Definiciones claras de los conceptos que necesitas entender para hablar de IA, automatización, agentes y software sin perderte entre siglas y términos técnicos.
Cada concepto incluye una explicación práctica y un ejemplo empresarial.
40 conceptos · Responsable editorial: IA South · Última actualización: 15 de agosto de 2026
Conceptos del glosario
40 conceptos
A
Agente de Inteligencia Artificial
Agentes y automatización
También llamado: agente IA · AI agent · agentes
Un agente IA es un sistema que utiliza un modelo para interpretar contexto y seleccionar o ejecutar acciones mediante herramientas dentro de límites definidos.
En una empresa
Puede consultar un CRM, buscar documentación, crear tareas o llamar a APIs autorizadas. No es un empleado digital autónomo: actúa según el sistema diseñado, con permisos y controles explícitos.
Ejemplo
Un agente de atención consulta la disponibilidad en la agenda y propone huecos concretos al cliente.
Agentic AI designa arquitecturas en las que uno o varios agentes pueden planificar o ejecutar varios pasos utilizando herramientas y el resultado de pasos anteriores.
En una empresa
Más autonomía exige más permisos, observabilidad, límites y testing. Conviene empezar por flujos acotados y ampliar solo cuando el comportamiento es medible y predecible.
Ejemplo
Un agente que recopila datos de una solicitud, consulta el histórico y prepara una propuesta para revisión.
Una alucinación es una salida generada por un modelo que parece plausible pero contiene información incorrecta, inventada o no respaldada por las fuentes disponibles.
En una empresa
Se mitiga con fuentes citables, RAG, validaciones, herramientas que consulten el dato real y supervisión humana en decisiones sensibles. No puede eliminarse por completo.
Ejemplo
Un sistema que describe una condición contractual que no aparece en el documento analizado.
También llamado: API · interfaz de programación · integración
Una API es un conjunto de reglas que permite que distintas aplicaciones intercambien datos o ejecuten funciones entre sí de forma controlada.
En una empresa
Tener API no significa tener permiso ilimitado: existen credenciales, alcances, límites de uso y condiciones de tratamiento de datos que hay que respetar.
Ejemplo
Consultar la disponibilidad de una agenda desde otra aplicación antes de reservar.
También llamado: automatización · automation · RPA
La automatización empresarial es el uso de reglas, integraciones o software para ejecutar tareas de un proceso con menor intervención manual. No requiere IA obligatoriamente.
En una empresa
Muchos procesos mejoran solo con integración y reglas claras. La IA se añade cuando hay que interpretar información poco estructurada, no como punto de partida por defecto.
Ejemplo
Enviar automáticamente al CRM cada formulario recibido y notificar al comercial asignado.
También llamado: knowledge base · documentación interna
Una base de conocimiento es un conjunto organizado de información utilizada por personas o sistemas: procedimientos, FAQs, manuales, políticas y documentación.
En una empresa
No debe confundirse con una base vectorial: la base de conocimiento es el contenido y su gobierno, mientras que la base vectorial es una forma de indexarlo. Sin propietario ni fecha de revisión, la calidad se degrada.
Ejemplo
Mantener los procedimientos de atención en un único repositorio con responsable y fecha de última revisión.
También llamado: vector database · vector store · base vectorial
Una base de datos vectorial es un sistema optimizado para almacenar y buscar vectores o embeddings por similitud.
En una empresa
Se usa para recuperación semántica en RAG. No todas las aplicaciones RAG requieren una base vectorial independiente: con volúmenes pequeños puede bastar una extensión sobre la base de datos existente.
Ejemplo
Almacenar los fragmentos de los procedimientos internos para recuperarlos por similitud al responder.
También llamado: semantic search · búsqueda vectorial
La búsqueda semántica es la recuperación de información basada en similitud de significado, y no únicamente en coincidencia exacta de palabras.
En una empresa
Mejora la recuperación cuando los usuarios y la documentación usan vocabulario distinto. Suele combinarse con búsqueda por palabras clave para no perder coincidencias literales.
Ejemplo
La consulta «cancelar una reserva» puede encontrar el documento «procedimiento de anulación».
Un chatbot es una interfaz conversacional diseñada para intercambiar mensajes con un usuario. Puede basarse en reglas, en IA o estar conectado a datos internos.
En una empresa
Un chatbot conversa; un agente puede además ejecutar acciones cuando dispone de herramientas. Un mismo chatbot puede incorporar capacidades de agente si se le conceden herramientas y permisos.
Ejemplo
Un chatbot web que responde preguntas frecuentes y deriva a una persona cuando el caso se sale del alcance.
Chunking es el proceso de dividir documentos en fragmentos para facilitar su indexación, búsqueda y recuperación.
En una empresa
Fragmentos demasiado pequeños pierden contexto y demasiado grandes pueden reducir la precisión de la recuperación. No existe un tamaño universal: depende del tipo de documento y se ajusta evaluando resultados.
Ejemplo
Dividir un manual por apartados y no por número fijo de caracteres, para no partir procedimientos por la mitad.
También llamado: representaciones vectoriales · vectores · embedding
Un embedding es una representación numérica de un elemento, como un texto, diseñada para permitir comparaciones matemáticas de similitud entre elementos.
En una empresa
Representan elementos de forma que ciertas relaciones semánticas pueden compararse matemáticamente; no son una traducción perfecta del significado y su calidad depende del modelo utilizado.
Ejemplo
Encontrar documentos relacionados aunque no utilicen exactamente las mismas palabras que la consulta.
El entrenamiento es el proceso mediante el cual se ajustan los parámetros de un modelo utilizando datos. La mayoría de empresas pueden aplicar IA sin entrenar un modelo fundacional propio.
En una empresa
Antes de plantear entrenamiento propio conviene agotar opciones más baratas y reversibles: mejor contexto, RAG, herramientas y, si acaso, fine-tuning sobre un modelo existente.
Ejemplo
Una empresa suele obtener más valor documentando bien sus procedimientos que entrenando un modelo desde cero.
Los evals son el proceso sistemático para medir cómo se comporta un sistema de IA frente a un conjunto de casos y criterios definidos.
En una empresa
Pueden medir precisión, cumplimiento de formato, uso correcto de herramientas, derivación y errores. Deben ejecutarse antes y después de cada cambio de prompt, modelo o herramienta.
Ejemplo
Mantener un conjunto de 50 casos reales y comprobar el resultado cada vez que cambia el modelo.
El fine-tuning es un ajuste adicional de un modelo ya entrenado utilizando datos específicos para modificar determinados comportamientos, como el formato, el estilo o la forma de resolver una tarea.
En una empresa
RAG aporta contexto externo en el momento de responder; el fine-tuning modifica el comportamiento aprendido del modelo. Ninguno es siempre mejor y pueden combinarse.
Ejemplo
Ajustar un modelo para que devuelva siempre un formato de salida concreto en un proceso interno repetitivo.
Human-in-the-loop es un diseño en el que determinadas decisiones o acciones requieren revisión o intervención humana antes de ejecutarse.
En una empresa
La supervisión humana no implica que el sistema esté mal automatizado: es una decisión de diseño en función del riesgo. Suele reducirse a medida que se acumula evidencia de comportamiento correcto.
Ejemplo
La IA prepara un presupuesto, una persona lo revisa y el sistema lo envía.
La inferencia es el proceso mediante el cual un modelo ya entrenado recibe una entrada y genera una salida. Es distinto del entrenamiento, que es cuando el modelo se ajusta.
En una empresa
La inferencia es lo que ocurre en producción cada vez que el sistema responde, y es donde se generan el coste por uso y la latencia percibida por el usuario.
Ejemplo
El instante en el que el modelo procesa un email entrante y devuelve su categoría.
También llamado: IA · AI · artificial intelligence
La Inteligencia Artificial es un conjunto de técnicas que permiten a sistemas informáticos realizar tareas que normalmente requieren capacidades como clasificación, predicción, interpretación o generación de información. No toda IA es generativa.
En una empresa
En una empresa, la IA se aplica sobre procesos concretos y medibles: clasificar entradas, extraer datos de documentos, priorizar solicitudes o preparar respuestas. La técnica adecuada depende del problema, no al revés.
Ejemplo
Una empresa puede clasificar automáticamente las solicitudes que llegan por email para enrutarlas al equipo correcto.
También llamado: IA generativa · generative AI · genAI
La IA generativa agrupa los sistemas capaces de generar texto, imagen, audio, vídeo o código a partir de instrucciones y contexto. Es una parte del campo de la IA, no su totalidad.
En una empresa
Es útil para producir borradores, resúmenes o transformaciones de contenido. Generar no equivale a verificar: la salida necesita fuentes, validación o revisión cuando la exactitud importa.
Ejemplo
Preparar el borrador de respuesta a una consulta de cliente que después revisa una persona antes de enviarlo.
Un jailbreak es un intento deliberado de conseguir que un sistema de IA ignore las restricciones o políticas establecidas por quien lo opera.
En una empresa
A diferencia del prompt injection, que suele llegar a través de contenido procesado por el sistema, el jailbreak procede normalmente del propio usuario que interactúa. Las defensas efectivas están en los permisos y en el backend, no solo en las instrucciones.
Ejemplo
Un usuario intenta que un asistente interno revele información fuera de su alcance autorizado.
También llamado: LLM · modelo de lenguaje · large language model
Un LLM es un modelo de lenguaje entrenado con grandes cantidades de texto y otros datos para interpretar y generar lenguaje.
En una empresa
En empresa se utiliza para clasificar, resumir, extraer datos, conversar y generar contenido. Su salida depende del contexto que recibe: sin información fiable, la respuesta tampoco lo será.
Ejemplo
Interpretar los emails entrantes para extraer tipo de solicitud, urgencia y datos de contacto.
Un log es el registro de eventos producidos por un sistema: ejecuciones, errores, herramientas utilizadas y resultados obtenidos.
En una empresa
Los logs permiten auditar y depurar, pero no deben almacenar datos personales o sensibles innecesariamente. Conviene definir qué se registra, durante cuánto tiempo y quién puede consultarlo.
Ejemplo
Registrar que un agente ejecutó la herramienta de agenda y el resultado, sin guardar el contenido íntegro del cliente.
Machine Learning es el conjunto de técnicas en las que un modelo aprende patrones a partir de datos en lugar de seguir reglas programadas explícitamente.
En una empresa
Se utiliza cuando existe histórico suficiente y representativo del fenómeno que se quiere estimar o clasificar. Si no hay datos, una regla bien definida suele ser mejor punto de partida que un modelo.
Ejemplo
Estimar la probabilidad de que una solicitud requiera revisión manual a partir del histórico de casos similares.
MCP es un protocolo diseñado para que modelos y aplicaciones de IA se conecten de forma estructurada con herramientas y fuentes de contexto. Es una capa de conexión, no un modelo ni una base de datos.
En una empresa
Facilita exponer capacidades autorizadas a un sistema de IA de manera homogénea. No sustituye todas las APIs ni elimina la necesidad de permisos y auditoría.
Ejemplo
Una aplicación de IA accede, a través de un servidor MCP, únicamente a las herramientas que la empresa ha autorizado.
Un modelo de IA es un sistema matemático entrenado para realizar una tarea, como clasificar, predecir o generar contenido. Un modelo no es lo mismo que la aplicación que lo utiliza.
En una empresa
Las aplicaciones de IA pueden usar distintos modelos según el caso, el coste o la latencia, e incluso cambiarlos con el tiempo. Conviene mantener el modelo configurable y no acoplar el proceso a un proveedor concreto.
Ejemplo
Una misma aplicación interna puede usar un modelo económico para clasificar y otro más capaz para redactar.
Un modelo multimodal es aquel capaz de trabajar con más de un tipo de información, como texto, imagen, audio o vídeo, dentro de la misma interacción.
En una empresa
Permite procesar entradas mixtas, habituales en operaciones reales. La precisión varía mucho según el tipo de contenido y la calidad de la entrada, por lo que conviene evaluarla caso a caso.
Ejemplo
Analizar la fotografía de una incidencia junto con la descripción escrita por el cliente para clasificarla.
La observabilidad es la capacidad de entender qué está ocurriendo dentro de un sistema a partir de logs, métricas, trazas, eventos y errores.
En una empresa
En sistemas con IA es imprescindible para saber por qué un agente falló, qué herramienta usó y con qué contexto. Sin observabilidad no hay mejora medible ni diagnóstico posible.
Ejemplo
Revisar la traza de una conversación fallida para ver qué herramienta devolvió un error.
También llamado: least privilege · mínimo privilegio
El principio de mínimo privilegio establece que cada usuario, automatización o agente debe disponer únicamente de los permisos necesarios para realizar su función.
En una empresa
Es la medida más eficaz para limitar el impacto de un error o de un intento de manipulación: si la herramienta no existe para ese agente, no puede ejecutarse.
Ejemplo
Un agente de citas necesita acceso a la agenda; no necesita acceso a contabilidad.
Un prompt es la información e instrucción que se envía a un modelo. Puede incluir la tarea, el contexto, las restricciones, ejemplos y el formato de salida esperado, no solo una pregunta.
En una empresa
En sistemas productivos el prompt no se improvisa: se versiona, se prueba con casos reales y se evalúa cuando cambia, igual que cualquier otra pieza de software.
Ejemplo
Una plantilla de prompt que recibe el email del cliente y devuelve categoría, urgencia y resumen.
Prompt injection es el intento de manipular el comportamiento de un sistema de IA introduciendo instrucciones diseñadas para alterar sus reglas o inducir acciones no deseadas.
En una empresa
El riesgo crece cuando el sistema procesa contenido externo y además dispone de herramientas. Se mitiga con permisos mínimos, separación entre instrucciones y datos, validaciones, restricción de herramientas y supervisión.
Ejemplo
Un documento subido por un tercero contiene texto que intenta convencer al agente de ignorar sus límites.
También llamado: RAG · generación aumentada por recuperación
RAG es una técnica que recupera información relevante desde fuentes externas antes de pedir al modelo que genere una respuesta. Incorpora contexto en el momento de responder; no modifica necesariamente los parámetros del modelo.
En una empresa
Es el enfoque habitual para responder sobre manuales, procedimientos, FAQs y documentación que cambia con el tiempo, porque basta actualizar los documentos.
Ejemplo
Un hotel puede utilizar RAG para que un agente responda utilizando sus procedimientos internos y documentación actualizada.
Un sistema multiagente es una arquitectura con varios agentes especializados que colaboran o se reparten tareas dentro de un mismo proceso.
En una empresa
Utilizar varios agentes no implica automáticamente mejor rendimiento: añade coordinación, latencia y puntos de fallo. Se justifica cuando las responsabilidades son claramente distintas.
Ejemplo
Un agente documental, un agente comercial y un agente supervisor que valida antes de actuar.
El system prompt son las instrucciones de alto nivel que definen el comportamiento, los límites y el contexto de un sistema de IA por encima de cada conversación concreta.
En una empresa
Sirve para fijar tono, alcance y reglas de derivación, pero no es una barrera de seguridad suficiente: los permisos reales deben aplicarse en las herramientas y en el backend.
Ejemplo
Definir que un agente solo puede responder sobre procedimientos internos y que derive el resto a una persona.
Temperature es un parámetro que puede influir en la variabilidad de las respuestas de determinados modelos y APIs: valores bajos tienden a respuestas más consistentes.
En una empresa
Su implementación depende del proveedor y del modelo. Una temperature baja no garantiza veracidad; solo reduce la variación entre ejecuciones.
Ejemplo
En una clasificación automática interesa consistencia entre ejecuciones más que creatividad.
Un token es la unidad en la que un modelo procesa texto. Según el tokenizador, puede corresponder a una palabra, a parte de una palabra o a un signo.
En una empresa
Los tokens afectan al coste, a los límites de contexto y al rendimiento. Las equivalencias aproximadas entre tokens y caracteres varían por idioma y por modelo, así que no conviene tratarlas como regla exacta.
Ejemplo
Enviar documentos completos en cada consulta puede multiplicar el coste frente a recuperar solo los fragmentos relevantes.
También llamado: function calling · herramientas · tools
Tool calling es la capacidad de un modelo o agente para solicitar la ejecución de funciones previamente definidas y usar su resultado en la respuesta.
En una empresa
El flujo típico es: el usuario pide algo, el modelo interpreta, solicita una herramienta como consultarAgenda(), recibe el resultado y responde. El modelo no debe obtener acceso irrestricto a sistemas: cada herramienta define qué puede hacerse y con qué permisos.
Ejemplo
Un agente solicita la herramienta de agenda para comprobar huecos antes de proponer una cita.
Un trigger es el evento que inicia una automatización, como un formulario enviado, un email recibido, una nueva fila en una tabla o una cita cancelada.
En una empresa
Elegir bien el trigger evita ejecuciones duplicadas o tardías. Conviene definir también qué ocurre si el evento llega dos veces o fuera de orden.
Ejemplo
Al cancelarse una cita, se libera el hueco y se avisa a la lista de espera.
La ventana de contexto es la cantidad de información que un modelo puede considerar en una interacción, incluyendo instrucciones, conversación, documentos, herramientas y resultados.
En una empresa
Más contexto no significa automáticamente mejor respuesta: el ruido puede degradar el resultado. Suele funcionar mejor seleccionar información relevante que enviarlo todo.
Ejemplo
Un agente de soporte responde mejor con tres fragmentos pertinentes que con el manual completo.
Un webhook es un mecanismo por el que un sistema avisa a otro mediante una petición HTTP cuando ocurre un evento, sin que el segundo tenga que preguntar periódicamente.
En una empresa
Frente al polling, reduce latencia y consumo. Requiere verificar el origen de la petición y tolerar reintentos o entregas duplicadas.
Ejemplo
Una plataforma de formularios informa al CRM de que hay un nuevo lead.