Glosario de inteligencia artificial: 76 términos explicados en español

Este glosario de inteligencia artificial reúne los términos que más vas a encontrar al usar o leer sobre IA, ordenados de la A a la Z y explicados en una a tres frases que se entienden sin ser ingeniero. Cuando un concepto tiene artículo propio en Metix, la definición es corta y enlaza a la explicación completa. Revisión de octubre de 2026.

Si buscas el panorama general antes de los detalles, empieza por qué es la IA generativa.

A

Agente de IA

Un agente de IA es un sistema en el que un modelo de lenguaje decide qué pasos dar y qué herramientas usar para cumplir un objetivo, y repite ese ciclo hasta dar la tarea por terminada. La diferencia con un chatbot es que no se limita a responder: actúa. A fondo en qué es un agente de IA.

AGI (inteligencia artificial general)

AGI son las siglas inglesas de inteligencia artificial general: un sistema capaz de igualar o superar a las personas en la mayoría de tareas intelectuales, no solo en unas pocas. No hay una definición técnica aceptada por todos; OpenAI, por ejemplo, la describe en su carta fundacional como sistemas muy autónomos que superan a los humanos en la mayor parte del trabajo con valor económico.

Alineamiento

El alineamiento (alignment) es el conjunto de técnicas para que un modelo haga lo que pretenden quienes lo crean y lo usan, y no lo que no debe: ayudar a causar daño, engañar o perseguir objetivos propios. Incluye el entrenamiento con preferencias humanas (RLHF) y las pruebas de red teaming.

Alucinación

Una alucinación es una respuesta falsa que el modelo da con total seguridad: una cita inventada, una sentencia que no existe, una función de código que nadie ha programado. Ocurre porque el modelo genera texto plausible, no texto comprobado. Causas, casos reales y cómo reducirlas en por qué la IA se inventa cosas.

API

Una API (interfaz de programación de aplicaciones) es la puerta por la que un programa usa un servicio de otro. En IA es la forma de llamar a un modelo desde tu propio código, pagando por los tokens consumidos en lugar de una cuota mensual. Para empezar: primeros pasos con la API de Claude y de OpenAI.

Aprendizaje automático

El aprendizaje automático (machine learning) es la rama de la IA en la que un programa aprende patrones a partir de ejemplos en lugar de seguir reglas escritas a mano. Un filtro de spam que aprende de los correos que marcas como basura es aprendizaje automático.

Aprendizaje por refuerzo

El aprendizaje por refuerzo entrena un modelo premiando las acciones que lo acercan a un objetivo y penalizando las que no. Es la técnica detrás de AlphaGo y, aplicada a los modelos de lenguaje, de buena parte de lo que saben hacer los modelos de razonamiento.

Aprendizaje profundo

El aprendizaje profundo (deep learning) es aprendizaje automático hecho con redes neuronales de muchas capas. Es la base de casi toda la IA actual: reconocimiento de voz, visión artificial y modelos generativos.

Atención

La atención es la operación que permite a un modelo decidir, para cada palabra, qué otras palabras del texto son relevantes para interpretarla. En «el banco estaba lleno de patos», la atención es lo que conecta «banco» con «patos» y descarta el sentido financiero. Es la pieza central de la arquitectura Transformer.

B

Base de datos vectorial

Una base de datos vectorial guarda textos, imágenes u otros datos convertidos en embeddings y permite buscar por parecido de significado, no por coincidencia exacta de palabras. Es la pieza habitual de un sistema RAG.

Benchmark

Un benchmark es una prueba estandarizada para comparar modelos: preguntas de examen, problemas de programación, tareas de agente. Sirve de orientación, pero cada fabricante destaca los que le favorecen y algunos se «contaminan» cuando sus preguntas acaban en los datos de entrenamiento. Cómo usarlos sin engañarte: cómo elegir un modelo de IA para un proyecto.

C

C2PA (credenciales de contenido)

C2PA es un estándar abierto que añade a una imagen, un vídeo o un audio un registro firmado de su origen y de sus ediciones, incluido si intervino la IA. Lo impulsan, entre otros, Adobe, Microsoft, Google y OpenAI. Cómo comprobarlo, en cómo saber si un texto, imagen o vídeo está hecho con IA.

Cadena de pensamiento

La cadena de pensamiento (chain of thought) es el razonamiento paso a paso que un modelo escribe antes de dar la respuesta. Pedirlo con un «piensa paso a paso» mejoraba los resultados en lógica y matemáticas; los modelos de razonamiento ya lo hacen por su cuenta.

Chatbot

Un chatbot es un programa con el que se conversa por escrito o por voz. ChatGPT, Claude o Gemini son chatbots basados en modelos de lenguaje; los de atención al cliente de hace diez años funcionaban con respuestas predefinidas. Cuál usar para qué: ChatGPT, Claude o Gemini.

Complacencia

La complacencia (sycophancy en inglés) es la tendencia de un modelo a darte la razón, halagarte y decirte lo que quieres oír aunque no sea cierto. En abril de 2025 OpenAI tuvo que retirar una actualización de GPT-4o porque se había vuelto exageradamente aduladora.

Cuantización

La cuantización reduce la precisión de los números que forman un modelo (por ejemplo, de 16 bits a 4) para que ocupe menos memoria y vaya más rápido, a cambio de perder algo de calidad. Es lo que permite usar modelos de IA en local en un ordenador normal.

D

Datos de entrenamiento

Los datos de entrenamiento son los textos, imágenes, audios o código con los que se ajustan los parámetros de un modelo. De ellos depende lo que sabe, sus sesgos y buena parte de los pleitos por derechos de autor que hay abiertos contra los fabricantes.

Datos sintéticos

Los datos sintéticos son datos generados por un modelo para entrenar o evaluar a otro. Se usan cuando faltan datos reales o cuando no se pueden usar por privacidad.

Deep research

Deep research (investigación profunda) es el modo de los asistentes que dedica varios minutos a buscar en decenas de páginas, leerlas y redactar un informe con fuentes. Lo ofrecen, con distintos nombres, ChatGPT, Gemini, Claude y Perplexity. Las fuentes que cita hay que abrirlas: también puede alucinar.

Deepfake

Un deepfake es un vídeo, un audio o una imagen generado o manipulado con IA que hace pasar por real algo que no ocurrió, casi siempre con la cara o la voz de una persona. El reglamento europeo lo llama «ultrasuplantación» y obliga a las empresas y profesionales que lo publican a indicar que es artificial (qué exige el reglamento europeo de IA).

Destilación

La destilación entrena un modelo pequeño (el alumno) para imitar las respuestas de uno grande (el profesor). Así se consiguen modelos más baratos que conservan buena parte de la capacidad del original; DeepSeek, por ejemplo, publicó en enero de 2025 versiones destiladas de su R1 sobre modelos Qwen y Llama.

Difusión

Un modelo de difusión genera imágenes, vídeo o audio partiendo de ruido aleatorio y quitándolo poco a poco hasta que aparece algo que encaja con la descripción. Stable Diffusion popularizó la técnica en 2022, y sigue detrás de muchos generadores de imagen y vídeo.

E

Embedding

Un embedding es una lista de números que representa el significado de un texto o de una imagen: dos frases que dicen lo mismo con palabras distintas tienen embeddings parecidos. Es lo que permite buscar por significado en un sistema RAG o agrupar documentos por tema.

Entrenamiento

El entrenamiento es el proceso en el que un modelo ajusta sus parámetros a partir de datos. En los modelos de lenguaje hay dos fases: el preentrenamiento, con enormes cantidades de texto para aprender a predecir la siguiente palabra, y el postentrenamiento, que lo convierte en un asistente útil (ajuste con instrucciones, RLHF, aprendizaje por refuerzo).

F

Fecha de corte

La fecha de corte (knowledge cutoff) es el momento hasta el que llegan los datos con los que se entrenó un modelo. De lo que pasó después no sabe nada, salvo que busque en internet o se lo des tú en la conversación. Por eso un modelo puede recomendarte con total aplomo una versión de un programa que ya no existe.

Few-shot y zero-shot

Zero-shot es pedirle una tarea al modelo sin ejemplos; few-shot, darle unos pocos ejemplos resueltos dentro del propio prompt para que imite el patrón. Dos o tres ejemplos bien elegidos son una de las formas más sencillas de conseguir respuestas con un formato constante.

Fine-tuning

El fine-tuning (ajuste fino) es entrenar un poco más un modelo ya hecho con ejemplos propios para especializarlo en una tarea, un formato o un tono. Sirve más para cambiar cómo responde que para enseñarle datos: para que conteste con tus documentos suele ser mejor RAG.

G

GAN

Una GAN (red generativa antagónica) enfrenta dos redes neuronales: una genera imágenes y otra intenta distinguirlas de las reales, y ambas mejoran compitiendo. Las presentó Ian Goodfellow en 2014 y dominaron la generación de imágenes, como las caras de «esta persona no existe», hasta que llegaron los modelos de difusión.

GPT

GPT significa Generative Pre-trained Transformer (transformer generativo preentrenado), el tipo de modelo que OpenAI presentó en 2018. Hoy es también la marca de sus modelos (GPT-5, GPT-6…), y por eso mucha gente usa «GPT» como sinónimo de chatbot.

GPU

Una GPU es un procesador diseñado para hacer muchísimas operaciones a la vez. Nació para los gráficos de los videojuegos y hoy es el hardware con el que se entrenan y ejecutan casi todos los modelos; Nvidia domina ese mercado y Google usa también sus propios chips, las TPU.

I

IA agéntica

IA agéntica es la etiqueta para los sistemas que actúan con cierta autonomía, como los agentes, en lugar de solo responder. Se usa con mucha alegría en marketing: buena parte de los productos «agénticos» son flujos de pasos fijos con un modelo dentro.

IA generativa

La IA generativa es la que crea contenido nuevo (texto, imágenes, audio, vídeo o código) a partir de los patrones que aprendió de sus datos de entrenamiento. ChatGPT, Midjourney o Suno son IA generativa. Guía completa: qué es la IA generativa.

Inferencia

La inferencia es usar un modelo ya entrenado para obtener una respuesta. Entrenar se hace una vez y cuesta mucho; la inferencia se paga en cada consulta, y es lo que se factura por tokens en una API (cuánto cuesta usar la IA por API).

Ingeniería de contexto

La ingeniería de contexto es decidir qué información recibe el modelo en cada momento (instrucciones, documentos, historial, resultados de herramientas) para que tenga lo que necesita y nada que lo despiste. El término se extendió en 2025 con los agentes, donde importa más qué hay en el contexto que cómo está redactada la petición.

Ingeniería de prompts

La ingeniería de prompts es el oficio de redactar instrucciones que den mejores respuestas: aportar contexto, poner ejemplos, pedir un formato concreto, dividir la tarea en pasos.

Inteligencia artificial

La inteligencia artificial es la disciplina que construye programas capaces de hacer tareas que asociamos a la inteligencia humana, como entender el lenguaje, reconocer imágenes o tomar decisiones. El término nació en 1956 en un taller de la universidad de Dartmouth (Estados Unidos), y la FundéuRAE lo eligió palabra del año en 2022. Se escribe en minúscula y su sigla en español es IA.

Inyección de prompts

La inyección de prompts (prompt injection) es un ataque que cuela instrucciones en el texto que lee el modelo (una web, un correo, un PDF) para que haga algo que su usuario no ha pedido, como enviar datos a un tercero. Es el principal riesgo de seguridad de los agentes que leen contenido de fuera, y ni los propios fabricantes lo dan por resuelto.

J

Jailbreak

Un jailbreak es un prompt pensado para que un modelo se salte sus normas de seguridad y haga lo que tiene prohibido. Se diferencia de la inyección de prompts en que lo intenta el propio usuario, no un tercero escondido en un documento.

L

Leyes de escala

Las leyes de escala (scaling laws) describen cómo mejora un modelo de forma bastante predecible al aumentar sus parámetros, sus datos y el cómputo de entrenamiento. Justificaron la carrera por construir centros de datos cada vez más grandes.

LLM

Un LLM (modelo de lenguaje grande) es un modelo entrenado con enormes cantidades de texto para predecir el siguiente token, y de esa tarea salen capacidades como resumir, traducir, razonar o programar. GPT, Claude, Gemini, Llama o Mistral son LLM. Cómo funciona por dentro: qué es un LLM.

LoRA

LoRA es una técnica de fine-tuning barata: en lugar de reentrenar el modelo entero, entrena unas pequeñas piezas añadidas. Es muy popular para enseñar a un generador de imágenes un estilo o un personaje concretos.

M

Marca de agua

Una marca de agua de IA es una señal invisible que el generador mete en el texto, la imagen o el audio para que luego se pueda detectar que es artificial. La más extendida es SynthID, de Google. Lo que sirve y lo que no para detectar contenido generado, en cómo saber si algo está hecho con IA.

MCP

MCP (Model Context Protocol) es un estándar abierto para conectar asistentes y agentes de IA con herramientas y datos externos, de forma que una misma integración sirva para cualquier aplicación compatible. Lo presentó Anthropic en noviembre de 2024 y desde diciembre de 2025 lo gestiona la Agentic AI Foundation, dentro de la Linux Foundation. A fondo: MCP explicado.

Mezcla de expertos

La mezcla de expertos (MoE, mixture of experts) es una arquitectura en la que el modelo tiene muchos bloques especializados y solo activa unos pocos en cada token. Así puede ser enorme y, a la vez, relativamente barato de ejecutar: DeepSeek-V3 tiene 671.000 millones de parámetros, pero usa 37.000 millones en cada token.

Modelo de frontera

Un modelo de frontera es uno de los más capaces del momento, los que marcan el máximo de lo que puede hacer la IA. Se usa para los modelos punteros de laboratorios como OpenAI, Anthropic o Google DeepMind.

Modelo de IA de uso general

Modelo de IA de uso general es el término legal que usa el reglamento europeo para los modelos que sirven para muchas tareas distintas, como los LLM. Sus proveedores tienen obligaciones de documentación y de respeto a los derechos de autor desde el 2 de agosto de 2025 (reglamento europeo de IA).

Modelo de razonamiento

Un modelo de razonamiento es un LLM entrenado para pensar antes de responder: genera un razonamiento interno, a veces muy largo, y después contesta. Acierta más en matemáticas, código y problemas de varios pasos, a cambio de tardar más y gastar más tokens. Cuándo compensan: modelos de razonamiento.

Modelo del mundo

Un modelo del mundo es un modelo que aprende cómo se comportan los entornos, físicos o virtuales, y puede simularlos de forma interactiva. El ejemplo más citado es Genie 3, de Google DeepMind, que genera escenarios 3D por los que se puede navegar a partir de una descripción.

Modelo fundacional

Un modelo fundacional es un modelo grande, entrenado con datos muy variados, que sirve de base para muchas aplicaciones distintas que lo ajustan o lo usan tal cual. El término lo popularizó la Universidad de Stanford en 2021.

Multimodal

Un modelo multimodal entiende o genera varios tipos de datos: texto, imágenes, audio o vídeo. Pasarle a un chatbot la foto de una factura y que te saque el total es usar su capacidad multimodal.

N

NPU

Una NPU es un chip especializado en ejecutar redes neuronales gastando poca energía. Ya viene en muchos móviles y portátiles para hacer tareas de IA sin conectarse a la nube, como transcribir o desenfocar el fondo de una videollamada.

P

Parámetros

Los parámetros (o pesos) son los números que el modelo ajusta durante el entrenamiento y que guardan lo aprendido. Se usan como medida de tamaño («un modelo de 70.000 millones de parámetros»): más parámetros suele dar más capacidad, pero también pide más memoria y cuesta más.

Pesos abiertos

Un modelo de pesos abiertos (open weights) es uno cuyos parámetros se pueden descargar y ejecutar en tu propio equipo o servidor, como Llama, Mistral, Qwen, DeepSeek o gpt-oss. No es lo mismo que código abierto: la definición de la Open Source Initiative exige además información suficiente sobre los datos de entrenamiento, algo que casi nadie publica. Los mejores: modelos de IA de código abierto.

PLN

El PLN (procesamiento del lenguaje natural) es la rama de la IA que trabaja con lenguaje humano: traducir, clasificar textos, extraer datos, responder preguntas. Los LLM han absorbido casi todas sus tareas clásicas.

Prompt

Un prompt es la instrucción o el texto que le das a un modelo para que responda. En español se puede decir «instrucción» o «indicación», aunque en el sector se usa casi siempre la palabra inglesa.

Prompt de sistema

El prompt de sistema (system prompt) es un conjunto de instrucciones de fondo que fija cómo debe comportarse el modelo durante toda la conversación: su papel, su tono, lo que no debe hacer. Normalmente lo escribe quien hace la aplicación, no el usuario.

R

RAG

RAG (generación aumentada por recuperación) es una técnica que, antes de responder, busca en tus documentos los fragmentos relevantes y se los pasa al modelo junto con la pregunta, para que conteste con esa información y no de memoria. Es la forma habitual de que un chatbot responda sobre datos privados o recientes sin reentrenarlo. A fondo: qué es RAG.

Red neuronal

Una red neuronal es un modelo matemático formado por capas de unidades conectadas que transforman unos números de entrada en otros de salida; entrenarla es ajustar la fuerza de esas conexiones. Se inspira de lejos en el cerebro, pero funciona de forma muy distinta.

Red teaming

El red teaming consiste en atacar a propósito un modelo antes de lanzarlo para encontrar sus fallos: que dé instrucciones peligrosas, que filtre datos o que se salte sus normas. Los grandes laboratorios publican los resultados en las fichas técnicas (system cards) de sus modelos.

Reglamento europeo de IA

El Reglamento (UE) 2024/1689, conocido como AI Act, es la ley de la Unión Europea que regula la IA según su riesgo: prohíbe algunos usos, pone requisitos a los de alto riesgo y obliga a avisar cuando hablas con una IA o ves contenido artificial. Entró en vigor el 1 de agosto de 2024 y se aplica por fases: qué obliga ya y qué se retrasa.

RLHF

RLHF (aprendizaje por refuerzo a partir de comentarios humanos) es la técnica que convierte un modelo que solo completa texto en un asistente. Personas comparan pares de respuestas, se entrena un modelo que imita sus preferencias y con él se ajusta el LLM. OpenAI la usó en 2022 para InstructGPT y ChatGPT.

S

Sesgo

Un sesgo es una tendencia sistemática del modelo a favorecer o perjudicar a ciertos grupos o puntos de vista, heredada casi siempre de los datos de entrenamiento. Un generador de imágenes que dibuja siempre a «un directivo» como un hombre blanco de mediana edad está mostrando un sesgo.

Sistema de IA

Para el reglamento europeo, un sistema de IA es «un sistema basado en una máquina» que funciona con cierto nivel de autonomía y que «infiere de la información de entrada que recibe la manera de generar resultados de salida, como predicciones, contenidos, recomendaciones o decisiones» (artículo 3). Según el propio texto, quedan fuera los programas que solo ejecutan reglas definidas por personas, como una hoja de cálculo con fórmulas fijas.

SLM

Un SLM (modelo de lenguaje pequeño) es un modelo con relativamente pocos parámetros, pensado para funcionar rápido y barato, incluso dentro de un móvil o un portátil. Rinde peor en tareas difíciles, pero le sobra para clasificar, resumir o extraer datos.

Slop

Slop es el contenido de baja calidad producido en masa con IA: artículos de relleno, imágenes absurdas, vídeos clónicos. Merriam-Webster la eligió palabra del año en 2025 y la define como contenido digital de baja calidad producido, normalmente en cantidad, mediante inteligencia artificial.

Sobreajuste

El sobreajuste (overfitting) ocurre cuando un modelo se aprende de memoria sus datos de entrenamiento en lugar de los patrones generales, y falla con datos nuevos. Es como el alumno que memoriza las soluciones del libro y se bloquea con un problema distinto.

SynthID

SynthID es el sistema de Google DeepMind que marca con una marca de agua invisible el texto, las imágenes, el audio y el vídeo que generan sus modelos, para poder detectarlo después. Solo reconoce contenido marcado con SynthID (el de Google y, desde 2026, parte del de empresas como OpenAI o ElevenLabs): no sirve, por ejemplo, para saber si un texto lo escribió ChatGPT.

T

Temperatura

La temperatura es un ajuste que controla cuánto azar hay en las respuestas. Baja, el modelo elige casi siempre la palabra más probable y responde de forma predecible; alta, varía más. Para extraer datos conviene baja; para una lluvia de ideas, más alta.

Test de Turing

El test de Turing, propuesto por Alan Turing en 1950, considera que una máquina piensa si en una conversación por escrito no se la puede distinguir de una persona. En un estudio de 2025 de la Universidad de California en San Diego, GPT-4.5 fue tomado por humano el 73 % de las veces, y por eso el test ha dejado de servir como medida de inteligencia.

Texto a voz y voz a texto

Texto a voz (TTS) es generar habla a partir de un texto; voz a texto (reconocimiento del habla) es transcribir un audio. Whisper, de OpenAI, y las voces de ElevenLabs son ejemplos conocidos de cada caso.

Token

Un token es el trozo de texto con el que trabaja un modelo: puede ser una palabra, una parte de palabra o un signo. Los modelos cobran y miden su memoria en tokens; como regla práctica para el inglés, OpenAI calcula que un token equivale a unos cuatro caracteres, o a tres cuartos de palabra.

Transformer

El Transformer es la arquitectura de red neuronal en la que se basan casi todos los LLM actuales. La presentaron investigadores de Google en 2017 en el artículo «Attention Is All You Need», y su idea clave es el mecanismo de atención.

U

Uso de herramientas

El uso de herramientas (tool use o function calling) es la capacidad de un modelo de pedir que se ejecute una acción externa (buscar en la web, consultar una base de datos, lanzar un programa) y usar el resultado en su respuesta. Es lo que convierte un chatbot en la base de un agente.

V

Ventana de contexto

La ventana de contexto es la cantidad máxima de tokens que un modelo puede tener en cuenta a la vez: tus instrucciones, los documentos que le pasas, la conversación y su propia respuesta. Lo que no cabe no existe para el modelo, y aunque quepa, en conversaciones muy largas la calidad suele bajar.

Vibe coding

Vibe coding es programar describiendo lo que quieres en lenguaje natural y aceptando el código que escribe la IA sin leerlo, guiándote solo por si funciona. Lo bautizó Andrej Karpathy en febrero de 2025 y el diccionario Collins lo eligió palabra del año ese mismo año. Cuándo tiene sentido: qué es el vibe coding.

Visión artificial

La visión artificial es la rama de la IA que interpreta imágenes y vídeo: reconocer objetos, leer texto en una foto, detectar defectos en una cadena de montaje. Los modelos multimodales actuales la llevan integrada en el propio chat.

Por dónde seguir

• Para entender cómo encajan todas estas piezas: qué es la IA generativa.
• Para ver la mecánica de un modelo por dentro (tokens, atención, entrenamiento): qué es un LLM.
• Para pasar de la teoría a algo que funcione: tu primer agente de IA sin programar, con n8n.