Glosario de inteligencia artificial: términos explicados

Agente de IA: Sistema que usa un modelo para perseguir un objetivo en varios pasos: decide qué hacer, usa herramientas, revisa el resultado y sigue hasta terminar. Ver la lección.
Alucinación: Respuesta de un modelo que suena convincente pero es falsa o inventada. Ocurre porque el modelo genera texto probable, no texto comprobado. Ver la lección.
Aprendizaje no supervisado: Tipo de machine learning en el que el modelo busca estructura en datos sin etiquetas, por ejemplo agrupando clientes parecidos. Ver la lección.
Aprendizaje por refuerzo: Tipo de machine learning en el que un sistema aprende probando acciones y recibiendo recompensas o penalizaciones según el resultado. Ver la lección.
Aprendizaje supervisado: Tipo de machine learning en el que el modelo aprende con ejemplos etiquetados: cada dato viene con la respuesta correcta. Ver la lección.
Chat temporal (Temporary Chat): Conversación de ChatGPT que no aparece en el historial, no crea memorias y no se usa para entrenar modelos; OpenAI la guarda hasta 30 días por seguridad y después la borra.
ChatGPT: Asistente de inteligencia artificial de OpenAI, lanzado el 30 de noviembre de 2022. Funciona con los modelos GPT y reúne Chat, Work (un agente que hace tareas completas) y Codex (programación).
Checkpoint (punto de control): Copia que un agente guarda de un archivo antes de cambiarlo, para poder volver atrás. En Claude Code se recupera pulsando Esc dos veces; no deshace lo que ya salió fuera, como un cambio en una base de datos o un despliegue.
Claude Code: Agente de programación de Anthropic que lee los archivos de un proyecto, los edita, ejecuta comandos y comprueba el resultado a partir de lo que le pides en lenguaje normal. Se usa en la terminal, en editores como VS Code, en la app de escritorio de Claude y en el navegador. Ver la lección.
CLAUDE.md: Archivo de texto en la raíz de un proyecto con las instrucciones permanentes para Claude Code: convenciones, comandos de prueba y qué no tocar. Lo lee al empezar cada sesión; otros agentes usan un archivo parecido llamado AGENTS.md.
Cuantización: Técnica que comprime un modelo guardando cada parámetro con menos bits (por ejemplo, unos 4 en lugar de 16) para que ocupe menos memoria, a costa de algo de calidad. Ver la lección.
Deep learning (aprendizaje profundo): Machine learning con redes neuronales de muchas capas. Es la base de los modelos actuales de lenguaje, imagen y voz. Ver la lección.
Deepfake (ultrafalso): Imagen, audio o vídeo generado o manipulado con IA que imita a una persona, un lugar o un hecho reales y puede pasar por auténtico. En la UE hay que avisar de que lo es. Ver la lección.
Disparador (trigger): El paso que pone en marcha un flujo de trabajo cuando ocurre algo: llega un correo, se envía un formulario o se cumple una hora. Ver la lección.
Embedding: Representación de un texto o una imagen como una lista de números, de forma que contenidos parecidos quedan cerca. Se usa en búsquedas y en RAG.
Entrenamiento: Fase en la que un modelo ajusta sus parámetros a partir de datos hasta que sus respuestas se parecen a las esperadas. Ver la lección.
Few-shot (con ejemplos): Técnica de prompt que incluye algunos ejemplos de la respuesta que quieres para que el modelo imite el formato y el criterio. Ver la lección.
Fine tuning (ajuste fino): Entrenar un poco más un modelo ya entrenado con datos propios para especializarlo en una tarea o un estilo.
Flujo de trabajo (workflow): Serie de pasos conectados que automatizan un proceso: empieza con un disparador y sigue con acciones, decisiones y transformaciones de datos. Ver la lección.
Herramienta (tool): Función externa que un modelo puede usar para actuar o consultar algo: buscar en la web, leer un archivo, ejecutar código o llamar a una aplicación. Ver la lección.
IA en local (modelo local): Uso de un modelo de IA descargado y ejecutado en tu propio ordenador, sin enviar los datos a servidores externos. Funciona sin conexión una vez descargado. Ver la lección.
IA generativa (inteligencia artificial generativa): IA que crea contenido nuevo (texto, imágenes, audio, vídeo o código) a partir de lo que aprendió en el entrenamiento. Ver la lección.
Inferencia: Uso de un modelo ya entrenado para producir una respuesta nueva, por ejemplo cuando escribes a un chatbot. Ver la lección.
Inteligencia artificial (IA): Campo de la informática que crea sistemas capaces de hacer tareas que asociamos a la inteligencia humana, como entender lenguaje, reconocer imágenes o tomar decisiones a partir de datos.
LLM (modelo de lenguaje grande): Modelo entrenado con enormes cantidades de texto para predecir la siguiente pieza de texto. Es lo que hay detrás de ChatGPT, Claude o Gemini. Ver la lección.
Machine learning (aprendizaje automático): Forma de construir IA en la que el sistema aprende patrones a partir de ejemplos en lugar de seguir reglas escritas a mano. Ver la lección.
MCP (Model Context Protocol): Estándar abierto, creado por Anthropic en 2024, para conectar modelos y agentes con aplicaciones y fuentes de datos de forma uniforme. Ver la lección.
Memoria (memoria de ChatGPT): Función de un asistente de IA que recuerda datos y preferencias de conversaciones anteriores para usarlos en las siguientes. Se puede revisar, borrar y desactivar.
Modelo: El resultado del entrenamiento: un programa con millones o miles de millones de valores ajustados que convierte una entrada en una salida. Ver la lección.
Modelo abierto (pesos abiertos): Modelo de IA cuyos pesos se publican para que cualquiera los descargue y los ejecute en su equipo, con las condiciones de su licencia. Ver la lección.
Modelo de difusión: Modelo generativo que crea imágenes, vídeo o audio partiendo de ruido aleatorio y limpiándolo paso a paso, guiado por una descripción. Es la base de casi todos los generadores de imágenes. Ver la lección.
Modelo fundacional: Modelo muy grande y generalista, entrenado una vez con enormes cantidades de datos y adaptado después a muchas tareas. GPT, Gemini, Claude o Llama son familias de modelos fundacionales. Ver la lección.
Multimodal: Modelo que entiende o genera varios tipos de contenido a la vez, como texto, imágenes, audio o vídeo. Ver la lección.
Nodo: Cada bloque de un flujo de trabajo en herramientas como n8n: lee datos, hace una acción, decide un camino o llama a un modelo de IA. Ver la lección.
NotebookLM (Gemini Notebook): Herramienta de IA de Google que responde a partir de los documentos que le das, con citas a cada fragmento, y los convierte en resúmenes de audio, mapas mentales o cuestionarios. Desde julio de 2026 se llama Gemini Notebook. Ver la lección.
Parámetros (pesos): Los valores numéricos que un modelo ajusta al entrenarse. Los grandes modelos de lenguaje tienen miles de millones. Ver la lección.
Prompt: Las instrucciones y el contexto que le das a un modelo para que haga una tarea. Ver la lección.
Prompt de sistema: Instrucciones generales que fijan el papel y las reglas de un asistente antes de la conversación; el usuario normalmente no las ve. Ver la lección.
RAG (generación aumentada por recuperación): Técnica que busca información relevante en tus documentos y se la pasa al modelo antes de responder, para que conteste con datos concretos.
Red neuronal: Modelo formado por capas de unidades simples conectadas entre sí; cada conexión tiene un peso que se ajusta durante el entrenamiento. Ver la lección.
Respuesta con fuentes (grounding): Respuesta de un modelo anclada en unos documentos concretos, que indica de qué fragmento sale cada dato para que puedas comprobarlo. Ver la lección.
Resumen de audio (Audio Overview): Función de NotebookLM que convierte tus fuentes en una conversación entre dos voces generadas por IA, al estilo de un pódcast. Ver la lección.
RLHF (aprendizaje por refuerzo con retroalimentación humana): Técnica para ajustar un modelo de lenguaje con valoraciones de personas: ordenan varias respuestas de mejor a peor y el modelo aprende a dar las que prefieren. Con ella se entrenó el primer ChatGPT.
Skill: Carpeta con instrucciones y recursos que enseña a un agente a hacer una tarea concreta; el agente la carga solo cuando la necesita. Ver la lección.
Subagente (subagent): Agente auxiliar que otro agente lanza para una parte del trabajo, con su propio contexto, y que al terminar devuelve solo un resumen. Sirve para repartir tareas y no llenar la conversación principal.
Terminal (línea de comandos, CLI): Programa en el que se dan órdenes al ordenador escribiéndolas, sin ventanas ni botones. Herramientas como Claude Code u Ollama se instalan y se usan desde ahí.
Token: Unidad en la que un modelo de lenguaje divide el texto: una palabra, parte de una palabra o un signo. Los precios y los límites se miden en tokens. Ver la lección.
Transformer: Arquitectura de red neuronal presentada por Google en 2017 que procesa todo el texto a la vez y decide a qué palabras prestar atención. Es la base de los LLM. Ver la lección.
Ventana de contexto: Cantidad máxima de texto, medida en tokens, que un modelo puede tener en cuenta a la vez en una conversación o tarea. Ver la lección.
VRAM (memoria de vídeo): Memoria propia de la tarjeta gráfica. Para usar un modelo en local con la tarjeta gráfica, el modelo tiene que caber en ella. Ver la lección.
Webhook: Dirección web que recibe avisos automáticos de otra aplicación cuando pasa algo en ella, por ejemplo un pago o un formulario nuevo. Ver la lección.