Glosario de IA para empresas: los términos que salen en las noticias, sin jerga

Actualizada el 20.10.2026

Los términos que más aparecen en las noticias de inteligencia artificial, explicados para quien tiene que decidir y no programar. Cada uno, con lo que significa para una empresa.

Modelos

IA generativa. Sistemas que producen texto, imágenes, audio, vídeo o código nuevos a partir de una instrucción. Lo que hace ChatGPT, Claude, Gemini o Midjourney.
LLM (modelo grande de lenguaje). El motor de los asistentes de texto: un modelo entrenado con enormes cantidades de texto que predice qué viene después. GPT, Claude, Gemini, Llama o Mistral son familias de LLM.
Modelo de uso general. Un modelo que sirve para muchas tareas distintas sin entrenarlo para cada una. El AI Act les pone obligaciones propias.
Multimodal. Que entiende o genera varios tipos de contenido a la vez: texto, imagen, audio, vídeo.
Modelo de razonamiento. Un modelo que "piensa" varios pasos antes de responder. Acierta más en problemas complejos, pero tarda y cuesta más por respuesta.
Modelo abierto (open weights). Un modelo cuyos pesos se pueden descargar y ejecutar en servidores propios. Da control sobre los datos y el coste, a cambio de tener que mantenerlo.
Modelo pequeño. Un modelo con menos parámetros, más barato y rápido, que basta para tareas concretas (clasificar, resumir, extraer datos) y a veces funciona en un portátil o un móvil.
Parámetros. Los números internos que el modelo ajusta al entrenarse. Más parámetros suele querer decir más capacidad, pero también más coste.

Usarlos

Prompt. La instrucción que se le da al modelo. Un buen prompt (contexto, ejemplos, formato de salida) cambia mucho el resultado.
Token. El trozo de texto con el que cuentan los modelos y con el que se paga su uso: en español, una palabra son algo más de un token de media. Los precios se dan por millón de tokens de entrada y de salida.
Ventana de contexto. Cuánto texto puede tener en cuenta el modelo a la vez (la pregunta, los documentos y la conversación). Si es grande, cabe un contrato entero o un repositorio de código.
Inferencia. Usar un modelo ya entrenado para obtener respuestas. Es el gasto recurrente; el entrenamiento es el gasto inicial.
Latencia. Lo que tarda en llegar la respuesta. Importa en atención al cliente y en voz.
Alucinación. Una respuesta segura y bien escrita pero falsa: un dato, una cita o una referencia inventados. Por eso los usos críticos llevan revisión humana o fuentes verificables.
RAG (generación aumentada por recuperación). Que el modelo responda buscando antes en tus propios documentos y citándolos. Es la forma habitual de usar IA con la información de la empresa sin reentrenar nada.
Ajuste fino (fine-tuning). Entrenar un poco más un modelo con ejemplos propios para que aprenda un estilo o una tarea. Más caro y lento de cambiar que el RAG.
Embeddings. La representación numérica de un texto que permite buscar por significado y no solo por palabras. Es la base de los buscadores internos con IA.

Agentes

Agente de IA. Un sistema que no solo responde: usa herramientas (buscar, escribir en el CRM, enviar un correo, ejecutar código) y encadena pasos para cumplir un objetivo. Ahorra más trabajo y también tiene más riesgo, porque actúa.
Copiloto. Un asistente de IA integrado en una herramienta de trabajo (Office, el CRM, el editor de código) que propone y deja la decisión a la persona.
MCP (Model Context Protocol). Un estándar abierto para conectar asistentes y agentes con las aplicaciones y datos de la empresa sin integraciones a medida para cada uno.
Supervisión humana (human in the loop). Que una persona revise o apruebe lo que hace la IA antes de que tenga efecto. El AI Act la exige en los usos de alto riesgo.

Infraestructura

GPU. El chip con el que se entrenan y ejecutan los modelos. Nvidia domina el mercado; AMD, Google (TPU) y otros fabrican alternativas.
Centro de datos para IA. Instalaciones con miles de GPU y un consumo eléctrico enorme. Su construcción explica buena parte de las inversiones que salen en las noticias.
Nube frente a local (on-premise). Usar el modelo como servicio de un proveedor o ejecutarlo en servidores propios. Es una decisión de coste, control de los datos y cumplimiento.

Riesgos y reglas

AI Act. El Reglamento europeo de IA: clasifica los usos por riesgo y fija obligaciones y multas. Ver la guía AI Act: qué tiene que hacer tu empresa y cuándo.
Deepfake. Imagen, audio o vídeo generado que imita a una persona o un hecho real. Desde el 02.08.2026 hay que etiquetarlo en la UE.
Inyección de instrucciones (prompt injection). Un texto escondido en una web o un documento que intenta que el modelo haga algo que no debe. Es el principal riesgo de seguridad de los agentes.
Sesgo. Que el modelo trate peor a un grupo porque los datos de entrenamiento lo hacían. Es crítico en selección de personal y crédito.