Glosario de IA: los términos que toda empresa necesita entender
El vocabulario de la IA se convirtió en una sopa de letras que estorba más de lo que ayuda a la hora de decidir. Este glosario traduce los términos que más aparecen en propuestas y conversaciones técnicas a un lenguaje directo, enfocado en lo que cada uno significa en la práctica para su empresa, sin buzzwords y sin clase académica. Úselo como referencia rápida cada vez que un proveedor suelte una sigla.
Los fundamentos
IA (Inteligencia Artificial): término paraguas para sistemas que ejecutan tareas que antes exigían un humano: entender texto, clasificar, decidir, generar contenido. En el contexto empresarial, lo que importa es dónde mueve un número de la operación. Vea IA para empresas.
IA generativa: el tipo de IA que crea contenido nuevo (texto, imagen, código) en vez de solo clasificar datos existentes. Es la tecnología detrás de los asistentes que conversan y producen.
LLM (Large Language Model / Gran Modelo de Lenguaje): el "motor" detrás de la IA generativa de texto. Es un modelo entrenado con enormes volúmenes de texto que predice y genera lenguaje. Cuando alguien habla de GPT, Gemini o Claude, está hablando de LLMs.
Agentes y automatización
Agente de IA: software que percibe el contexto, decide el próximo paso y ejecuta una acción dentro de sus sistemas (agenda, registra, califica). A diferencia de un chatbot, resuelve, no solo responde. Más detalles en qué es un agente de IA.
Chatbot: programa de conversación con guion (menús y respuestas fijas). Bueno para dudas simples; se traba cuando la persona se sale del guion. Es el escalón anterior al agente.
Arquitectura multiagente: en vez de un robot intentando encargarse de todo, varios agentes especialistas con un "enrutador" que dirige cada solicitud al correcto. Es lo que permite escalar la atención manteniendo la calidad.
Traspaso: el paso de la atención de la IA a un humano, con todo el contexto de la conversación, cuando el caso exige criterio. Un buen traspaso es lo que da la confianza para poner un agente en la primera línea.
Conocimiento y datos
RAG (generación aumentada por recuperación): técnica en la que la IA primero busca los fragmentos relevantes en su base de datos y solo después genera la respuesta con base en ellos. Es lo que mantiene la respuesta anclada en sus datos y reduce la invención. Base de búsqueda corporativa con IA.
Base de conocimiento: el conjunto de documentos, políticas y datos de la empresa, organizados para que la IA consulte. Es lo que hace que el agente hable como su empresa, y no como una IA genérica.
Alucinación: cuando la IA responde algo que parece correcto pero es inventado. Se mitiga con RAG y trazabilidad (la respuesta señala la fuente), nunca confiando a ciegas.
Fine-tuning: ajuste fino de un modelo con sus propios ejemplos para especializarlo en una tarea o tono. Útil en casos específicos; muchas veces el RAG ya lo resuelve sin el costo del fine-tuning.
Desarrollo y proyecto
MVP (Producto Mínimo Viable): el recorte de mayor impacto que ya entrega valor y puede llegar a manos del usuario pronto. Empezar por un MVP diluye la inversión y valida hipótesis con uso real. Más en cuánto cuesta una app.
A medida: software construido para su operación, conectado a sus sistemas y a sus reglas. Opuesto a la plantilla/no-code genérica. Cuesta más al principio y no tiene techo de plataforma.
Integración: la conexión de la IA con los sistemas que operan el negocio (ERP, CRM, WhatsApp, agenda). Es lo que saca a la IA del papel de responder dudas y la pone a ejecutar de verdad.
API: la "toma" por la que dos sistemas conversan. Cuando se habla de integrar la IA a su ERP, casi siempre es vía API.
Preguntas frecuentes
¿Cuál es la diferencia entre IA generativa y LLM?
La IA generativa es la categoría de IA que crea contenido nuevo. El LLM (gran modelo de lenguaje) es el tipo de modelo detrás de la IA generativa de texto, el motor que predice y genera lenguaje. Todo LLM es IA generativa, pero también hay IA generativa para imagen, audio y código.
¿Qué es RAG en palabras simples?
Es la técnica en la que la IA primero busca la información relevante dentro de su base de datos y solo después escribe la respuesta con base en ella, citando la fuente. Esto mantiene la respuesta anclada en sus datos y reduce el riesgo de que la IA invente.
¿Cuál es la diferencia entre chatbot y agente de IA?
El chatbot sigue un guion de menús y respuestas fijas y se pierde fuera del guion. El agente de IA entiende lenguaje natural, mantiene el contexto y ejecuta acciones reales en sus sistemas, resolviendo el caso de principio a fin.
¿Necesito fine-tuning para usar IA en mi empresa?
En la mayoría de los casos, no. Gran parte de las necesidades de una empresa se resuelve con RAG (conectar la IA a su base de conocimiento), que es más rápido y económico que entrenar un modelo. El fine-tuning entra en casos específicos de tono o de una tarea muy particular.
Hace 16 años construyendo software a medida; lidera la ingeniería de IA de NexUnio. Conoce NexUnio · LinkedIn