Conceptos clave de IA explicados en lenguaje claro para estudiar, trabajar, tomar decisiones y conversar con equipos técnicos sin perderte.
Este diccionario está pensado para consulta rápida. Cada concepto incluye definición y una pista de uso para llevarlo a clases, procesos, datos o proyectos.
Campo que crea sistemas capaces de realizar tareas que normalmente requieren criterio humano, como analizar, clasificar, conversar, generar contenido o tomar decisiones asistidas.
Úsala como concepto general, no como sinónimo de una app específica.Tipo de IA que produce contenido nuevo: texto, imágenes, audio, video, código, ideas, estructuras o respuestas a partir de instrucciones y datos.
Sirve para crear borradores, resumir, idear, documentar y apoyar procesos.Enfoque donde un sistema aprende patrones desde datos para hacer predicciones, clasificaciones o recomendaciones sin programar cada regla manualmente.
Aparece en modelos de riesgo, pronóstico, segmentación y detección de anomalías.Rama de machine learning basada en redes neuronales profundas, útil para lenguaje, visión, audio y tareas complejas con muchos datos.
Es la base técnica de muchos modelos modernos de IA.Sistema entrenado con datos que transforma una entrada en una salida: una respuesta, predicción, clasificación, imagen, resumen o acción sugerida.
Cuando dices 'la IA responde', normalmente estás interactuando con un modelo.Modelo grande entrenado para servir como base de muchas tareas diferentes, que luego puede adaptarse con instrucciones, herramientas, datos o ajustes.
Ejemplos: modelos de lenguaje, visión o multimodales usados en asistentes.Large Language Model. Modelo de lenguaje entrenado para comprender y generar texto, razonar sobre instrucciones, resumir, traducir, escribir y apoyar análisis.
Es el tipo de modelo detrás de asistentes conversacionales como ChatGPT o Claude.Modelo que puede trabajar con más de un tipo de entrada o salida, como texto, imagen, audio, video, tablas o archivos.
Útil cuando necesitas analizar capturas, documentos, imágenes o contenido mezclado.Valores internos aprendidos durante el entrenamiento de un modelo. Ayudan a representar patrones del lenguaje, imágenes o datos.
Más parámetros no siempre significa mejor resultado para tu caso.Unidad pequeña de texto que el modelo procesa. Puede ser una palabra, parte de una palabra, signo o fragmento.
Los tokens afectan costo, velocidad y cuánto contenido cabe en una conversación.Cantidad máxima de información que un modelo puede considerar dentro de una interacción: instrucciones, historial, archivos y respuesta.
Si la conversación es muy larga, conviene resumir o dividir el trabajo.Información que entregas para que la IA entienda mejor la tarea: objetivo, audiencia, datos, tono, restricciones, ejemplos y criterios.
Mejor contexto suele producir mejores respuestas.Instrucción o petición que le das a la IA para obtener una respuesta.
Debe incluir tarea, contexto, formato esperado y criterios de calidad.Instrucción de mayor prioridad que define rol, límites, tono o comportamiento general de un asistente o aplicación.
Se usa al configurar asistentes, apps o flujos con IA.Práctica de diseñar instrucciones claras, contexto suficiente y ejemplos para obtener mejores resultados de un modelo.
No es solo escribir comandos bonitos; es estructurar bien la tarea.Técnica donde das uno o varios ejemplos de entrada y salida para que el modelo entienda el patrón esperado.
Muy útil para clasificar, transformar textos o mantener formato.Pedir una tarea sin entregar ejemplos previos.
Funciona bien para tareas simples o cuando el modelo ya entiende el formato.Proceso de mejorar una respuesta por pasos: pedir cambios, comparar versiones, agregar contexto o corregir criterios.
La primera respuesta no tiene que ser la final.Prompt o plantilla que puedes guardar y repetir para tareas frecuentes con pequeñas adaptaciones.
Ideal para correos, reportes, análisis, actas, fichas o contenido semanal.Resumen claro de lo que se necesita: objetivo, público, contexto, tono, restricciones, entregable y fecha.
Antes de pedirle algo a la IA, prepara un brief mínimo.Marco que le asignas al asistente para orientar su respuesta, por ejemplo analista de datos, auditor, docente o editor.
Sirve si el rol tiene criterios reales, no como decoración.Estructura en la que quieres recibir el resultado: tabla, lista, checklist, correo, JSON, plan, matriz o resumen.
Pedir formato reduce retrabajo.Condiciones que una respuesta debe cumplir para ser útil: precisión, claridad, tono, profundidad, fuentes, pasos o límites.
Ayuda a revisar y pedir mejoras con objetividad.Unidad de información que puede describir hechos, eventos, clientes, productos, estados, mediciones o textos.
La IA necesita buenos datos para apoyar buenas decisiones.Conjunto organizado de datos usado para analizar, entrenar, probar o alimentar un sistema.
Puede ser una tabla, colección de documentos, respuestas o registros.Información ordenada en filas, columnas o campos definidos, como una hoja de cálculo o base de datos.
Es más fácil de filtrar, cruzar y medir.Información sin tabla fija, como correos, PDFs, audios, imágenes, chats, contratos o notas.
La IA ayuda mucho a resumir, clasificar y extraer elementos de estos datos.Representación numérica de un texto, imagen u otro contenido para comparar significado o similitud.
Permite buscar por sentido, no solo por palabras exactas.Lista de números que representa características de un contenido dentro de un espacio matemático.
Es la base de búsquedas semánticas y sistemas RAG.Base de datos optimizada para guardar embeddings y encontrar contenidos similares.
Sirve para que un asistente consulte documentos propios.Búsqueda por significado e intención, no solo por coincidencia exacta de palabras.
Útil cuando una persona pregunta distinto a como está escrito el documento.Retrieval-Augmented Generation. Técnica donde el modelo recupera información externa relevante antes de responder.
Sirve para responder con documentos, políticas, bases de conocimiento o datos propios.Fragmento de texto en el que se divide un documento para indexarlo, buscarlo o entregarlo al modelo.
Chunks demasiado grandes o pequeños pueden afectar la calidad de una respuesta.Origen de la información usada para responder: documento, enlace, base de datos, norma, tabla o archivo.
Pedir fuentes ayuda a validar respuestas importantes.Capacidad de saber de dónde salió una respuesta, qué datos usó y cómo se llegó a una conclusión.
Clave en decisiones empresariales, calidad, auditorías y cumplimiento.Sistema que usa un modelo para planear pasos, consultar herramientas y avanzar hacia un objetivo con cierto grado de autonomía.
Conviene usarlo cuando una tarea requiere varias acciones, no una sola respuesta.Flujo de trabajo con pasos definidos, entradas, reglas, responsables y salidas.
Antes de automatizar, hay que entender el workflow.Uso de reglas, herramientas o IA para ejecutar tareas repetidas con menos intervención manual.
Funciona mejor cuando el proceso es claro y medible.Coordinación de varias herramientas, modelos, pasos o agentes dentro de un proceso.
Aparece en sistemas más avanzados con múltiples acciones conectadas.Función externa que un modelo puede usar para buscar datos, ejecutar una acción, leer archivos, consultar una API o actualizar un sistema.
Un modelo responde; una herramienta ejecuta o consulta.Capacidad de un modelo para solicitar la ejecución de funciones con parámetros estructurados.
Sirve para conectar IA con apps, bases de datos o procesos.Interfaz que permite que dos sistemas se comuniquen de forma estructurada.
Permite integrar IA con aplicaciones, formularios, dashboards o bases de datos.Model Context Protocol. Protocolo para conectar modelos con herramientas, datos y contextos externos de forma estandarizada.
Útil cuando un asistente necesita interactuar con sistemas o recursos conectados.Conexión entre sistemas para que compartan datos o ejecuten acciones.
Ejemplo: formulario, hoja de cálculo, IA y correo trabajando juntos.Diseño donde una persona revisa, aprueba o corrige antes de que el sistema avance o publique.
Importante en decisiones sensibles, legales, financieras o de calidad.Criterio que define qué acción tomar según una condición: estado, prioridad, riesgo, monto, fecha o categoría.
Ayuda a convertir tareas ambiguas en flujos automatizables.Situación actual de un caso, tarea o proceso, como pendiente, en revisión, aprobado, bloqueado o crítico.
Clave para tableros, semáforos y seguimiento operativo.Interfaz conversacional que responde preguntas o guía usuarios.
Puede ser simple si solo responde, o avanzado si consulta datos y ejecuta acciones.Sistema de IA diseñado para apoyar tareas específicas con contexto, instrucciones y herramientas.
Más útil cuando tiene un propósito claro y límites definidos.Asistente que acompaña una tarea dentro de una herramienta, como escribir, programar, analizar o diseñar.
No reemplaza el criterio; acelera y acompaña.Aplicación que incorpora modelos para analizar, generar, clasificar, recomendar o automatizar dentro de una experiencia concreta.
Una app con IA necesita problema, usuario, datos y flujo, no solo un chat.Primera versión funcional o visual de una solución para probar una idea antes de construirla completa.
Reduce riesgo y permite validar rápido.Creación de herramientas o automatizaciones sin escribir código tradicional, usando plataformas visuales.
Sirve para validar procesos simples.Desarrollo con poco código, combinando componentes visuales con lógica personalizada.
Útil cuando el no-code se queda corto.Herramienta de trabajo asistido por IA para revisar, editar y construir proyectos de código desde instrucciones en lenguaje natural.
Puede apoyar páginas, scripts, apps, pruebas y documentación.Agente de programación asistida por IA capaz de trabajar sobre archivos, entender proyectos y proponer o ejecutar cambios de código.
Útil para convertir ideas en entregables técnicos revisables.Lugar donde se organiza el código y su historial de cambios.
Ayuda a controlar versiones y colaborar.Proceso de publicar una app o página para que otras personas puedan usarla.
Después del deploy conviene probar enlaces, formularios, diseño móvil y seguridad.Parte visible de una aplicación: pantallas, botones, formularios, navegación y experiencia de usuario.
Es donde se vive la interfaz.Parte interna que maneja datos, reglas, autenticación, integraciones y lógica del sistema.
Es lo que permite que una app funcione más allá de la pantalla.Sistema donde se guarda información estructurada para consultarla, actualizarla y relacionarla.
Necesaria cuando una app debe recordar usuarios, estados, registros o transacciones.Respuesta incorrecta o inventada que suena convincente.
Reduce el riesgo pidiendo fuentes, contexto y verificación.Proceso para medir si una respuesta o sistema cumple criterios de calidad, precisión, utilidad y seguridad.
Se debe evaluar antes de usar IA en procesos importantes.Prueba comparativa para medir rendimiento de modelos o sistemas bajo tareas definidas.
No siempre refleja tu caso real; conviene hacer pruebas propias.Grado en que una respuesta, predicción o clasificación coincide con lo correcto.
Importante en análisis, extracción de datos y decisiones.Capacidad de encontrar la mayor cantidad posible de casos relevantes.
Clave cuando perder un caso importante es costoso.Caso marcado como correcto o riesgoso cuando realmente no lo era.
Puede generar retrabajo o alertas innecesarias.Caso que el sistema no detecta aunque sí debía detectarlo.
Puede ser crítico en calidad, seguridad, fraude o cumplimiento.Tendencia del sistema a favorecer o perjudicar resultados por patrones problemáticos en datos, diseño o contexto.
Debe revisarse en decisiones sobre personas, clientes o riesgos.Pérdida de desempeño cuando cambian los datos, usuarios, procesos o condiciones frente a las que el modelo conocía.
Los sistemas deben monitorearse después de publicados.Revisión para confirmar que una solución funciona con casos reales y cumple su objetivo.
Antes de escalar una automatización, valida con ejemplos concretos.Protección de información personal o sensible frente a usos no autorizados.
Antes de subir datos a una IA, revisa permisos, finalidad y proveedor.Información que identifica o puede identificar a una persona.
Nombres, correos, teléfonos, documentos, ubicaciones o datos laborales pueden ser personales.Información que puede afectar intimidad o generar discriminación, como salud, biometría, orientación, religión o datos de menores.
Requiere especial cuidado y normalmente no debe usarse sin base legal clara.Proceso para remover o transformar datos de forma que no permitan identificar personas.
Ayuda a trabajar ejemplos sin exponer información real.Principio de usar solo los datos necesarios para una finalidad concreta.
No subas todo un archivo si solo necesitas una columna o fragmento.Reglas, controles o límites que reducen respuestas peligrosas, fuera de tono, privadas o incorrectas.
Se diseñan en asistentes y apps para proteger usuarios y procesos.Intento de manipular al asistente para ignorar instrucciones, revelar información o ejecutar acciones indebidas.
Es un riesgo cuando la IA lee contenido externo o mensajes de usuarios.Técnica para intentar saltar límites de seguridad de un modelo.
Debe prevenirse con diseño, filtros, permisos y revisión.Alineación con normas, políticas internas, contratos, privacidad y requisitos regulatorios.
En empresas, la IA debe integrarse con controles de cumplimiento.Conjunto de políticas, roles, controles y criterios para usar IA de forma responsable y trazable.
Necesaria cuando varios equipos usan IA o se automatizan decisiones.Prueba con otra palabra o revisa otra categoría. También podemos agregarlo a la siguiente versión del diccionario.
Si esta guía te sirvió, el paso siguiente es aplicarla a tu trabajo: una clase personalizada, un tablero, una automatización o un sistema de gestión.