Última actualización: 2026-07-05

Glosario de IA

La inteligencia artificial tiene su propio vocabulario, y casi todo suena más complicado de lo que es. Aquí tienes 102 de los términos y herramientas que encontrarás más a menudo, explicados en lenguaje claro. Escribe en el cuadro para filtrar, o salta por letra.

Agente de IA: Software que planifica y ejecuta tareas de varios pasos por su cuenta —usando herramientas, navegando por la web, escribiendo código— en lugar de solo responder a una única indicación. Ver agentes de IA ›
AGI (Inteligencia Artificial General): Una IA hipotética capaz de igualar o superar la capacidad humana en prácticamente cualquier tarea intelectual, en lugar de destacar solo en una. Los sistemas actuales son estrechos en comparación.
Ajuste fino (fine-tuning): Entrenar más un modelo preentrenado con un conjunto de datos específico para que rinda mejor en una tarea, dominio o estilo concreto.
Alineación: El esfuerzo por hacer que el comportamiento de una IA coincida con las intenciones y los valores humanos, para que haga lo que la gente realmente quiere y evite acciones dañinas.
Alucinación: Cuando una IA afirma algo falso o inventado como si fuera cierto. Verifica siempre las afirmaciones importantes de un modelo.
API (Interfaz de Programación de Aplicaciones): Una forma de que un programa se comunique con otro. Los proveedores de IA ofrecen APIs para que los desarrolladores integren modelos en sus propias aplicaciones. APIs de IA ›
Aprendizaje automático (ML): Un campo de la IA donde los sistemas aprenden patrones a partir de datos y mejoran con la experiencia, en vez de ser programados con reglas explícitas.
Aprendizaje profundo: Una rama del aprendizaje automático que usa redes neuronales de muchas capas para aprender patrones complejos a partir de grandes cantidades de datos.
ASI (Superinteligencia Artificial): Una IA hipotética que supera con creces a las mejores mentes humanas en prácticamente todos los ámbitos: un paso más allá de la AGI.
Asistente de IA: Una IA de propósito general con la que conversas para escribir, programar, investigar o planificar. ChatGPT, Claude y Gemini son ejemplos. Comparar chatbots ›
Atención: El mecanismo del transformer que permite al modelo ponderar qué partes de la entrada importan más al producir cada fragmento de la salida.
Barreras de seguridad (guardrails): Reglas y filtros que limitan lo que un sistema de IA hará o dirá, reduciendo resultados dañinos, inseguros o fuera de tema.
Base de datos vectorial: Una base de datos que almacena embeddings y encuentra elementos por similitud, una pieza clave de la generación aumentada por recuperación. Bases de datos vectoriales ›
Benchmark (prueba de referencia): Una prueba estándar para medir y comparar el rendimiento de los modelos de IA en tareas como razonamiento, programación o matemáticas.
Caché KV: Un almacén de los valores intermedios de un modelo durante la generación que evita recálculos y acelera la producción de cada token siguiente.
Cadena de pensamiento: Un enfoque de prompting en el que el modelo razona paso a paso antes de responder, lo que suele mejorar la precisión en problemas difíciles. Biblioteca de prompts ›
Chatbot: Un programa con el que conversas en lenguaje natural. Los chatbots de IA modernos funcionan con grandes modelos de lenguaje. Directorio de chatbots ›
ChatGPT herramienta: El asistente de IA insignia de OpenAI, basado en sus modelos GPT. Sirve para escribir, programar, analizar, generar imágenes y navegar por la web. Comparar chatbots ›
Claude herramienta: La familia de asistentes de IA de Anthropic, reconocida por la calidad de escritura, el manejo de contexto largo y la programación. Comparar chatbots ›
Copiloto: Un asistente de IA integrado en una herramienta (un editor, un navegador o una app de oficina) que sugiere y ayuda mientras trabajas, en vez de ser un chatbot aparte.
Cuantización: Reducir un modelo almacenando sus números con menor precisión, para que use menos memoria y sea más rápido, normalmente con una pequeña pérdida de calidad.
Cursor herramienta: Un editor de código centrado en la IA, con un modo agente que puede editar en todo un proyecto. Herramientas de generación de código ›
Cómputo en tiempo de inferencia: Cómputo adicional que un modelo dedica a razonar en el momento de responder —no durante el entrenamiento— para mejorar resultados en problemas difíciles.
DALL·E herramienta: El modelo de texto a imagen de OpenAI, disponible dentro de ChatGPT. Generadores de arte con IA ›
Deepfake: Imagen, audio o vídeo sintético generado por IA para mostrar de forma convincente a alguien diciendo o haciendo algo que no ocurrió.
Destilación: Entrenar un modelo «alumno» más pequeño para imitar a uno «profesor» más grande, obteniendo un modelo más barato que conserva buena parte de la calidad.
ElevenLabs herramienta: Una de las principales plataformas de texto a voz y clonación de voz con IA. Herramientas de texto a voz ›
Embedding (incrustación): Una representación numérica de texto, imágenes u otros datos que captura su significado, para que un ordenador pueda medir cuán parecidas son dos cosas.
Entrenamiento: El proceso de enseñar a un modelo ajustando sus parámetros con grandes conjuntos de datos para que aprenda patrones útiles.
Espacio latente: La representación interna y comprimida donde un modelo organiza conceptos, con ideas parecidas situadas cerca unas de otras.
Fecha de corte de conocimiento: La fecha a partir de la cual un modelo no tiene conocimiento propio, porque sus datos de entrenamiento se detienen ahí. Los hechos nuevos requieren búsqueda web o contexto aportado.
Few-shot (pocos ejemplos): Dar al modelo unos pocos ejemplos dentro del prompt para mostrarle el patrón que quieres antes de pedirle la tarea.
Fragmentación (chunking): Dividir documentos largos en pasajes más pequeños para poder incrustarlos y recuperarlos, un paso clave en la generación aumentada por recuperación.
GitHub Copilot herramienta: Un programador asistente de GitHub que sugiere y escribe código dentro de tu editor. Herramientas de generación de código ›
Google Gemini herramienta: El asistente de IA multimodal y la familia de modelos de Google, integrados en sus productos. Comparar chatbots ›
Google NotebookLM herramienta: El asistente de investigación de Google que razona sobre los documentos que subes y puede generar resúmenes en audio. Herramientas de investigación ›
GPT (Transformer Generativo Preentrenado): Una familia de grandes modelos de lenguaje basados en la arquitectura transformer. «Preentrenado» significa que aprendió de enormes cantidades de texto antes de cualquier ajuste específico.
GPU (Unidad de Procesamiento Gráfico): Un chip bueno para hacer muchos cálculos en paralelo. Las GPU impulsan la mayor parte del entrenamiento y la inferencia de IA.
Grok herramienta: El asistente de IA de xAI, integrado con X y con búsqueda en tiempo real. Comparar chatbots ›
Hermes: Un agente de IA local de código abierto (y una familia de modelos de pesos abiertos) de Nous Research que se ejecuta en tu propia máquina y puede conectarse a modelos de frontera, reconocido por su sólida llamada a funciones. Guía de Hermes ›
Hugging Face herramienta: Un centro de IA de código abierto: modelos, conjuntos de datos, demos y librerías usados en todo el campo. Modelos fundacionales ›
IA agéntica: Un estilo de IA que actúa con cierta autonomía —fijando subobjetivos, usando herramientas y adaptándose— en lugar de responder una vez y detenerse. Directorio de agentes de IA ›
IA generativa: IA que crea contenido nuevo —texto, imágenes, audio, vídeo o código— en lugar de solo clasificar o predecir a partir de datos existentes.
Inferencia: Ejecutar un modelo ya entrenado para obtener una salida, por ejemplo generar una respuesta a tu prompt. Distinto de entrenar el modelo en primer lugar. Despliegue de modelos ›
Ingeniería de prompts: El arte de escribir prompts que consiguen resultados útiles de forma fiable, usando estructura, ejemplos e instrucciones claras. Más de 175 prompts ›
Inteligencia Artificial (IA): Sistemas informáticos que realizan tareas que normalmente requieren inteligencia humana, como entender lenguaje, reconocer imágenes o tomar decisiones. Cursos gratuitos de IA ›
Investigación profunda: Un flujo de IA que lee muchas fuentes y sintetiza un informe estructurado y citado, en lugar de dar una respuesta rápida de una línea. Prompts de investigación ›
Inyección de prompts: Un ataque en el que instrucciones ocultas en una página web o documento engañan a un agente de IA para que haga algo que no debería.
Jailbreak: Un prompt o truco diseñado para sortear las barreras de seguridad de una IA y hacer que produzca contenido restringido.
LangChain herramienta: Un framework muy usado para crear aplicaciones y agentes sobre modelos de lenguaje. Frameworks de agentes ›
Latencia: El retardo entre enviar una solicitud a un modelo y recibir la respuesta. Menor latencia significa una experiencia más ágil.
Llamada a funciones: Una capacidad que permite a un modelo invocar herramientas o código externos de forma estructurada, para que un agente realice acciones reales, no solo texto. Agentes de IA ›
LLM (Gran Modelo de Lenguaje): Un modelo de IA entrenado con enormes cantidades de texto para entender y generar lenguaje. Impulsa chatbots, asistentes de programación y más. Modelos fundacionales ›
LoRA (Adaptación de Bajo Rango): Un método de ajuste fino eficiente que entrena un pequeño conjunto de pesos adicionales en vez de actualizar todo el modelo.
Marca de agua: Incrustar una señal invisible en contenido generado por IA para que luego pueda identificarse como creado por una máquina.
Mezcla de expertos (MoE): Un diseño de modelo que enruta cada entrada a unas pocas subredes especializadas en lugar de a toda la red, reduciendo el cómputo por respuesta.
Microsoft Copilot herramienta: El asistente de IA de Microsoft en Windows, Microsoft 365 y la web. Comparar chatbots ›
Midjourney herramienta: Un popular generador de texto a imagen conocido por su estilo artístico distintivo y de alta calidad. Generadores de arte con IA ›
Model Context Protocol (MCP): Un estándar abierto que conecta agentes de IA con apps, datos y servicios externos mediante una interfaz común, para que el agente pueda leerlos y actuar sobre ellos de forma segura. Directorio MCP ›
Modelo de código abierto: Un modelo cuyo código —y a menudo sus pesos— se publican abiertamente, de modo que cualquiera puede inspeccionarlo, ejecutarlo o adaptarlo.
Modelo de difusión: Un tipo de modelo generativo que crea imágenes (y cada vez más vídeo) partiendo de ruido y refinándolo poco a poco hasta formar una imagen. Generadores de arte con IA ›
Modelo de pesos abiertos: Un modelo cuyos pesos entrenados se pueden descargar y ejecutar, aunque el código o los datos de entrenamiento no estén totalmente publicados.
Modelo de razonamiento: Un modelo diseñado para «pensar» un problema en varios pasos antes de responder, cambiando velocidad por precisión en tareas difíciles.
Modelo fundacional: Un modelo grande entrenado con datos amplios que puede adaptarse a muchas tareas posteriores. Los LLM y los modelos de imagen son ejemplos. Modelos fundacionales ›
Modelo local: Un modelo de IA que se ejecuta en tu propio ordenador o servidor en lugar de en la nube de un proveedor, manteniendo los datos en tu máquina.
Multimodal: Un modelo que trabaja con más de un tipo de entrada o salida, por ejemplo texto, imágenes y audio a la vez.
n8n herramienta: Una plataforma de automatización de flujos de código disponible, con nodos nativos de agentes de IA y LLM. Creadores de agentes sin código ›
Ollama herramienta: Una herramienta para descargar y ejecutar LLM de código abierto localmente en tu propia máquina. Despliegue de modelos ›
Orquestación: Coordinar varios modelos, herramientas o agentes para que una tarea fluya de un paso a otro, decidiendo el orden, los reintentos y los traspasos. Frameworks de agentes ›
Parámetros: Los valores internos que un modelo aprende durante el entrenamiento. Más parámetros pueden dar más capacidad, aunque la calidad depende de mucho más que el tamaño.
Perplexity herramienta: Un motor de respuestas de IA que busca en la web y devuelve respuestas con citas. Comparar chatbots ›
Pesos: Los valores de los parámetros aprendidos dentro de un modelo entrenado. Publicar los pesos permite a otros ejecutar el modelo por su cuenta.
Preentrenamiento: La primera fase amplia de entrenamiento de un modelo fundacional con grandes datos generales, antes de cualquier ajuste fino específico.
Procesamiento de Lenguaje Natural (PLN): El área de la IA centrada en entender y generar lenguaje humano, desde la traducción hasta el resumen o el chat.
Prompt (indicación): La instrucción o pregunta que le das a una IA. Cómo la redactes afecta mucho a la calidad de la respuesta. Biblioteca de prompts ›
Prompt de sistema: Instrucciones ocultas que fijan el rol, el tono y las reglas de un asistente de IA para toda una conversación, aparte de los mensajes del usuario.
RAG (Generación Aumentada por Recuperación): Una técnica que recupera documentos relevantes y los aporta al modelo al responder, para que las respuestas se basen en fuentes concretas. Bases de datos vectoriales ›
Red neuronal: Un modelo inspirado libremente en el cerebro, formado por capas de unidades conectadas que se ajustan a medida que aprenden de los datos.
Red teaming: Poner a prueba deliberadamente un sistema de IA en busca de debilidades y comportamientos dañinos antes de su lanzamiento, para poder corregirlos.
Reordenamiento (reranking): Una segunda pasada que reordena los resultados recuperados por relevancia antes de entregarlos al modelo, mejorando la calidad del RAG.
Retropropagación: El algoritmo de entrenamiento clave que ajusta los pesos de una red neuronal propagando el error de la salida hacia la entrada.
RLHF (Aprendizaje por Refuerzo con Retroalimentación Humana): Una etapa de entrenamiento en la que las preferencias humanas se usan para orientar las respuestas de un modelo hacia lo que la gente considera útil y seguro.
Seguridad de la IA: El campo dedicado a que los sistemas de IA sean fiables, controlables y beneficiosos, abarcando alineación técnica, pruebas, red teaming y políticas.
Servidor MCP: Un programa que implementa el Model Context Protocol para exponer una app, un conjunto de datos o una capacidad —archivos, GitHub, una base de datos— a un agente de IA. Directorio de servidores MCP ›
Sesgo: Desviación sistemática en los resultados de una IA, que suele reflejar desequilibrios en sus datos de entrenamiento. Puede dar resultados injustos o inexactos para algunos grupos.
Sistema multiagente: Una configuración en la que varios agentes de IA se encargan cada uno de una parte del trabajo y se coordinan para completarlo, a menudo con un controlador que dirige. Frameworks de agentes ›
Sobreajuste (overfitting): Cuando un modelo aprende demasiado sus datos de entrenamiento, incluido el ruido, y luego rinde peor con datos nuevos no vistos.
Sora herramienta: El modelo de texto a vídeo de OpenAI, que genera clips cortos a partir de descripciones escritas. Herramientas de texto a vídeo ›
Stable Diffusion herramienta: Un modelo de difusión de texto a imagen de código abierto que puede ejecutarse en tu propio hardware. Generadores de arte con IA ›
Temperatura: Un ajuste que controla la aleatoriedad de la salida de un modelo. Valores bajos dan respuestas centradas y predecibles; valores altos, más variadas y creativas.
Texto a imagen: Generar una imagen a partir de una descripción escrita. Midjourney y herramientas similares funcionan así. Generadores de arte con IA ›
Texto a voz (TTS): Convertir texto escrito en audio hablado de sonido natural. Herramientas de texto a voz ›
Texto a vídeo: Generar clips de vídeo a partir de una descripción escrita, un área de rápido avance en la IA generativa. Herramientas de texto a vídeo ›
Token: Un fragmento de texto —una palabra o parte de ella— que los modelos leen y generan. El uso y el precio suelen medirse en tokens.
Tokenización: Dividir el texto en tokens para que un modelo pueda procesarlo. Distintos modelos dividen el texto de formas ligeramente distintas.
Transformer: La arquitectura de red neuronal detrás de la mayoría de los modelos de lenguaje y multimodales modernos, célebre por su mecanismo de «atención».
Uso de herramientas: La capacidad de un modelo de invocar herramientas externas —búsqueda, ejecución de código, apps— para hacer cosas que no puede solo con texto. Agentes de IA ›
Ventana de contexto: La cantidad de texto que un modelo puede considerar a la vez, medida en tokens. Una ventana mayor le permite manejar documentos y conversaciones más largos.
Vibe coding: Crear software describiendo en lenguaje claro lo que quieres y dejando que una IA genere e itere el código. Herramientas de generación de código ›
Visión por computador: El campo de la IA que busca que los ordenadores interpreten imágenes y vídeo: detectar objetos, leer texto, reconocer rostros y más.
Voz a texto (STT): Tecnología que transcribe audio hablado a texto escrito. También llamada reconocimiento de voz. Herramientas de voz ›
Zero-shot (sin ejemplos): Pedir a un modelo que haga una tarea sin ejemplos en el prompt, apoyándose solo en lo que aprendió durante el entrenamiento.

Ningún término coincide con tu búsqueda.

¿Nuevo en la IA? Empieza con nuestros cursos para principiantes gratuitos, explora la biblioteca de prompts o descubre los agentes de IA y MCP.

Glosario de IA

A

B

C

D

E

F

G

H

I

J

L

M

N

O

P

R

S

T

U

V

Z