Glosario de IA: términos explicados en claro

Este es el glosario de inteligencia artificial de NodoAI: los términos que de verdad te vas a cruzar al usar estas herramientas, explicados en claro y con ejemplos. Sin definiciones de manual: cada entrada intenta que entiendas el concepto a la primera. Si prefieres empezar solo por lo esencial, tienes nuestro glosario rápido con los 20 términos clave; y si quieres aprender con orden, la ruta para aprender IA desde cero.

Fundamentos

Inteligencia artificial (IA)

Software capaz de hacer tareas que normalmente asociamos a la inteligencia humana: entender lenguaje, reconocer imágenes, razonar o crear contenido. No «piensa» como una persona: encuentra patrones en cantidades enormes de datos.

Machine learning (aprendizaje automático)

La rama de la IA en la que el sistema aprende de ejemplos en vez de seguir reglas programadas. Le enseñas miles de fotos de gatos y aprende a reconocer gatos, sin que nadie escriba «qué es un gato».

Deep learning (aprendizaje profundo)

Machine learning con redes neuronales de muchas capas. Es la técnica detrás de casi todo lo que hoy llamamos IA: ChatGPT, los generadores de imagen, los traductores.

Red neuronal

Estructura matemática inspirada (muy de lejos) en las neuronas del cerebro. Millones de conexiones con «pesos» que se ajustan durante el entrenamiento hasta que el sistema acierta.

Modelo

El resultado de entrenar una red con datos: el «cerebro» ya entrenado que usas. GPT, Claude o Gemini son modelos. Cuando una app dice «elige modelo», te deja escoger qué cerebro responde.

Entrenamiento

El proceso de enseñar al modelo con enormes cantidades de datos. Es carísimo y lento; por eso se hace pocas veces y luego el modelo «se congela» hasta la siguiente versión.

Inferencia

Lo que ocurre cada vez que usas el modelo ya entrenado: le das una entrada y produce una salida. Cuando chateas con una IA, estás haciendo inferencia.

Parámetros

Los «ajustes internos» que el modelo aprende al entrenarse; se cuentan por miles de millones. Más parámetros suele significar más capacidad, pero también más coste. No es el único factor que importa.

Datos de entrenamiento

Los textos, imágenes o audios con los que se enseñó al modelo. Determinan lo que sabe, lo que ignora y los sesgos que arrastra.

Corte de conocimiento (knowledge cutoff)

La fecha hasta la que llegan los datos de entrenamiento del modelo. Si preguntas por algo posterior, o no lo sabe o necesita buscar en internet. Explica muchas respuestas «desactualizadas».

Modelos de lenguaje

LLM (Large Language Model)

Modelo de lenguaje de gran tamaño: la tecnología detrás de ChatGPT, Claude o Gemini. Predice la siguiente palabra con tal precisión que el resultado parece comprensión genuina. Lo explicamos a fondo en qué es un LLM.

Token

La unidad mínima en la que el modelo trocea el texto; suele ser un trozo de palabra. «Inteligencia» pueden ser 2-3 tokens. Los precios y límites de las IA se miden en tokens, por eso conviene conocer el término.

Ventana de contexto

Cuánto texto puede «tener presente» el modelo a la vez (se mide en tokens). Si tu conversación o documento la supera, el modelo empieza a olvidar lo más antiguo.

Prompt

La instrucción o pregunta que le das a la IA. La calidad de la respuesta depende muchísimo de la calidad del prompt: contexto, objetivo y formato deseado.

Prompt engineering

La práctica de escribir prompts que consiguen mejores resultados. Menos magia de lo que parece: es dar contexto, ejemplos y criterios claros. Tienes la guía completa en qué es prompt engineering.

Alucinación

Cuando la IA afirma con total seguridad algo falso: se inventa datos, citas o fuentes. Es el término más importante de este glosario para usar la IA con cabeza: verifica siempre lo que importe.

Temperatura

Ajuste que controla cuánto «arriesga» el modelo al responder. Baja = respuestas más predecibles y conservadoras; alta = más creativas y variadas (y más propensas a desvariar).

Fine-tuning (ajuste fino)

Re-entrenar ligeramente un modelo con datos propios para especializarlo: tu tono de marca, tu sector, tus formatos. Más barato que entrenar desde cero.

RAG (generación aumentada por recuperación)

Técnica que permite a la IA consultar tus documentos o una base de datos antes de responder, en vez de tirar solo de memoria. Es como dejarle mirar los apuntes: menos alucinaciones sobre TU información.

Embeddings

Representación numérica del significado de un texto. Permite a las máquinas «medir» si dos frases hablan de lo mismo aunque no compartan palabras. Base de los buscadores semánticos y del RAG.

Modelo multimodal

Modelo que entiende y combina varios formatos: texto, imagen, audio, vídeo. Le enseñas una foto de tu nevera y te propone la cena: eso es multimodalidad.

Modelo de razonamiento

Modelo que «piensa antes de responder»: dedica tiempo a encadenar pasos internos en problemas complejos. Más lento y caro, pero mucho mejor en matemáticas, lógica y planificación.

SLM (modelo pequeño)

Modelo compacto que puede funcionar en un móvil o portátil sin conexión. Sacrifica algo de capacidad a cambio de privacidad, velocidad y coste casi cero.

Open source vs cerrado

Un modelo abierto se puede descargar, modificar y ejecutar en tus máquinas (Llama, DeepSeek); uno cerrado solo se usa a través del servicio de su creador (GPT, Claude). Control y privacidad frente a comodidad y punta de rendimiento.

Agentes y herramientas

Chatbot

Interfaz de conversación con una IA. Responde, pero no actúa: la diferencia clave con un agente.

Agente de IA

IA que no solo responde: ejecuta tareas de varios pasos usando herramientas (navegar, escribir archivos, llamar a APIs) hasta cumplir un objetivo. La guía completa: qué son los agentes de IA.

MCP (Model Context Protocol)

Estándar abierto que conecta las IA con aplicaciones y datos externos (tu correo, tu base de datos, tus herramientas) de forma ordenada. El «USB de la IA». Lo contamos en qué es MCP.

API

La puerta por la que un programa habla con otro. Las empresas integran la IA en sus productos a través de la API del modelo, pagando por uso (por tokens, normalmente).

Copiloto

IA integrada dentro de una herramienta que ya usas (editor de código, Office, correo) para asistirte en el flujo de trabajo, sugiriendo o completando mientras trabajas.

CLI (interfaz de línea de comandos)

Forma de usar una herramienta escribiendo comandos en la terminal. Los agentes de programación más potentes (Claude Code, Codex CLI, Gemini CLI) funcionan así.

Automatización

Encadenar acciones para que ocurran solas (si pasa X, haz Y). Con IA en medio, la automatización deja de ser rígida: puede leer, decidir y redactar en cada paso.

No-code

Herramientas para construir automatizaciones o apps sin programar, conectando bloques visuales (Make, n8n, Zapier). La IA les ha dado una segunda vida.

Wrapper

Producto que por dentro solo llama a un modelo de otra empresa añadiendo una interfaz encima. No es malo en sí, pero conviene saber qué pagas: la capa o el modelo.

Imagen, audio y vídeo

IA generativa

La familia de IA que crea contenido nuevo (texto, imagen, música, vídeo) en vez de solo clasificar o predecir. Todo este glosario existe por ella.

Modelo de difusión

Técnica dominante en generación de imagen: parte de ruido aleatorio y lo va «limpiando» paso a paso hasta formar la imagen que pediste.

Text-to-image / text-to-video

Generar imágenes o vídeo a partir de una descripción escrita. «Un faro al atardecer pintado al óleo» → imagen. La calidad depende tanto del modelo como de tu descripción.

TTS (texto a voz)

Convertir texto escrito en voz hablada natural. Las voces actuales son tan buenas que la pregunta ya no es «¿suena humana?» sino «¿tengo derechos para usarla?».

Clonación de voz

Recrear la voz de una persona concreta a partir de muestras de audio. Útil con consentimiento (doblar tu propio contenido); delito o estafa sin él. Nunca clones una voz sin permiso.

Deepfake

Vídeo, imagen o audio manipulado con IA para suplantar a alguien. Saber que existen ya te protege: aprende a detectar deepfakes.

Upscaling (reescalado)

Aumentar la resolución de una imagen o vídeo con IA, «inventando» con criterio los píxeles que faltan. Así se restauran fotos antiguas.

Marca de agua / etiquetado de contenido

Señales (visibles u ocultas en el archivo) que identifican un contenido como generado por IA. La regulación empuja hacia su uso generalizado.

Ética y seguridad

Sesgo

Tendencias injustas que el modelo hereda de sus datos de entrenamiento. Si los datos tienen prejuicios, el modelo los reproduce con apariencia de neutralidad. Por eso las decisiones importantes no se delegan.

Privacidad de datos

Qué hace el proveedor con lo que escribes: ¿lo guarda?, ¿entrena con ello? Regla práctica: no pegues en una IA nada que no pondrías en un correo a un desconocido, salvo que conozcas su política.

Detector de IA

Herramienta que intenta identificar si un texto o imagen fue generado por IA. Fallan más de lo que prometen: úsalos como indicio, nunca como prueba. Lo analizamos en cómo funcionan los detectores.

Contenido sintético

Cualquier contenido creado o alterado sustancialmente por IA. El término que verás en las políticas de las plataformas y en las leyes de etiquetado.

Regulación por riesgo

El enfoque legal dominante: más obligaciones cuanto más impacto tenga el uso (sanidad o crédito exigen más que un filtro de fotos). Es la lógica detrás de las nuevas normas de IA.

AGI (inteligencia artificial general)

IA hipotética capaz de igualar o superar a un humano en cualquier tarea intelectual. Hoy es un objetivo de investigación y un término de marketing a partes iguales; nadie la ha construido.

Cómo seguir aprendiendo

Un consejo honesto: no intentes memorizar este glosario. Vuelve cuando te cruces con un término; así se aprenden de verdad. Los cinco que más confusión generan según nuestra experiencia: token, ventana de contexto, alucinación, RAG y agente. Si dominas esos cinco, entenderás el 90% de las conversaciones sobre IA. Para pasar de vocabulario a práctica, sigue la ruta para aprender IA desde cero.