Glosario básico de IA para empresas y creadores
1 de diciembre de 2025· 4 min read
Para quién es este glosario
Para personas que trabajan con IA sin ser ingenieros de machine learning. Directivos, product managers, consultores, creadores de contenido, emprendedores. Gente que necesita entender de qué hablan sus equipos técnicos o sus proveedores.
Sin fórmulas matemáticas. Sin jerga innecesaria. Directo al grano.
Los 20 términos esenciales
LLM (Large Language Model)
Un modelo de inteligencia artificial entrenado con enormes cantidades de texto para entender y generar lenguaje. ChatGPT, Claude, Gemini son ejemplos. El "motor" detrás de la mayoría de aplicaciones de IA generativa actuales.
Prompt
La instrucción o pregunta que le das a un modelo de IA. "Resume este documento" o "Escribe un email formal para..." son prompts.
System Prompt
Las instrucciones persistentes que configuran cómo se comporta un sistema de IA antes de que el usuario diga nada. Define el rol, tono, límites y capacidades del asistente.
Context Window
La cantidad máxima de texto que un modelo puede "ver" y procesar en una sola interacción. Se mide en tokens. Si el texto supera este límite, el modelo no puede procesar todo a la vez.
Token
La unidad básica que usan los modelos para procesar texto. Aproximadamente 1 token = 0.75 palabras en inglés. Los costes de uso de APIs se calculan en tokens.
Context Engineering
La disciplina de diseñar todo el sistema de información que recibe un modelo de IA: instrucciones, documentos, herramientas, memoria y reglas. Más allá de escribir prompts.
RAG (Retrieval-Augmented Generation)
Técnica que permite a un modelo buscar información en tu base de datos o documentos antes de responder. Soluciona el problema de que el modelo no conoce tu información privada ni eventos recientes.
Embeddings
Representaciones numéricas del texto que capturan su significado. Permiten buscar documentos por significado en lugar de por palabras exactas.
Vector Database
Base de datos especializada en almacenar embeddings y buscar por similitud semántica. Es el componente de almacenamiento en un sistema RAG.
Fine-tuning
Proceso de entrenar un modelo base con datos específicos de tu dominio para que aprenda comportamientos o estilos particulares. Más caro y complejo que RAG, pero útil para casos específicos.
AI Agent
Un sistema de IA que puede tomar acciones autónomas para completar tareas: buscar información, llamar APIs, ejecutar código, tomar decisiones. Va más allá de responder preguntas.
Tool Calling / Function Calling
La capacidad de un modelo para invocar herramientas externas durante la generación de una respuesta: buscar en internet, consultar una base de datos, llamar a una API.
Alucinación
Cuando un modelo genera información incorrecta con total confianza. El modelo no "sabe" que está equivocado. Es el mayor riesgo en aplicaciones de IA que requieren precisión.
Guardrails
Restricciones y controles que limitan el comportamiento de un sistema de IA dentro de parámetros seguros y coherentes. Evitan respuestas inapropiadas, fuera de alcance o incorrectas.
Evals (Evaluations)
Pruebas sistemáticas que miden la calidad de un sistema de IA. Son el equivalente de los tests automatizados en desarrollo de software.
Memory
La capacidad de un sistema de IA para recordar información entre conversaciones o sesiones. Sin memoria, cada conversación empieza desde cero.
MCP (Model Context Protocol)
Protocolo abierto que estandariza cómo los modelos de IA se conectan con herramientas y fuentes de datos externas.
Temperatura
Parámetro que controla la creatividad/aleatoriedad de las respuestas. Temperatura baja (0-0.3): respuestas precisas y consistentes. Temperatura alta (0.7-1): respuestas más creativas y variadas.
Prompt Injection
Ataque donde contenido malicioso en los datos que procesa el modelo intenta modificar su comportamiento. Por ejemplo, un documento que contiene instrucciones ocultas para que el agente haga algo no autorizado.
Workflow de IA
Una secuencia automatizada de pasos donde la IA interviene en uno o varios puntos para procesar, decidir o generar. Más predecible que un agente, más potente que una llamada simple al modelo.
Para profundizar
Cada uno de estos términos tiene su propia entrada en el Glosario de Contextología con más detalle, ejemplos y recursos relacionados.
Si quieres empezar a construir con estos conceptos, el punto de entrada recomendado es qué es Context Engineering.
Pon en práctica lo que has aprendido
¿Necesito un agente de IA?
Con los términos claros, descubre qué tipo de sistema necesitas.
Abrir herramienta gratuita →Artículos relacionados
Qué es RAG explicado de forma simple
RAG (Retrieval-Augmented Generation) permite a los modelos de IA responder con información actualizada y verificable. Aquí lo explicamos paso a paso, sin jerga innecesaria.
Qué es un agente de IA y cómo funciona
Un agente de IA es un sistema que percibe su entorno, toma decisiones y actúa de forma autónoma. Aprende qué es, cómo funciona por dentro y cuándo usarlo.
Qué es Context Engineering y por qué reemplaza al Prompt Engineering
Context Engineering es la nueva disciplina que va más allá de los prompts: diseña todo el sistema de información que recibe una IA. Aprende qué es, por qué importa y cómo aplicarlo.
Recibe lo mejor de Contextología
Diseño de contexto, agentes y workflows de IA directamente en tu correo.