Glosario de inteligencia artificial en español: los términos que sí necesitas

Lo básico: IA, machine learning e IA generativa

Empecemos por la raíz del árbol. Casi todo lo demás cuelga de estos cuatro términos, y entenderlos te da el mapa completo: la IA es el campo, el machine learning es el método dominante, el deep learning es la versión potente de ese método, y la IA generativa es la rama que explotó desde 2022 y es la razón por la que estás leyendo esto.

• Inteligencia artificial (IA): el campo general — software que hace tareas que antes requerían inteligencia humana: entender lenguaje, reconocer imágenes, tomar decisiones. Es el paraguas, no una tecnología concreta.
• Machine learning (aprendizaje automático): en lugar de programar reglas a mano, se le muestran miles de ejemplos a un programa para que aprenda los patrones solo. Es cómo tu correo aprende qué es spam sin que nadie le escriba la lista de palabras prohibidas.
• Deep learning (aprendizaje profundo): machine learning con redes neuronales — estructuras matemáticas inspiradas (muy libremente) en el cerebro, con muchas capas. Es lo que hay debajo de casi toda la IA moderna.
• IA generativa: la rama que no solo clasifica o predice, sino que crea contenido nuevo: texto, imágenes, audio, video, código. ChatGPT, Gemini y Claude son IA generativa; el filtro de spam de tu correo no.
• Modelo: el resultado del entrenamiento — el "cerebro" ya entrenado que responde. Cuando dicen "salió un modelo nuevo", hablan de una versión nueva de ese cerebro, no de una app distinta.

Las palabras del día a día: prompt, token, contexto y alucinación

Estos son los términos que te cruzas apenas empiezas a usar un asistente de IA en serio. Dominarlos no es opcional: explican por qué a veces la herramienta responde maravillas y a veces inventa datos con cara de seguridad total.

• Prompt: la instrucción que le escribes a la IA. No hay traducción asentada — algunos dicen "instrucción" o "consigna", pero en la práctica todo el mundo dice prompt.
• Prompt engineering: el oficio de escribir prompts que dan mejores resultados: dar contexto, ejemplos y formato deseado en lugar de una frase suelta. No es magia; es ser específico.
• Token: la unidad en que el modelo parte el texto — pedazos de palabras, más o menos. Importa porque los servicios de IA cobran y limitan por tokens: cuando una herramienta habla de límites de uso, casi siempre está contando tokens.
• Ventana de contexto: cuánto texto puede "tener en mente" el modelo a la vez — tu conversación, tus documentos adjuntos, sus respuestas. Si la conversación se alarga demasiado, lo más viejo se queda fuera: por eso el asistente a veces "olvida" lo que le dijiste al principio.
• Alucinación: cuando el modelo inventa información falsa con total seguridad — citas que no existen, precios que nadie publicó, leyes imaginarias. No es un fallo raro: es una consecuencia de cómo funcionan estos sistemas, y la razón por la que todo dato importante se verifica antes de usarlo.
• Inferencia: el momento en que el modelo ya entrenado genera una respuesta. Entrenar es carísimo y lo hacen pocas empresas; la inferencia es lo que pasa cada vez que tú le escribes.

Los términos que te van a vender: LLM, RAG, fine-tuning y agentes

Aquí entramos en territorio de propuestas comerciales. Estos términos son legítimos y útiles — pero también son los que más se usan para inflar presupuestos. Si una agencia te cotiza algo con estas palabras, ahora vas a saber exactamente qué te están ofreciendo.

Un matiz que vale plata: RAG y fine-tuning resuelven problemas distintos. RAG le da al modelo acceso a tu información (tu catálogo, tus políticas) para responder con datos tuyos y actualizados — Google Cloud lo explica como conectar el modelo a fuentes externas antes de responder. El fine-tuning reentrena el modelo para cambiar cómo se comporta — tono, formato, especialidad. Para la mayoría de los negocios pequeños, RAG (o simplemente adjuntar documentos al asistente) es el camino barato; el fine-tuning casi nunca es el primer paso.

• LLM (gran modelo de lenguaje): el tipo de modelo detrás de ChatGPT, Gemini y Claude — entrenado con cantidades enormes de texto para entender y generar lenguaje. Oracle tiene una buena explicación en español. ChatGPT no es un LLM: es la app; el LLM es el motor que lleva dentro.
• Parámetros: los "ajustes internos" que el modelo aprendió al entrenarse — se cuentan en miles de millones. Más parámetros suele significar más capacidad, pero también más costo; no te compres el número como argumento de venta.
• RAG (generación aumentada por recuperación): técnica donde el modelo busca primero en tus documentos y responde basándose en lo que encontró, reduciendo inventos. Es lo que suele haber detrás de "un chatbot entrenado con tu información" — que de entrenamiento, casi siempre, no tiene nada.
• Fine-tuning (ajuste fino): reentrenar un modelo existente con tus propios ejemplos para especializarlo. Útil en casos muy concretos; caro y difícil de mantener. Desconfía si te lo ofrecen como primer paso.
• Agente de IA: programa que recibe un objetivo y decide solo qué pasos dar usando herramientas (correo, calendario, web). Es la palabra de moda y la que más humo arrastra — le dedicamos una guía completa sin jerga.
• Multimodal: un modelo que trabaja con varios formatos a la vez — texto, imagen, audio, video. Es lo que te deja mandarle la foto de una factura y preguntarle qué dice.
• API: la "puerta técnica" por la que un programa usa otro servicio. Cuando una herramienta dice "conectamos con la API de WhatsApp", significa integración oficial por código — como explicamos en la guía de automatizar WhatsApp.

Los términos de seguridad: deepfake, voz clonada y datos de entrenamiento

Esta parte del vocabulario no es para comprar mejor: es para que no te roben. Los estafadores adoptaron la IA más rápido que muchas empresas, y conocer estos términos es la primera línea de defensa. Si solo guardas una sección de este glosario, que sea esta — y después pásate por la guía completa de estafas con IA.

• Deepfake: video, imagen o audio falso generado con IA que imita a una persona real — su cara, su voz, sus gestos. Ya se usa en estafas de "familiar en apuros" y en falsos videos de famosos recomendando inversiones.
• Clonación de voz: con segundos de audio público (un video, una nota de voz) se puede generar una voz casi idéntica a la de alguien. Por eso la regla de oro es verificar por otro canal antes de mover plata, aunque "la voz" sea la de tu hijo.
• Phishing con IA: los correos y mensajes de estafa de siempre, pero ahora bien escritos, personalizados y sin los errores de ortografía que antes los delataban. La mala redacción ya no es señal confiable de nada.
• Datos de entrenamiento: la información con la que se construyó el modelo. Importa por dos lados: el modelo "sabe" hasta donde llegan sus datos, y lo que tú escribes en herramientas gratuitas puede, según el servicio y su configuración, usarse para entrenar — revisa las opciones de privacidad de cada herramienta antes de pegar información sensible de clientes.
• Marca de agua / etiquetado de IA: señales (visibles u ocultas) que indican que un contenido fue generado con IA. Las plataformas grandes las están adoptando, pero al momento de escribir no son universales ni infalibles: que algo no tenga etiqueta no prueba que sea real.

Cómo usar este glosario para que no te vendan humo

El vocabulario es defensa propia. Cuando un proveedor te suelte términos de esta lista, úsalos de vuelta: pregunta si "el chatbot entrenado con tu información" es RAG o fine-tuning de verdad (y por qué), pregunta qué pasa cuando el sistema alucina y quién responde por el error, y pide el costo mensual total en tokens o uso, no solo la implementación.

Y una palabra final sobre la que más ruido hace: AGI (inteligencia artificial general) — una IA hipotética capaz de hacer cualquier tarea intelectual humana. No existe hoy, no hay consenso sobre cuándo existirá, y ningún producto que puedas comprar la tiene. Si una propuesta comercial la menciona como argumento, ya sabes con quién estás hablando.

Si quieres pasar del vocabulario a la práctica, el siguiente paso natural son los cursos gratis de IA en español y las herramientas gratuitas que funcionan bien en español. Con el glosario en mano, vas a entender el doble en la mitad del tiempo.