Glosario de Inteligencia Artificial: 55 Términos de IA Explicados de Forma Sencilla (2026)
Todos los términos que oyes en el mundo de la IA, desde tokens y prompts hasta grandes modelos de lenguaje, alucinaciones, RAG y agentes de IA, explicados de forma sencilla y con ejemplos en este glosario, organizado en seis temas, de lo básico a la seguridad y la ley.
¿Para quién es este glosario? Para cualquiera que se encuentre palabras como "token", "prompt" o "gran modelo de lenguaje" en conversaciones, noticias o herramientas de IA y quiera entenderlas sin formación técnica. Cada término incluye el original en inglés, una definición sencilla y, cuando ayuda, un ejemplo.
Si estás empezando con la IA, lee primero nuestra guía ¿Qué Es la Inteligencia Artificial y Cómo Funciona? y guarda esta página como referencia.
Cómo usar este glosario
Los términos están agrupados en seis temas, de lo básico a la seguridad y la ley
Junto a cada término aparece su equivalente en inglés, para reconocerlo en otras fuentes
Para encontrar un término rápido, usa la búsqueda del navegador (Ctrl+F)
1. Lo básico
Inteligencia artificial (Artificial Intelligence, AI)
Software que aprende patrones de los datos en lugar de seguir reglas escritas de antemano, y los usa para tareas como entender el lenguaje, reconocer imágenes o crear contenido. También es el nombre de todo el campo.
IA estrecha (Narrow AI)
IA que es buena en una o pocas tareas concretas, como traducir, reconocer caras o conversar. Todas las herramientas de IA actuales, incluso los chatbots más avanzados, son IA estrecha.
Inteligencia artificial general (Artificial General Intelligence, AGI)
Una IA hipotética capaz de aprender y realizar casi cualquier tarea intelectual humana en cualquier campo. La AGI es un objetivo de investigación de muchos laboratorios, pero todavía no existe y no hay acuerdo sobre cuándo podría llegar.
Superinteligencia (Artificial Superintelligence, ASI)
Una IA hipotética que superaría a los humanos más inteligentes en casi todos los ámbitos. Aparece sobre todo en debates sobre el futuro y la seguridad de la IA.
Algoritmo (Algorithm)
Una secuencia precisa de pasos para resolver un problema. En IA, los algoritmos definen cómo se aprende, y el resultado de ese aprendizaje es un "modelo".
Modelo (Model)
El resultado de entrenar un sistema de IA: un archivo con millones o miles de millones de números en los que se comprime lo que el modelo sabe. Cuando se dice "ha salido un modelo nuevo", se habla de ese archivo entrenado.
Machine learning (aprendizaje automático, ML)
La rama de la IA en la que la máquina aprende de ejemplos en lugar de programarse explícitamente. Los filtros de spam y las recomendaciones de las plataformas de streaming son ejemplos cotidianos.
Deep learning (aprendizaje profundo)
Un tipo de machine learning que usa redes neuronales con muchas capas. Los grandes avances de la última década, del reconocimiento de voz a los chatbots, vienen del deep learning.
Red neuronal (Neural Network)
Una estructura inspirada en el cerebro, formada por capas de "neuronas" artificiales. Cada neurona combina números con pesos distintos y pasa el resultado a la capa siguiente. El Nobel de Física de 2024 fue para pioneros de esta idea.
IA generativa (Generative AI)
Modelos que crean contenido nuevo: texto, imágenes, vídeo, audio o código. ChatGPT y los generadores de imágenes y música son ejemplos de IA generativa.
2. Cómo aprenden los modelos
Datos de entrenamiento (Training Data)
Los ejemplos de los que aprende el modelo, como textos, imágenes o audio. Su calidad y diversidad afectan directamente a la precisión y los sesgos del modelo.
Entrenamiento (Training)
El proceso en el que el modelo hace suposiciones una y otra vez, se comparan con la respuesta correcta y sus parámetros se ajustan un poco. Entrenar modelos grandes lleva semanas o meses en miles de procesadores.
Preentrenamiento (Pre-training)
La primera etapa del entrenamiento de modelos grandes, en la que el modelo ve una enorme cantidad de datos generales y aprende patrones amplios antes de ajustarse para una tarea concreta.
Parámetros o pesos (Parameters / Weights)
Los números internos del modelo que se ajustan durante el entrenamiento y guardan lo aprendido. Los grandes modelos de lenguaje tienen miles de millones de parámetros, pero más parámetros no siempre significan un modelo mejor.
Aprendizaje supervisado (Supervised Learning)
Aprender de ejemplos cuya respuesta correcta se conoce, como miles de fotos etiquetadas como "gato" o "perro". El modelo aprende a pasar de la entrada a la respuesta correcta.
Aprendizaje no supervisado (Unsupervised Learning)
Aprender de datos sin etiquetar para encontrar patrones o grupos, por ejemplo agrupar clientes automáticamente según su comportamiento de compra.
Aprendizaje por refuerzo (Reinforcement Learning)
Un método en el que el modelo aprende por ensayo y error, recibiendo "recompensas" o "penalizaciones" por sus acciones. Así venció AlphaGo al campeón mundial de go.
Aprendizaje por refuerzo con retroalimentación humana (RLHF)
Una etapa del entrenamiento de chatbots en la que personas ordenan distintas respuestas del modelo, y este aprende a dar respuestas más útiles, honestas e inofensivas.
Ajuste fino (Fine-tuning)
Entrenamiento adicional de un modelo ya entrenado con datos más especializados para que rinda mejor en una tarea o ámbito concreto, por ejemplo ajustar un modelo general para documentos jurídicos.
Sobreajuste (Overfitting)
Cuando el modelo memoriza los ejemplos de entrenamiento en lugar de aprender el patrón general: brilla con ellos pero falla con datos nuevos. Como un estudiante que se aprendió las respuestas de memoria sin entender la materia.
Inferencia (Inference)
La etapa de uso del modelo entrenado: recibe una entrada nueva y produce una respuesta. Cada vez que hablas con un chatbot, el modelo está haciendo inferencia y no aprende de ti.
3. Modelos de lenguaje y chatbots
Gran modelo de lenguaje (Large Language Model, LLM)
Una red neuronal enorme entrenada con cantidades gigantescas de texto para predecir la siguiente palabra. Esa capacidad sencilla sostiene la escritura, los resúmenes, las traducciones y las conversaciones de los chatbots.
Transformer
La arquitectura de red neuronal presentada en 2017 en el artículo Attention Is All You Need, base de casi todos los grandes modelos de lenguaje actuales. Es también la "T" de GPT.
Mecanismo de atención (Attention)
La parte del transformer que permite al modelo averiguar, para cada palabra, qué otras palabras del texto importan más, por ejemplo a qué sustantivo se refiere "él".
Token
El trozo de texto más pequeño con el que trabaja el modelo: una palabra, parte de una palabra o un signo. En inglés, un token equivale a unas tres cuartas partes de una palabra; en español, una palabra suele dividirse en varios tokens. Los costes de uso y los límites de longitud se miden en tokens.
Ventana de contexto (Context Window)
La cantidad máxima de texto, medida en tokens, que el modelo puede "ver" a la vez, incluidos los mensajes anteriores y los documentos adjuntos. Si la conversación la supera, las partes más antiguas salen de la memoria de trabajo del modelo.
Embedding
Una forma de convertir una palabra, frase o imagen en una lista de números de modo que los significados parecidos tengan números cercanos. La búsqueda semántica y RAG se basan en embeddings.
Temperatura (Temperature)
Un ajuste que controla lo aleatorias que son las respuestas del modelo. Una temperatura baja da respuestas más previsibles y centradas; una alta, respuestas más variadas y creativas.
Alucinación (Hallucination)
Cuando el modelo da una respuesta fluida y convincente pero errónea o inventada, como una estadística inexistente o una fuente falsa. Ocurre porque el modelo está entrenado para producir texto plausible, no para comprobar hechos.
Chatbot
Un programa que conversa con el usuario en lenguaje natural. Los chatbots actuales suelen construirse sobre grandes modelos de lenguaje.
Modelo de razonamiento (Reasoning Model)
Un modelo de lenguaje que resuelve el problema paso a paso antes de dar su respuesta final. Estos modelos son mejores en matemáticas, programación y problemas de varios pasos, pero suelen ser más lentos y caros.
4. Imagen, vídeo y audio
Modelo de difusión (Diffusion Model)
La técnica principal de la mayoría de los generadores de imágenes actuales. El modelo ha aprendido a quitar ruido de una imagen paso a paso; para generar, parte de ruido puro y, guiado por tu texto, lo convierte en una imagen.
Texto a imagen (Text-to-Image)
Crear una imagen a partir de una descripción escrita, por ejemplo "un faro al atardecer, en acuarela".
Edición de imágenes con IA (Inpainting)
Cambiar parte de una imagen existente con una instrucción de texto, como quitar un objeto, cambiar el fondo o añadir detalles, sin tocar el resto.
Texto a vídeo (Text-to-Video)
Crear un vídeo corto a partir de una descripción o de una imagen. Como los fotogramas deben mantenerse coherentes en el tiempo, generar vídeo cuesta mucho más que una imagen.
Texto a voz (Text-to-Speech, TTS)
Convertir texto escrito en una voz natural, con entonación y pausas adecuadas. Se usa en audiolibros, locuciones de vídeo y asistentes de voz.
Reconocimiento de voz (Speech-to-Text, ASR)
Convertir el habla en texto escrito, como en los subtítulos automáticos o el dictado por voz.
Clonación de voz (Voice Cloning)
Usar IA para crear una voz parecida a la de una persona concreta. Por el riesgo de abuso y los derechos del dueño de la voz, la mayoría de los servicios fiables restringen imitar la voz de personas reales sin permiso.
Deepfake
Una foto, audio o vídeo falso pero realista, creado con IA para mostrar a alguien diciendo o haciendo algo que nunca hizo. No te fíes de contenido impactante sin una fuente fiable.
Multimodal
Un modelo que entiende o produce varios tipos de datos a la vez, por ejemplo mira una foto y habla de ella, o crea imágenes y audio a partir de texto.
5. Usar la IA
Prompt
El texto o la instrucción que le das a la IA: una pregunta, una petición o la descripción de una imagen. La calidad del prompt influye directamente en la calidad del resultado.
Ingeniería de prompts (Prompt Engineering)
La habilidad de escribir prompts que consigan los mejores resultados, por ejemplo indicando un rol, un objetivo, un público y un formato de salida, y dando ejemplos.
Prompt de sistema (System Prompt)
Una instrucción oculta que el creador de un chatbot da al modelo al inicio de cada conversación para fijar su comportamiento, tono y límites.
Zero-shot y few-shot
En zero-shot solo formulas la petición; en few-shot también das algunos ejemplos de la entrada y la salida que quieres para que el modelo capte el patrón. Unos pocos buenos ejemplos suelen mejorar mucho el resultado.
Generación aumentada por recuperación (Retrieval-Augmented Generation, RAG)
Una técnica en la que el modelo busca primero información relevante en una fuente externa, como documentos de la empresa o una búsqueda web, y construye su respuesta a partir de ella. Así las respuestas son más actuales y se reducen las alucinaciones.
Agente de IA (AI Agent)
Un sistema que no solo responde, sino que planifica y ejecuta por sí mismo varios pasos para alcanzar un objetivo: busca, usa herramientas, crea archivos y revisa el resultado.
API (interfaz de programación de aplicaciones)
La forma en que un software se conecta directamente a un modelo de IA para usarlo. Muchas apps y bots usan los modelos de grandes empresas a través de una API, normalmente pagando por token.
Modelo abierto (Open-source / Open-weight Model)
Un modelo cuyos parámetros se han publicado, de modo que cualquiera puede descargarlo, ejecutarlo en su propio servidor o hacerle ajuste fino. Los modelos cerrados solo están disponibles a través del servicio o la API de su creador.
6. Seguridad, ética y ley
Sesgo (Bias)
La tendencia de un modelo a dar resultados injustos o parciales, normalmente por desequilibrios o prejuicios en los datos de entrenamiento, por ejemplo representar siempre una profesión con un solo género.
Alineación (Alignment)
El esfuerzo por que el comportamiento de la IA coincida con los objetivos y valores humanos, para que siga siendo útil, honesta e inofensiva y haga lo que realmente queremos decir.
Salvaguardas o filtros de seguridad (Guardrails)
Reglas y filtros que los creadores de modelos usan para impedir respuestas peligrosas, ilegales o dañinas. Cuando una herramienta rechaza una petición "por restricciones de contenido", normalmente son las salvaguardas del creador del modelo las que actúan.
Jailbreak
Un intento de engañar al modelo con prompts especiales para que ignore sus límites de seguridad. Los creadores de modelos detectan y bloquean estas técnicas constantemente, y usarlas suele infringir las condiciones del servicio.
Marca de agua y etiquetado de contenido de IA (AI Watermarking)
Marcas visibles u ocultas en el contenido generado por IA para poder identificar su origen. Las nuevas normas, incluida la Ley de IA de la UE, avanzan hacia hacerlas obligatorias.
Ley de IA de la Unión Europea (EU AI Act)
La primera ley integral de IA del mundo. Entró en vigor el 1 de agosto de 2024, con obligaciones que se aplican por fases durante varios años. Clasifica los sistemas según su nivel de riesgo, prohíbe algunos usos y establece normas de transparencia para el contenido generado por IA.
Privacidad de datos (Data Privacy)
Proteger la información personal al usar IA. Regla sencilla: nunca introduzcas contraseñas, números de tarjeta, documentos de identidad ni información confidencial en ningún chatbot, y conoce la política de conservación de datos de cada servicio.
De los términos a la práctica
Conocer el vocabulario es la mitad del camino; la otra mitad es probar las herramientas. Empieza con una herramienta de chat como ChatGPT, Gemini o Claude o, si prefieres tener chat, creación de imágenes, vídeo, voz y música en un solo lugar dentro de Telegram, prueba heymesbot. Escribe unos cuantos prompts sencillos y comprueba cómo se ven en la práctica términos como "token", "temperatura" o "alucinación".
Para entender cómo encajan estos conceptos, lee la guía completa ¿Qué Es la Inteligencia Artificial y Cómo Funciona?
Comentarios
Todavía no hay comentarios. Sé el primero.
Deja un comentario
Los comentarios se publican tras revisarlos. Sé relevante y amable.