Glosario de Inteligencia Artificial: 360+ Términos de IA y Automatización Explicados (2026)

La Inteligencia Artificial (IA) es la disciplina que diseña sistemas capaces de ejecutar tareas que tradicionalmente requieren cognición humana: percibir, razonar, aprender o decidir. Engloba machine learning, deep learning y subcampos como visión, lenguaje y robótica.

El Machine Learning es la rama de la IA donde los sistemas aprenden patrones a partir de datos en lugar de seguir reglas programadas. Si un humano etiqueta miles de ejemplos, un modelo de ML aprende a etiquetar los siguientes solo.

El Deep Learning es un subcampo del ML basado en redes neuronales con muchas capas. La revolución de 2012 (AlexNet) y todo lo que vino después (GPT, Claude, Gemini) usa esta familia de técnicas.

Un LLM (Large Language Model) es una red neuronal entrenada con miles de millones de palabras para predecir el siguiente token de un texto. GPT-5, Claude Opus 4.7 y Gemini 2.5 son LLMs. Su capacidad para generar texto coherente surge de escalar parámetros y datos, no de reglas lingüísticas explícitas.

Transformer es la arquitectura de red neuronal introducida por Google en 2017 («Attention Is All You Need»). Base de prácticamente todos los LLMs actuales. Su innovación clave es el mecanismo de atención, que procesa palabras en paralelo en lugar de secuencialmente.

Un token es la unidad mínima de texto que procesa un LLM. Puede ser una palabra, parte de una palabra o un signo. En español, 100 tokens equivalen aproximadamente a 75 palabras. El precio de las APIs se factura por token.

Un embedding es la representación numérica (vector) de un texto, imagen o cualquier dato. Dos textos semánticamente similares producen vectores cercanos. Es la pieza que hace funcionar la búsqueda semántica y el RAG.

Un prompt es la instrucción de entrada que se da a un modelo de IA. Diseñar buenos prompts (prompt engineering) marca la diferencia entre obtener una respuesta útil y una mediocre.

RAG (Retrieval Augmented Generation) es la técnica donde el LLM recupera información de una base de conocimiento externa antes de generar la respuesta. Combina la fluidez del modelo con datos actualizados y específicos del dominio. Reduce alucinaciones hasta un 71% cuando se implementa bien, según el paper original de Lewis et al. (Meta AI, 2020).

El fine-tuning es el proceso de entrenar adicionalmente un modelo preentrenado con datos específicos de un dominio o tarea. Permite especializar un LLM general en, por ejemplo, terminología médica o estilo de marca.

Un agente IA es un sistema basado en LLM que toma decisiones, usa herramientas y ejecuta acciones de forma autónoma para cumplir un objetivo. Va más allá del chat: planifica, llama APIs, escribe código o navega webs.

Una alucinación ocurre cuando un LLM genera información falsa con apariencia de verdadera. Surge porque el modelo predice tokens probables, no verifica hechos. Se mitiga con RAG, citas obligatorias y verificación humana.

El context window es la cantidad máxima de tokens que un modelo procesa a la vez (input + output). En 2026 los frontier models manejan entre 200K y 2M tokens, lo que permite analizar libros completos o repositorios de código.

Un modelo multimodal procesa varios tipos de input (texto, imagen, audio, vídeo) en la misma conversación. GPT-5, Claude Opus 4.7 y Gemini 2.5 son todos multimodales nativos.

AGI (Artificial General Intelligence) es la IA con capacidades cognitivas equiparables o superiores al humano promedio en cualquier tarea intelectual. No existe aún en 2026; los modelos actuales son sistemas estrechos altamente capaces, no AGI.

RLHF (Reinforcement Learning from Human Feedback) es la técnica que ajusta un LLM con feedback humano para alinearlo con respuestas útiles, seguras y honestas. Es lo que diferencia a ChatGPT/Claude de un modelo bruto de predicción de texto.

Un frontier model es uno de los modelos más capaces del estado del arte, normalmente de los principales laboratorios (OpenAI, Anthropic, Google DeepMind, Meta, xAI, DeepSeek). En 2026: GPT-5, Claude Opus 4.7, Gemini 2.5 Ultra, DeepSeek R2.

Un foundation model es un modelo grande preentrenado con datos masivos y diseñado para adaptarse a muchas tareas downstream sin reentrenamiento completo. Término acuñado por el Stanford HAI en 2021.

Chain of Thought (CoT) es la técnica de prompting que pide al modelo razonar paso a paso antes de dar la respuesta final. Mejora drásticamente la precisión en problemas de lógica, matemáticas y planificación: el paper original de Google (Wei et al., 2022) mostró saltos de hasta 35 puntos porcentuales en GSM8K.

El EU AI Act es el reglamento europeo aprobado en 2024 y en aplicación progresiva desde 2025. Clasifica sistemas de IA por nivel de riesgo (inaceptable, alto, limitado, mínimo) e impone obligaciones específicas a cada categoría. Aplica también a empresas extra-UE que operan en el mercado europeo.

Secuencia finita de instrucciones para resolver un problema. En IA, los algoritmos definen cómo el modelo procesa datos, ajusta parámetros y produce predicciones.

IA especializada en una tarea concreta: jugar al ajedrez, traducir, detectar fraude. Toda la IA productiva en 2026 es ANI, incluidos los LLMs más avanzados.

IA hipotética que supera ampliamente la capacidad cognitiva humana en todos los dominios. Concepto teórico discutido en círculos de AI safety. No existe.

Fase en la que un modelo entrenado produce predicciones sobre datos nuevos. Equivale al «uso» del modelo, en contraste con la fase de entrenamiento.

Función matemática aprendida a partir de datos que mapea entradas a salidas. Cuando se dice «el modelo predice X», se refiere a esta estructura de parámetros entrenada.

Valores numéricos que el modelo ajusta durante el entrenamiento. Un LLM frontera tiene cientos de miles de millones (GPT-5: ~1.8 billones estimados). Más parámetros no siempre significa mejor rendimiento.

Tipo principal de parámetros en una red neuronal: representan la importancia de cada conexión entre neuronas. «Open weights» significa que esos valores son públicos (Llama, DeepSeek, Mistral).

Modelo computacional inspirado en el cerebro: capas de neuronas conectadas que transforman entradas en salidas. Base del deep learning. No tiene relación biológica real, es una metáfora.

El modelo aprende a partir de ejemplos etiquetados (input → output correcto). Clasificar emails como spam o no spam con miles de ejemplos previamente categorizados.

El modelo descubre patrones en datos sin etiquetas. Típico en clustering (agrupar clientes por comportamiento) o reducción de dimensionalidad.

El modelo aprende mediante recompensas y castigos al interactuar con un entorno. Detrás de AlphaGo, robótica y los componentes RLHF de los LLMs modernos.

El modelo genera sus propias etiquetas a partir de los datos: predecir la siguiente palabra de un texto, restaurar partes ocultas de una imagen. Es cómo se preentrenan los LLMs modernos.

Combina una pequeña cantidad de datos etiquetados con grandes volúmenes de datos sin etiquetar. Útil cuando etiquetar es caro pero hay datos crudos en abundancia.

Reutilizar un modelo entrenado en una tarea para resolver otra relacionada. La base conceptual del fine-tuning sobre foundation models.

Capacidad de un modelo para aprender una tarea con muy pocos ejemplos (3-10). Los LLMs modernos hacen few-shot dentro del propio prompt sin reentrenamiento.

Resolver una tarea sin ejemplos previos, solo con la descripción de qué hacer. GPT-5 traduce entre pares de idiomas para los que no fue entrenado explícitamente.

Algoritmo que calcula cómo ajustar cada peso de la red neuronal a partir del error de la predicción. Sin backpropagation no existiría el deep learning moderno.

Conjunto de ejemplos procesados juntos en un paso de entrenamiento. El batch size afecta directamente a velocidad y uso de memoria GPU.

Una pasada completa por todo el conjunto de entrenamiento. Los modelos suelen entrenarse durante varias épocas hasta converger.

Métrica que mide cuán equivocadas están las predicciones del modelo respecto a los valores reales. El entrenamiento consiste en minimizarla.

Algoritmo de optimización que ajusta iterativamente los pesos del modelo en la dirección que reduce la función de pérdida. Variantes modernas: Adam, AdamW, SGD con momentum.

Hiperparámetro que controla cuánto cambian los pesos en cada paso de entrenamiento. Demasiado alto y el modelo no converge; demasiado bajo y entrena eternamente.

El modelo memoriza el entrenamiento en lugar de generalizar. Rinde brillantemente en los datos vistos y mal en datos nuevos. Se mitiga con regularización, más datos o early stopping.

El modelo es demasiado simple para capturar los patrones del problema. Bajo rendimiento tanto en entrenamiento como en test.

Conjunto de técnicas (dropout, L1/L2, weight decay) que evitan el overfitting penalizando complejidad excesiva del modelo.

Variable de configuración del entrenamiento que no se aprende automáticamente: learning rate, batch size, número de capas. Su tuning es parte del arte del ML.

Arquitectura especializada en datos con estructura espacial (imágenes, vídeo). Aplica filtros convolucionales que detectan patrones locales: bordes, texturas, formas. Revolucionaron la visión por computadora en 2012 con AlexNet.

Red que procesa secuencias manteniendo un estado interno. Dominó el NLP entre 2014 y 2017 hasta ser desplazada por Transformers.

Variante de RNN diseñada para recordar información a largo plazo mediante celdas con puertas (input, forget, output). Útil aún en series temporales pequeñas.

Versión simplificada del LSTM con menos parámetros. Rendimiento comparable en muchas tareas y entrenamiento más rápido.

Red neuronal que aprende a reconstruir su input pasando por una representación comprimida. Útil para reducir dimensionalidad, denoising y como base de los VAEs.

Mecanismo que permite a un modelo ponderar la importancia de cada parte del input al generar cada parte del output. «Attention Is All You Need» (Vaswani et al., 2017) demostró que con atención sola se podía superar a las RNN.

Mecanismo de atención donde cada token de la secuencia atiende a todos los demás (incluido él mismo). Base computacional de los Transformers.

Variante que ejecuta múltiples mecanismos de atención en paralelo, cada uno aprendiendo a fijarse en aspectos distintos del input.

Componente del Transformer que transforma el input en una representación interna útil para la tarea. BERT es un modelo encoder-only.

Componente que genera output token a token a partir de una representación. GPT y Claude son arquitecturas decoder-only.

Familia de LLMs de OpenAI lanzada en 2018 (GPT-1) y evolucionada hasta GPT-5 en 2025. Arquitectura decoder-only entrenada para predecir el siguiente token.

Modelo encoder de Google (2018) que aprende representaciones bidireccionales del lenguaje. Base de muchos sistemas de búsqueda y comprensión textual.

Familia de LLMs de Anthropic. En mayo de 2026, Claude Opus 4.7 es el modelo más capaz, con contexto de 1M tokens y especialización en razonamiento y código.

Familia multimodal de Google DeepMind. Gemini 2.5 Ultra (2026) compite con GPT-5 en razonamiento y supera en contexto largo (hasta 2M tokens).

Serie de LLMs de Meta con pesos abiertos. Llama 4 (2025) marcó el salto a competitividad real con modelos cerrados manteniendo licencia permisiva.

Laboratorio chino cuyo modelo DeepSeek R1 (2025) demostró que es posible alcanzar capacidades de razonamiento de frontera con coste de entrenamiento sustancialmente menor. R2 publicado en 2026.

Arquitectura que activa solo una fracción de los parámetros según el input, dividiendo el modelo en «expertos» especializados. Permite escalar a billones de parámetros con coste de inferencia razonable.

Modelos de entre 1B y 10B parámetros optimizados para inferencia local o edge. Phi-4, Llama 3.2 1B, Gemma 2B son ejemplos típicos. Tendencia creciente en 2026.

LLM entrenado para producir cadenas largas de pensamiento internas antes de responder (o1, DeepSeek R1, Claude Opus 4.7 con extended thinking). Mejora drásticamente en matemáticas, código y planificación.

Arquitectura con dos redes que compiten: una genera datos sintéticos, otra los discrimina de los reales. Pionera en generación de imágenes antes de ser superada por diffusion.

Modelo generativo que aprende a revertir un proceso de ruido progresivo. Base de Stable Diffusion, DALL-E 3, Midjourney y la mayoría de generadores de imagen y vídeo de 2026.

Autoencoder probabilístico que aprende una distribución latente continua. Útil como componente de modelos generativos modernos (latent diffusion).

Campo de la IA que estudia la interacción entre computadoras y lenguaje humano. Engloba traducción, resumen, generación, análisis de sentimiento y comprensión.

Proceso de dividir texto en tokens procesables. Los LLMs modernos usan algoritmos como BPE (Byte Pair Encoding) o SentencePiece.

Reducir cada palabra a su forma canónica (lema): «corriendo» → «correr». Técnica clásica de NLP previa a los embeddings modernos.

Truncar palabras a su raíz mediante reglas heurísticas. Menos preciso que la lematización pero más rápido.

Representación vectorial de palabras donde términos semánticamente similares están próximos. Word2Vec (2013) y GloVe (2014) fueron pioneros antes de los embeddings contextuales.

Tarea de identificar personas, lugares, organizaciones y otras entidades en un texto. Componente esencial de buscadores y sistemas de extracción de información.

Determinar la polaridad emocional de un texto: positivo, negativo, neutro. Aplicado a reviews, redes sociales y atención al cliente.

Reducir un texto largo manteniendo la información clave. Hay dos enfoques: extractivo (seleccionar frases originales) y abstractivo (generar texto nuevo).

Traducir texto entre idiomas mediante modelos. DeepL y los LLMs modernos superaron en calidad a Google Translate clásico hacia 2020-2023.

Convertir audio hablado a texto escrito. Whisper (OpenAI) y similares son el estándar en 2026.

Generar audio hablado a partir de texto escrito. ElevenLabs, OpenAI Voice y similares producen voces casi indistinguibles de humanas.

Determinar la estructura gramatical de una frase. Menos crítico desde la llegada de los LLMs, pero aún relevante en sistemas que requieren explicabilidad.

Campo de la IA que procesa información visual: imágenes y vídeo. Engloba detección, clasificación, segmentación, OCR y reconocimiento facial.

Asignar una etiqueta a una imagen completa: «perro», «gato», «coche». Tarea canónica con la que se desarrollaron las CNN.

Identificar y localizar objetos en una imagen mediante bounding boxes. YOLO y Detectron son arquitecturas populares.

Asignar una clase a cada píxel de una imagen. Útil en imagen médica y robótica. SAM (Segment Anything Model) de Meta es referencia.

Extraer texto de imágenes. Base para digitalizar documentos, leer facturas o procesar PDFs escaneados. Los LLMs multimodales ya hacen OCR nativo con calidad superior a librerías clásicas.

Identificar individuos a partir de su rostro. Tecnología regulada estrictamente en la UE bajo el EU AI Act por su impacto en privacidad.

Detectar las articulaciones de un cuerpo humano en una imagen. Aplicaciones en deporte, fitness, animación y rehabilitación.

Reconstruir geometría tridimensional a partir de imágenes 2D. Base de la conducción autónoma, NeRF (Neural Radiance Fields) y aplicaciones AR.

Modelo de OpenAI que aprende representaciones conjuntas de texto e imagen. Permite buscar imágenes con lenguaje natural y es base de muchos sistemas multimodales.

IA que produce contenido original en lugar de solo clasificar o predecir. Diferencia clave: no responde «qué es esto» sino «crea esto».

Producción de texto coherente: artículos, código, traducciones, resúmenes. Es la capacidad estándar de cualquier LLM.

Crear imágenes a partir de texto (text-to-image). Midjourney v7, DALL-E 4, Stable Diffusion 4 y Flux Pro 2 dominan el panorama de 2026.

Crear vídeos a partir de texto o imágenes. Sora 2, Veo 3 y Runway Gen-5 producen clips de minutos con coherencia espacial y temporal.

Crear voces, música o efectos sonoros mediante IA. Suno, Udio y ElevenLabs lideran cada nicho.

Producir código fuente a partir de descripciones naturales. GitHub Copilot, Cursor, Claude Code y Codex son las herramientas dominantes en 2026.

Subtipo de generación de imagen donde el input es una descripción textual. El modo más extendido en uso público.

Transformar una imagen de entrada manteniendo composición pero cambiando estilo, contenido o resolución. Usado en edición y restauración.

Rellenar regiones específicas de una imagen con contenido generado. Photoshop, Canva y la mayoría de editores lo integran como función estándar.

Extender una imagen más allá de sus bordes originales manteniendo coherencia. Útil para cambiar formato (16:9 → 9:16) sin recortar.

Aplicar el estilo visual de una imagen al contenido de otra. Origen del primer boom mediático de IA en imagen (2015-2017).

Vídeo o audio sintético que sustituye un rostro o voz por otra de forma realista. En la UE, su creación con fines de desinformación está prohibida bajo el EU AI Act.

Persona digital sintética generada por IA, capaz de hablar y gesticular. Synthesia y HeyGen lideran en aplicaciones empresariales.

Práctica de diseñar prompts efectivos para obtener respuestas óptimas de un LLM. Combina conocimiento del modelo, claridad lingüística y estructura.

Instrucción inicial que define el comportamiento, rol y restricciones del modelo durante toda la conversación. Suele incluir tono, formato y reglas.

Mensaje concreto del usuario al que el modelo responde. Combinado con el system prompt y el historial conforma el contexto completo.

Instrucciones sobre lo que NO debe aparecer en la salida. Frecuente en generación de imagen («sin texto», «sin manos deformadas»).

Estructura reutilizable con variables que se rellenan dinámicamente. Esencial en aplicaciones donde un mismo flujo se ejecuta miles de veces.

Pedir al modelo que razone paso a paso («piensa antes de responder»). Incrementa precisión en problemas complejos al coste de más tokens.

Variante donde el modelo explora múltiples ramas de razonamiento y elige la mejor. Útil en problemas con varios caminos posibles.

Incluir 2-10 ejemplos de input/output en el prompt para que el modelo infiera el patrón. Más fiable que zero-shot en tareas específicas.

Pedir una tarea solo con la descripción, sin ejemplos. Funciona razonablemente bien en LLMs frontera para tareas comunes.

Decirle al modelo qué papel adoptar («Eres un experto en derecho fiscal español»). Mejora la calidad si el rol es realista y específico.

Generar varias respuestas independientes y elegir la más frecuente. Mejora robustez en tareas con respuesta única correcta.

Patrón donde el modelo alterna razonamiento con acciones (llamar herramientas, consultar APIs). Base de muchos frameworks de agentes.

Inyectar al prompt información recuperada de una base de conocimiento antes de generar la respuesta. Reduce alucinaciones y permite usar datos privados o actuales.

Dividir una tarea compleja en varios prompts secuenciales donde la salida de uno alimenta al siguiente. Mejora control y trazabilidad.

Técnica que intenta hacer que el modelo ignore sus restricciones de seguridad. Los laboratorios refuerzan defensas continuamente, pero el problema no está totalmente resuelto.

Ataque donde un input externo (web visitada, documento) contiene instrucciones que secuestran al modelo. Mayor riesgo de seguridad en sistemas con agentes y herramientas. OWASP la sitúa como vulnerabilidad #1 del Top 10 LLM 2025.

Sistema basado en LLM que percibe su entorno, planifica acciones, usa herramientas y persigue objetivos con cierto grado de autonomía.

Proceso que combina varios pasos de agente con decisiones, herramientas y bucles de feedback. Reemplaza scripts rígidos por flujos adaptativos.

Capacidad del LLM para invocar funciones externas (APIs, búsqueda web, ejecución de código) con parámetros estructurados. Pieza clave de cualquier agente.

MCP (Model Context Protocol), el estándar abierto introducido por Anthropic en 2024 para conectar LLMs con herramientas, datos y servicios externos. Adoptado ampliamente en 2025-2026 por OpenAI, Google y la mayoría del ecosistema agéntico.

Capacidad del modelo para controlar un ordenador como lo haría un humano (mover ratón, escribir, clicar). Anthropic, OpenAI y Google ofrecen variantes en 2026.

Agentes capaces de navegar páginas web: rellenar formularios, hacer compras, extraer datos. Aplicación práctica del computer use enfocada al navegador.

Arquitectura donde varios agentes con roles distintos colaboran (planificador, ejecutor, revisor). Útil en tareas complejas donde un agente solo falla.

Framework Python/JS para construir aplicaciones con LLMs: agentes, RAG, memoria, conexión a herramientas. Estándar de facto en 2023-2024, ahora compite con frameworks más ligeros.

Framework para construir agentes como grafos de estado. Más expresivo y controlable que las cadenas lineales de LangChain.

Framework especializado en indexación, búsqueda y RAG sobre datos privados. Más enfocado que LangChain en el caso de uso de retrieval.

Base de datos optimizada para almacenar y buscar embeddings por similitud. Pinecone, Weaviate, Qdrant y pgvector son opciones populares.

Mecanismo por el cual un agente conserva información entre sesiones distintas. Implementada mediante bases vectoriales o sistemas dedicados.

Lo que el agente recuerda dentro del context window actual. Limitada por el tamaño del contexto del modelo.

Agente de Anthropic para desarrollo software que ejecuta tareas completas en repositorios reales: navegar, editar, testear y crear PRs.

IDE basado en VSCode con IA integrada profundamente: completado, chat con contexto del repositorio y agentes que ejecutan cambios. Adopción masiva entre desarrolladores en 2025-2026.

Plataforma open source de automatización con interfaz visual. Conecta APIs, IA y bases de datos en workflows. Self-hosteable y con licencia favorable a empresa, lo que la convirtió en referencia frente a Zapier.

Plataforma SaaS de automatización con UI visual orientada a usuarios no técnicos. Buena para flujos de marketing y operaciones de pyme.

Pionero del no-code de automatización. Catálogo de integraciones enorme pero precio escalable rápido al aumentar el volumen.

Filosofía de construir software sin escribir código, usando interfaces visuales. Aplicado al campo IA permite a no-developers crear chatbots, agentes y RAG.

Variante que combina UI visual con bloques de código personalizados. Más flexible que no-code, ideal para perfiles técnicos que quieren acelerar.

Secuencia de pasos automatizados que se ejecutan ante un disparador. En n8n y Make se representa como grafo visual.

URL que recibe peticiones HTTP de un sistema externo para disparar un workflow. Mecanismo estándar de integración en tiempo real.

Evento que inicia un workflow: un email nuevo, un cron schedule, un mensaje en Slack. Define cuándo se ejecuta la automatización.

Sistema conversacional que interactúa con usuarios vía texto. Los chatbots modernos basados en LLM son indistinguibles de humanos en tareas estructuradas.

Variante conversacional por voz. Combina STT, LLM y TTS para mantener llamadas telefónicas con latencia inferior a 1 segundo en 2026.

Software que automatiza tareas repetitivas imitando acciones humanas en interfaces. UiPath y Automation Anywhere son referencia. Convergiendo con agentes IA.

Interfaz programática que expone funcionalidades de un sistema para que otros lo consuman. Las APIs de LLM (Anthropic, OpenAI, Google) son la puerta de entrada al uso comercial.

Conjunto de librerías y herramientas que facilitan la integración con una API. Anthropic ofrece SDK oficial en Python, TypeScript, Java, Go y más.

Restricción de cuántas peticiones se pueden hacer a una API por unidad de tiempo. Crítico para dimensionar cargas en producción.

Tiempo entre enviar una petición y recibir la respuesta. En LLMs varía entre 200ms (haiku) y varios segundos (modelos de razonamiento).

Modo de respuesta donde el modelo devuelve tokens conforme los genera, sin esperar al final. Mejora la UX percibida en chats y editores.

Mecanismo que reutiliza el procesamiento de partes repetidas del prompt entre llamadas. Reduce coste y latencia hasta un 90% en aplicaciones con system prompts largos, según la documentación oficial de Anthropic.

Enviar miles de peticiones a procesar de forma asíncrona con descuento sustancial (50% típicamente). Ideal para evaluaciones, enriquecimiento de datos y backfills.

Lo que cuesta cada llamada al modelo, medido por millón de tokens input/output. Determinante en el TCO de cualquier aplicación con IA a escala.

Ejecutar el modelo en infraestructura propia (on-premise o cloud privada). Viable solo con modelos de pesos abiertos como Llama, DeepSeek o Mistral.

Ejecutar modelos en el dispositivo final (móvil, IoT, vehículo) sin pasar por servidor. Apple Intelligence y los chips Snapdragon X Elite son ejemplos típicos.

Procesador altamente paralelo que aceleró el deep learning desde 2012. NVIDIA H100 y B200 dominan el entrenamiento de modelos frontera.

Chip diseñado por Google específicamente para cargas de ML. Usado internamente para entrenar Gemini y disponible vía Google Cloud.

Reducir la precisión numérica de los pesos (FP16 → INT8 → INT4) para que el modelo ocupe menos memoria y corra más rápido, con mínima pérdida de calidad.

Entrenar un modelo pequeño (estudiante) para imitar a uno grande (profesor). Técnica clave detrás de los SLMs de 2026 que rinden cerca de modelos 10× mayores.

Herramienta que permite ejecutar LLMs open source en tu propio ordenador con un comando. Estándar para experimentar con Llama, Mistral, DeepSeek localmente.

Motor de inferencia de alto rendimiento para servir LLMs open source en producción. Optimiza throughput mediante PagedAttention y batching continuo.

Colección estructurada de ejemplos usados para entrenar o evaluar un modelo. Cantidad y calidad determinan el techo de rendimiento.

Parte del dataset usada para ajustar los pesos del modelo. Suele ser el 70-80% del total.

Subconjunto usado para ajustar hiperparámetros y detectar overfitting durante el entrenamiento. Aproximadamente el 10-15%.

Datos reservados, jamás vistos durante el entrenamiento, para medir el rendimiento real del modelo. Su contaminación es uno de los errores más costosos en ML.

Proceso de anotar datos con la respuesta correcta. Tarea costosa que en 2026 se asiste cada vez más con LLMs (semi-supervisado).

Generar ejemplos sintéticos mediante transformaciones (rotación, traducción, paráfrasis) para enriquecer el dataset.

Datos generados por otro modelo en lugar de recolectarse del mundo real. Cada vez más usados para entrenar SLMs y modelos especializados.

Fase inicial donde el modelo aprende representaciones generales a partir de datos masivos sin tarea específica. Es la fase más cara: meses de cómputo y miles de GPUs.

Reentrenar un modelo preentrenado con datos específicos para especializarlo en un dominio o tarea. Mucho más barato que entrenar desde cero.

Técnica de fine-tuning eficiente que añade pequeñas matrices entrenables sin modificar los pesos originales. Permite especializar LLMs grandes con GPUs modestas.

LoRA aplicado sobre modelos cuantizados. Permite fine-tune de modelos de 70B parámetros en una sola GPU consumer.

Fine-tuning supervisado con pares input/output etiquetados. Primera fase tras el preentrenamiento en LLMs alineados.

Ajuste mediante feedback humano sobre comparaciones de respuestas. Es la fase que transforma un LLM «bruto» en un asistente útil y seguro.

Alternativa a RLHF más simple computacionalmente. Ajusta el modelo directamente con preferencias humanas sin modelo de recompensa explícito.

Técnica desarrollada por Anthropic donde el modelo critica y revisa sus respuestas según principios escritos (una «constitución»). Reduce dependencia de feedback humano masivo.

Proceso de seleccionar, limpiar y enriquecer datos antes del entrenamiento. Mejorar la calidad del dataset suele rendir más que aumentar su tamaño.

Disciplina que estudia cómo asegurar que los sistemas de IA se comporten conforme a la intención humana, especialmente en sistemas avanzados.

Proceso de hacer que el modelo persiga los objetivos del usuario y respete valores humanos. Incluye RLHF, Constitutional AI y red-teaming.

Tendencia sistemática del modelo a favorecer o perjudicar a ciertos grupos, normalmente heredada de los datos de entrenamiento. La discriminación por género en revisión de CVs es un caso clásico.

Conjunto de criterios matemáticos para medir si un modelo trata equitativamente a distintos grupos demográficos. Hay definiciones incompatibles entre sí, lo que obliga a elegir explícitamente.

Capacidad de entender por qué un modelo produjo una predicción. Obligatoria en decisiones que afectan derechos (crédito, empleo) según el EU AI Act.

Estudio de qué representa internamente el modelo: qué neuronas se activan ante qué conceptos. Campo de investigación activo en Anthropic, OpenAI y DeepMind.

Práctica de atacar deliberadamente el modelo para detectar vulnerabilidades, jailbreaks o respuestas inseguras antes del despliegue.

Inserción de patrones invisibles en el output del modelo para identificar contenido generado por IA. Obligatorio para contenido sintético en jurisdicciones como la UE.

Generación de información falsa con apariencia de hecho. Sigue siendo uno de los principales retos abiertos en 2026.

Tendencia del LLM a coincidir con el usuario incluso cuando este se equivoca. Efecto secundario del RLHF que los laboratorios intentan corregir.

Reglas y filtros que limitan qué puede generar el modelo: temas prohibidos, formatos obligatorios, niveles de toxicidad. Implementadas tanto en el modelo como en capas externas.

Hipótesis de que la IA avanzada (AGI/ASI) pueda suponer un riesgo grave para la humanidad. Debate abierto entre laboratorios y academia.

Reglamento de la UE aprobado en 2024 que regula los sistemas de IA según nivel de riesgo. Aplicación progresiva: prohibiciones desde febrero 2025, obligaciones para modelos GPAI desde agosto 2025, obligaciones de alto riesgo desde 2026-2027.

Sistemas que pueden afectar a derechos fundamentales: empleo, educación, justicia, infraestructuras críticas. Sujetos a obligaciones estrictas de gobernanza, documentación y supervisión humana.

Modelos como GPT-5 o Claude Opus que sirven para múltiples tareas. El EU AI Act les impone obligaciones de transparencia y, si superan cierto umbral de cómputo, de seguridad sistémica.

Reglamento europeo sobre datos personales en vigor desde 2018. Aplica a cualquier sistema de IA que procese datos identificables. Multas hasta 4% de facturación global.

Procesos donde un sistema toma decisiones sin intervención humana significativa. El RGPD da derecho al afectado a obtener explicación y revisión humana.

Entorno controlado donde empresas pueden probar sistemas de IA con supervisión del regulador. España lanzó el suyo en 2023 como anticipación al EU AI Act.

Análisis previo obligatorio bajo RGPD cuando un sistema puede suponer alto riesgo para derechos y libertades. Análoga a la FRIA del AI Act.

Evaluación obligatoria bajo el AI Act para ciertos sistemas de alto riesgo, sobre todo en sector público. Examina impacto en derechos, no solo en datos.

Conjunto de litigios abiertos sobre uso de obras protegidas en entrenamiento (NYT vs OpenAI, Getty vs Stability) y autoría de outputs. Doctrina jurídica aún en construcción.

Porcentaje de predicciones correctas sobre el total. Métrica intuitiva pero engañosa en datasets desbalanceados.

De los positivos predichos, cuántos son realmente positivos. Crítica cuando los falsos positivos son costosos (diagnóstico, fraude).

De los positivos reales, cuántos detecta el modelo. Crítica cuando los falsos negativos son costosos (detección de cáncer).

Media armónica de precision y recall. Compromiso útil cuando ambos importan.

Métrica intrínseca de los modelos de lenguaje: cuán «sorprendido» está el modelo por el texto. Menor es mejor.

Métrica clásica de traducción que compara n-gramas entre output y referencias humanas. Crítica para casos modernos pero aún citada.

Métrica para evaluar resúmenes automáticos comparando solapamiento con referencias.

Benchmark de 57 tareas académicas en inglés (de matemáticas a derecho). Métrica de referencia para comparar LLMs, aunque saturada en 2026.

Benchmark de OpenAI con 164 problemas de programación en Python. Estándar para evaluar capacidad de generación de código. Sustituido cada vez más por SWE-bench.

Benchmark de tareas de ingeniería software basadas en issues reales de GitHub. Evalúa capacidad de agentes para resolver bugs en repositorios completos. Métrica clave para Claude Code, Cursor, Codex.

Benchmark de preguntas científicas de nivel doctorado que requieren razonamiento profundo. Más difícil que MMLU para diferenciar modelos frontera.

Plataforma donde usuarios comparan a ciegas respuestas de varios LLMs y votan la mejor. Genera un ranking Elo público que refleja preferencias reales.

Conjuntos de tests automatizados que miden el comportamiento del modelo en casos específicos. Disciplina propia («eval engineering») cuya importancia crece exponencialmente.

Paradigma de mejora donde el modelo invierte más cómputo en cada pregunta (razonando más) en lugar de hacerse más grande. Base de o1, DeepSeek R1 y Claude con extended thinking.

Modelos que aprenden una representación interna del mundo físico para predecir y planificar. Avances notables en 2025 con Genie 3 (Google) y V-JEPA 2 (Meta).

IA que controla un cuerpo físico (robot, vehículo). Convergencia de visión, lenguaje y control motor. Figure, Tesla Optimus y Unitree marcaron 2025-2026.

Estilo de programación donde el humano describe la intención en lenguaje natural y delega la implementación al agente. Término popularizado en 2025.

Modelos entrenados y desplegados bajo control jurisdiccional de un país. Tendencia en Francia (Mistral), India (Sarvam), Emiratos (Falcon) y España con iniciativas como ALIA.

Modelos cuyos pesos son públicos y descargables, aunque no necesariamente con dataset o pipeline abierto. Llama, DeepSeek, Mistral, Gemma.

Término reservado por la OSI (desde 2024) para modelos con pesos, código y datos suficientemente accesibles para reproducción. Más estricto que «open weights».

Parámetro disponible en modelos de razonamiento que controla cuánto tiempo «piensa» el modelo antes de responder (low/medium/high).

Relación empírica entre cómputo en inferencia y calidad del output. Confirmadas en 2024-2025 como complemento a las leyes de escalado de entrenamiento.

Personajes digitales con personalidad y memoria que interactúan con humanos. Character.ai, Replika y nuevas variantes corporativas.

Perfil profesional consolidado en 2024-2026 que integra LLMs en aplicaciones reales. Diferente del ML Engineer clásico: prioriza producto, prompts y agentes sobre entrenamiento.

Conjunto de prácticas para operar aplicaciones basadas en LLMs en producción: versionado de prompts, evals continuos, observabilidad, gestión de costes.