AI glossary: 20 terms in plain words

Tokens, prompts, hallucinations, agents and RAG — every key AI concept with a human explanation.

Inteligencia artificial (IA): Software que aprende de ejemplos en lugar de seguir reglas predefinidas. La IA moderna encuentra patrones en los datos y los aplica a situaciones nuevas: del reconocimiento facial a la generación de texto.
Red neuronal: Un modelo matemático de millones de «neuronas» con conexiones ponderadas ajustables. Aprende mediante el bucle «predecir → comparar con la respuesta → ajustar pesos», repetido miles de millones de veces.
LLM (modelo de lenguaje grande): Una red neuronal entrenada con enormes volúmenes de texto: ChatGPT, Claude, Gemini. Hace una sola operación —predecir el siguiente token— y de ahí salen respuestas, traducciones y código.
Token: El trozo de texto con el que opera un modelo de lenguaje: parte de una palabra, una palabra o un símbolo, de 3 a 4 caracteres de media. El contexto del modelo y el precio de la API se miden en tokens.
Prompt: El texto de la petición que le envías a la IA. La calidad de la respuesta depende en un 80% de la calidad del prompt: rol, tarea, contexto y formato son lo que lo hace fuerte.
Prompt engineering: La disciplina de escribir peticiones eficaces a la IA: fórmulas, ejemplos (few-shot), cadenas de razonamiento, salida estructurada. Una de las habilidades que más rápido crece en el mercado laboral.
Alucinación: Una respuesta segura, verosímil e inventada. Viene de la naturaleza generativa de los LLM: cuando no hay datos, una «continuación probable» sigue pareciendo una respuesta. Comprueba cifras, citas y enlaces.
Ventana de contexto: La cantidad de texto (en tokens) que el modelo «tiene en la cabeza» dentro de una conversación: tus mensajes, sus respuestas, los documentos que subes. Lo que no cabe, se «olvida».
Entrenamiento del modelo: El proceso de ajustar los miles de millones de pesos de una red con datos masivos. Exige miles de GPU y semanas de cálculo: por eso los modelos grandes salen de muy pocas empresas.
Pesos: Los parámetros numéricos de una red que se ajustan durante el entrenamiento. «Un modelo de 70 mil millones de parámetros» habla justo del número de pesos.
Fecha de corte de conocimiento: La fecha a partir de la cual no hay acontecimientos en los datos de entrenamiento del modelo. Lo más reciente solo le llega por búsqueda web o por los materiales que le das.
IA generativa: IA que crea contenido nuevo —textos, imágenes, música, vídeo, código— en lugar de limitarse a clasificar lo que ya existe. ChatGPT y Midjourney son modelos generativos.
Few-shot (aprendizaje con ejemplos): Una técnica de prompting: enséñale al modelo 1–3 muestras «entrada → salida» dentro de la propia petición para que copie el estilo y la estructura. Ahorra párrafos de explicación.
Cadena de razonamiento (chain-of-thought): Pedirle al modelo que resuelva paso a paso, mostrando su razonamiento. Sube mucho la precisión en lógica y cálculo, y deja los errores a la vista.
RAG: Retrieval-Augmented Generation: antes de responder, el sistema busca los fragmentos relevantes en tu base de conocimiento y se los pasa al modelo. Así la IA responde según tus documentos, no según su memoria.
Agente de IA: Un sistema de IA que no solo responde, sino que actúa: planifica pasos, llama a herramientas (búsqueda, código, API), comprueba el resultado y sigue hasta el objetivo. La habilidad que más rápido crece.
MCP: Model Context Protocol: un estándar abierto para conectar la IA a herramientas y datos externos —bases de datos, servicios, archivos—. El «puerto USB» de los agentes de IA.
Fine-tuning (ajuste fino): Reentrenar un modelo ya hecho con tus datos para una tarea concreta. Sale más caro y más difícil que el prompting: hace falta cuando los ejemplos dentro del prompt ya no dan más de sí.
Multimodalidad: La capacidad de un modelo de trabajar con distintos tipos de datos: texto, imágenes, audio, vídeo. Los buques insignia de hoy entienden una foto y la voz, no solo texto.
Vibe coding: Crear webs y aplicaciones hablando con la IA: describes el producto con palabras, el modelo escribe el código y tú vas iterando. Palabra del año y la vía de entrada al desarrollo que más rápido crece.

Terms make more sense in practice

Start for free →