El diccionario de la IA: 12 palabras para entender cualquier conversación

En cualquier conversación de inteligencia artificial se cuelan las mismas doce palabras. Acá está cada una con un ejemplo concreto, para que se te queden grabadas de verdad y no de memoria.

Lo básico

1. LLM. El cerebro detrás de Claude, ChatGPT y Gemini. Leyó millones de textos hasta agarrarle el patrón al idioma, y con eso arma cada respuesta. Significa «modelo grande de lenguaje». Ejemplo: cuando escribes en Claude y te contesta, quien te habla es un LLM. No hay una persona del otro lado, es un modelo prediciendo la palabra que sigue.

2. Prompt. Lo que tú le escribes. La instrucción. Ahí está la clave de todo lo que sale después. Ejemplo: «Escríbeme un correo» da un resultado genérico. «Escríbeme un correo corto para un cliente molesto porque el pedido llegó tarde, en tono calmado» da un resultado que de verdad sirve.

3. Token. La unidad mínima con la que trabaja el modelo. No lee palabras completas, lee pedacitos. Ejemplo: la palabra «computadora» se parte en varios tokens. Por eso los planes y los precios se miden en tokens, no en palabras.

Memoria y errores

4. Ventana de contexto. La memoria de esa conversación puntual. Ejemplo: si llevas horas hablando de un mismo proyecto y de repente parece que «se le olvidó» algo del principio, es porque ese pedazo salió de la ventana de contexto.

5. Alucinación. Cuando el modelo inventa un dato y lo dice con toda la seguridad del mundo. Ejemplo: le preguntas una cifra exacta de un estudio y no la tiene clara; en vez de decir «no sé», arma un número que suena creíble pero es falso. Por eso todo dato importante se verifica aparte.

6. Agente. Una IA que ejecuta pasos, no una que se queda en la respuesta. Ejemplo: entra a tu correo, busca en internet y llena una hoja de cálculo, uno detrás de otro, sin que tú des clic en cada paso.

Más allá del texto

7. Multimodal. Entiende más que texto escrito. Ejemplo: le subes la foto de un contrato, un audio de una reunión o un PDF entero, y lo procesa igual.

8. RAG. Antes de contestar, el modelo busca información real en documentos o en internet, y arma la respuesta con eso. Ejemplo: un asistente de una empresa que responde con los datos exactos del manual interno, porque los está buscando ahí mismo.

9. Fine-tuning. Ajustar un modelo ya entrenado con ejemplos de un uso concreto. Ejemplo: una empresa lo entrena con miles de conversaciones reales de su servicio al cliente para que responda con su tono y sus casos.

Lo que no se ve

10. Embeddings. Convertir un texto en números que representan su significado. Ejemplo: es lo que permite que un buscador con IA encuentre «cómo cancelar mi plan» aunque tú hayas escrito «quiero dar de baja mi suscripción».

11. System prompt. Las instrucciones invisibles que van por detrás de cada conversación, puestas por quien construyó el asistente. Ejemplo: cuando un asistente de marca siempre responde con el mismo tono y nunca habla de la competencia, tiene un system prompt que se lo ordena.

12. Temperatura. Un número que controla qué tan predecible o creativa es la respuesta. Ejemplo: con temperatura baja, el mismo prompt casi siempre da la misma respuesta. Con temperatura alta, respuestas más variadas cada vez.

¿Para qué te sirve esto?

Con estas doce palabras te puedes sentar en una reunión de trabajo, leer un artículo técnico o escuchar a alguien hablando de IA y entender de qué está hablando de verdad: eliges mejor entre un modelo y otro, sabes por qué a veces «alucina», y hablas con propiedad cuando alguien mencione agentes, RAG o fine-tuning.