vídeo, código) en lugar de solo clasificar o predecir datos existentes.
Inferencia
El momento en el que un modelo ya entrenado genera una respuesta a partir de tu prompt. Es lo que ocurre cada vez que usas ChatGPT, Claude o cualquier otra herramienta: no se reentrena nada, solo predice la salida.
LLM (modelo de lenguaje grande)
Modelo entrenado con enormes cantidades de texto para predecir y generar lenguaje humano. Es la tecnología detrás de ChatGPT, Claude, Gemini, Llama y la mayoría de asistentes de texto actuales.
Marca de agua de IA (watermark)
Señal, visible o invisible, incrustada en una imagen, audio o vídeo generado por IA para identificar que el contenido es sintético.
Modelo de código abierto (open source)
Modelo cuyos pesos (parámetros entrenados) se publican para que cualquiera pueda descargarlos, ejecutarlos o modificarlos, a diferencia de los modelos cerrados que solo se usan a través de una API o interfaz de la empresa que los creó.
Modelo de difusión (diffusion model)
Técnica detrás de la mayoría de generadores de imagen actuales: parte de ruido aleatorio y lo va "limpiando" paso a paso hasta formar la imagen pedida.
Multimodal
Un modelo o herramienta capaz de entender y/o generar más de un tipo de contenido (texto, imagen, audio, vídeo) dentro de la misma conversación, sin cambiar de herramienta.
Parámetros
Valores numéricos internos que un modelo ajusta durante el entrenamiento y que determinan cómo responde. Cuantos más parámetros, en general, mayor capacidad, aunque no siempre mejor rendimiento por sí solo.
Prompt
El texto (instrucción, pregunta o petición) que le escribes a una IA generativa para obtener una respuesta. La calidad del prompt influye directamente en la calidad de la respuesta.
Prompt engineering
Técnica de redactar y estructurar prompts, con ejemplos, contexto y formato de salida, para obtener resultados más precisos y consistentes de un modelo de IA.
RAG (generación aumentada por recuperación)
Técnica en la que un modelo, antes de responder, primero busca información en una base de datos o documentos propios y la usa como contexto. Reduce las alucinaciones al basar la respuesta en fuentes concretas.
Red neuronal
Arquitectura de cálculo inspirada de forma muy simplificada en el cerebro, formada por capas de nodos conectados. Es la base matemática sobre la que se construyen los modelos de IA actuales.
Sesgo algorítmico
Tendencia de un modelo a producir resultados sistemáticamente distorsionados o injustos hacia ciertos grupos o ideas, heredada de patrones presentes en los datos con los que se entrenó.
Síntesis de voz (text-to-speech)
Tecnología que convierte texto escrito en voz generada por IA, usada por herramientas de narración, doblaje y asistentes de voz.
Temperatura
Parámetro que controla cuánta variedad tienen las respuestas de un modelo: una temperatura baja da respuestas más predecibles y consistentes, una alta da respuestas más variadas y menos previsibles.
Token
Unidad mínima de texto, aproximadamente una palabra o una parte de ella, que un modelo procesa internamente. El coste de uso de muchas APIs de IA se factura por número de tokens de entrada y salida.
Transformer
Arquitectura de red neuronal publicada en 2017 que permite a un modelo ponderar la relación entre todas las palabras de un texto a la vez. Es la base técnica de prácticamente todos los LLM actuales.
Upscaling
Proceso de aumentar la resolución de una imagen o vídeo generado (o real) usando IA para añadir detalle, en lugar de solo estirar los píxeles existentes.
Zero-shot / few-shot
Formas de pedirle una tarea a un modelo: "zero-shot" es pedírsela directamente sin ejemplos previos; "few-shot" es darle unos pocos ejemplos dentro del propio prompt para guiar el formato de la respuesta.