¿Qué significan realmente todas estas siglas relacionadas con la IA?

Vengo del mundo del marketing y la innovación, y en marketing hay un sinfín de siglas, lo cual me volvía loco. Cada conversación me daba la sensación de que estuviéramos hablando en otro idioma. Así que, cuando me adentré en el mundo de la IA, lo que más me molestaba no era la tecnología, sino todas esas nuevas siglas que tenía que fingir que entendía (otra vez).

LLM, RAG, RLHF, MCP, AGI. Últimamente, todas las conversaciones parecen venir cargadas de siglas, y todo el mundo asiente con la cabeza como si siempre hubieran sabido lo que significaban. Yo también asentí, durante un tiempo, pero luego me harté: ¡venga ya, gente, hablad en inglés!

Esto es lo que al final he concluido. Si un acrónimo te hace sentir que te quedas atrás, eso no dice nada de ti, sino mucho del sector. La mayoría de estos términos describen ideas que resultan muy sencillas en cuanto alguien las explica en un lenguaje sencillo. Y eso es precisamente lo que es este artículo: una guía para entender la jerga de la IA sin tonterías, escrita por alguien que la necesitaba.

Empecemos por el debate más reciente: IA frente a IS

Antes de empezar, quizá hayáis notado que junto a «IA» aparece ahora un nuevo acrónimo: «SI», que significa «superinteligencia». La idea es un sistema que pensara mejor que cualquier ser humano en todos los ámbitos. Según IBM, todavía se trata de un estado futuro hipotético, lo que significa que no existe.

Como persona con formación en marketing, reconozco un cambio de imagen cuando lo veo. Lo que él (cuyo nombre no voy a mencionar) está intentando hacer con este cambio de nombre es desviar la atención de la realidad y, en mi opinión, puedes ignorarlo por completo, a diferencia de todas las demás cosas horribles que hace.

Conceptos básicos

Vamos a repasarlos de forma metódica; si eres nuevo en el mundo de la IA, estos primeros términos son los que probablemente oirás cada vez con más frecuencia.

IA (inteligencia artificial). Se trata de la tecnología que permite a los ordenadores realizar tareas que normalmente asociamos con el pensamiento humano, como aprender de la experiencia, comprender el lenguaje y resolver problemas.

Aprendizaje automático (ML). En lugar de que una persona redacte cada regla, se le muestran al ordenador multitud de ejemplos y este deduce los patrones por sí mismo. Es como enseñar a un niño a reconocer a un perro mostrándole muchos perros, en lugar de darle un manual de reglas sobre orejas y colas.

Red neuronal. Se inspira, a grandes rasgos, en la forma en que está estructurado el cerebro, con capas de puntos conectados que transmiten información y, en conjunto, detectan patrones en datos complejos.

Aprendizaje profundo. Una red neuronal compuesta por numerosas capas superpuestas, de ahí que se denomine «profundo». Según IBM, detrás de la mayor parte de la inteligencia artificial con la que nos encontramos en nuestra vida cotidiana se esconde alguna forma de aprendizaje profundo.

Modelo. El resultado final de todo ese aprendizaje. Cuando alguien dice «el modelo», se refiere al sistema entrenado que se utiliza realmente, del mismo modo que una receta es el resultado final de muchas pruebas en la cocina.

Datos de entrenamiento. Los ejemplos a partir de los cuales ha aprendido el modelo. Pueden ser textos, imágenes, audio o números, y la calidad de los datos de entrada influye enormemente en la calidad de los resultados.

Las que se oyen en las reuniones

Aquí es donde las cartas empiezan a volar de verdad. Esto es a lo que se refieren.

GenAI (IA generativa). IA que genera algo nuevo, como texto, imágenes, audio o vídeo, en respuesta a una solicitud tuya. IBM la describe como modelos de aprendizaje profundo que producen contenido original cuando se les proporciona una indicación. Si la IA es toda la estantería, GenAI es la parte que escribe los libros.

LLM (modelo de lenguaje a gran escala). Es el motor que hay detrás de la mayoría de los asistentes de chat que utiliza la gente. Se ha entrenado con enormes cantidades de texto y funciona prediciendo repetidamente la siguiente palabra de una secuencia basándose en esos datos. El término «a gran escala» hace referencia al enorme volumen de texto con el que ha aprendido, y «lenguaje» significa exactamente lo que parece.

GPT (transformador generativo preentrenado). Un tipo concreto de modelo de lenguaje a gran escala (LLM), cuyo nombre se hizo famoso gracias a ChatGPT. «Preentrenado» significa que ya ha completado su proceso de aprendizaje antes de que lo utilices, y «transformador» es el diseño que le permite seguir la relación entre las palabras a lo largo de todo un texto.

PNL (procesamiento del lenguaje natural). El campo más antiguo y amplio dedicado a lograr que los ordenadores comprendan y utilicen el lenguaje humano. La capacidad de reconocer, comprender y generar texto y voz. Es la razón por la que tu teléfono puede entender «pon un temporizador de diez minutos», y allanó el camino para los modelos de lenguaje a gran escala (LLM).

Chatbot. Un programa con el que puedes hablar en lenguaje coloquial. Los más antiguos seguían guiones fijos, mientras que los más recientes suelen funcionar con un modelo de lenguaje grande (LLM), por lo que suenan mucho más naturales.

Copilot. Es el nombre de un asistente de IA integrado en el software que ya utilizas, con la idea de que tú sigas llevando las riendas y él te acompañe. Microsoft lo utiliza como nombre de producto, aunque el término también se emplea de forma más general.

Multimodal. Capaz de trabajar con más de un tipo de información, como texto, imágenes, audio y vídeo, en lugar de solo uno. En la práctica, esto significa que puedes mostrarle una foto a una IA y hacerle una pregunta sobre ella.

Hablar con la IA

Estas son las palabras que realmente vas a utilizar, aunque nunca te hayas dado cuenta de que tenían un nombre.

Solicitud. Cualquier cosa que escribas o le digas a una IA. Una pregunta, una instrucción, un correo electrónico pegado con una solicitud adjunta… todo cuenta. Es, sencillamente, tu parte de la conversación.

Token. Son las pequeñas unidades en las que una IA divide tus palabras antes de poder procesarlas. Pueden ser palabras completas, partes de palabras o caracteres sueltos. Piensa en ellas como los bloques de construcción del lenguaje que el modelo lee y escribe; por eso verás que el uso de la IA se mide en tokens en lugar de en palabras.

Ventana de contexto. El número de tokens que la IA puede tener a la vista al mismo tiempo; es decir, el número máximo de tokens que un modelo puede ver y utilizar al generar una respuesta. Imagínate el tamaño de un escritorio: cuanto más grande sea, más documentos podrás extender a la vez antes de que algo se caiga por el borde. Por eso, una conversación muy larga puede hacer que una IA pierda la pista de lo que has dicho anteriormente.

Ingeniería de prompts. Un nombre grandilocuente para algo bastante sencillo: obtener mejores respuestas al formular las preguntas con mayor claridad. Puedes moldear las respuestas de la IA simplemente cambiando la forma en que redactas el prompt, por ejemplo, indicándole qué papel debe adoptar o qué tono debe utilizar. Si alguna vez has redactado unas buenas instrucciones para un compañero de trabajo, ya dominas esta habilidad.

Consejo: puedes volver atrás y editar las indicaciones tantas veces como quieras hasta que consigas la respuesta que buscas.

Cuando las cosas van mal… o mejoran

Estos términos describen los problemas habituales de la IA y las formas más comunes en que la gente intenta solucionarlos.

Alucinaciones. Cuando una IA genera algo que es falso o engañoso, pero que suena totalmente convincente. Se trata de que el modelo genera información errónea que, sin embargo, sigue sonando verosímil. Es la razón principal por la que hay que comprobar cualquier información importante antes de darla por buena.

¿Por qué hace esto? Porque está haciendo predicciones, no buscando información. Un modelo de lenguaje grande es, en esencia, una máquina de predicción muy sofisticada. Es como esa persona del bar que tiene la respuesta a todo, pero que casi nunca acierta; siempre hay una así.

Sesgo. La IA aprende a partir de material creado por humanos, por lo que puede asimilar y reproducir las injusticias presentes en dicho material. Cuanto más sesgado sea el material, más sesgado será el modelo; los modelos pueden reflejar e incluso amplificar los sesgos presentes en sus datos de entrenamiento.

¿Cómo evitar los sesgos? Disponer de mejores datos y realizar pruebas minuciosas ayuda, pero los seres humanos tenemos sesgos innatos, por lo que es algo a lo que hay que estar siempre atento.

Ajuste fino. Entrenamiento adicional que convierte un modelo de uso general en uno especializado. Un modelo entrenado con conocimientos generales amplios puede ajustarse para tratar preguntas y respuestas jurídicas, con el fin de convertirse en un chatbot para el ámbito jurídico. Por eso están surgiendo ahora tantas empresas de IA: han ajustado un modelo de IA para que realice una tarea muy específica o comprenda un sector concreto.

RLHF (aprendizaje por refuerzo a partir de la retroalimentación humana). Una forma de mejorar un modelo haciendo que las personas valoren sus respuestas, de modo que aprenda a dar prioridad a aquellas que los humanos consideran mejores. Es una de las principales razones por las que los asistentes parecen útiles y educados, en lugar de dar la impresión de actuar al azar.

RAG (generación aumentada por recuperación). Consiste en permitir que una IA consulte una fuente fiable antes de responder, en lugar de basarse únicamente en lo que ha aprendido durante el entrenamiento. De este modo, se conecta el modelo con conocimientos externos para que sus respuestas sean más relevantes y precisas, sin necesidad de volver a entrenarlo.

Consejo: Añade fuentes a tus indicaciones si quieres que la IA te dé una respuesta más precisa.

Barreras de seguridad. Las normas, estándares y controles que se establecen en torno a un sistema de IA para garantizar su seguridad y su carácter ético. Al igual que las barreras de una autopista, su función es mantener las cosas por el buen camino, más que ralentizar el avance.

Las nuevas palabras de moda

La inteligencia artificial es un sector relativamente nuevo, por lo que constantemente surgen nuevos términos. Estos son los términos que más probablemente aparecerán en tu bandeja de entrada este mes.

Agente e IA agentiva. Un agente de IA es un programa capaz de actuar por sí mismo y realizar una tarea por ti sin necesidad de que estés presente, en lugar de limitarse a responder a una pregunta. Es la diferencia entre una IA que te indica cuál es el mejor momento para escalar el Everest y un agente que te reserva el vuelo y el hotel. La «IA agentiva» suele referirse a varios agentes que trabajan juntos para llevar a cabo una tarea de mayor envergadura.

IA general (inteligencia artificial general). Un sistema capaz de aprender y aplicar conocimientos en una amplia variedad de tareas igual de bien que un ser humano, o incluso mejor. Por ahora nos encontramos en el ámbito teórico, y ningún sistema conocido se acerca a ello. Cuando oigas a alguien decir que la IA general está a la vuelta de la esquina, conviene recordar que nadie la ha creado todavía.

MCP (Model Context Protocol). Un estándar común que permite a la IA conectarse a los lugares donde se almacena tu información, como tus archivos, tu calendario o tu software empresarial. Piensa en ello como un puerto USB-C, pero para tu IA: un único conector estándar en lugar de un cable diferente para cada cosa.

API (interfaz de programación de aplicaciones). La forma establecida para que un programa solicite algo a otro. Se trata de un acuerdo que permite a un programa acceder a datos o funciones proporcionados por otro programa. Cuando una página web ofrece la opción «Pagar con PayPal», una API se encarga de la comunicación entre bastidores, y este mismo principio es el que utilizan las empresas para integrar la IA en sus propios sistemas.

IA en la sombra. Se produce cuando las personas utilizan la IA en el trabajo sin que su organización lo sepa ni lo apruebe. Se trata del uso no autorizado de cualquier aplicación de IA por parte de los empleados sin la aprobación formal ni la supervisión del departamento de TI. Rara vez se hace con mala intención. La gente suele recurrir a estas aplicaciones porque les resultan familiares o para trabajar más rápido, a menudo porque las opciones autorizadas les parecen insuficientes o demasiado lentas, pero, como nadie del departamento de TI sabe de su existencia, la información confidencial de la empresa puede acabar en lugares donde no debería. Esto no tiene tanto que ver con que la gente haga algo mal, sino más bien con una brecha entre lo que necesitan y lo que les ofrece su lugar de trabajo.

Este es el mayor riesgo para las organizaciones, ya que no pueden proteger esa información ni demostrar que cumplen la normativa de protección de datos, como el RGPD.

Inferencia. El momento en el que una IA realmente realiza su trabajo y genera una respuesta, a diferencia de la fase anterior, en la que se dedicaba a aprender. Esto ocurre poco a poco, y el modelo hace su mejor estimación en cada paso. Cada vez que pulsas «Intro» en una solicitud, eso es inferencia.

Programación Vibe. Creación de software mediante la descripción de lo que se desea en lenguaje sencillo y dejando que la IA escriba el código. Ha puesto la creación de software al alcance de personas que no saben programar, aunque también ha suscitado dudas sobre la calidad y la seguridad, ya que nadie comprueba el resultado.

¿Ha desaparecido la habilidad de programar? Es muy poco probable.

Habilidades. Instrucciones reutilizables que enseñan a una IA cómo te gusta que se realice una tarea concreta. Anthropic las describe como conjuntos de instrucciones y recursos que Claude carga cuando son relevantes para una tarea especializada. Configuras tu enfoque una sola vez —por ejemplo, el estilo propio de tu empresa o el formato de un informe— y se aplica siempre que sea adecuado, en lugar de tener que explicarlo de nuevo cada vez. Piensa en ello como el paquete de orientación que le entregarías a un nuevo compañero de trabajo. ChatGPT utiliza el mismo término, y OpenAI describe sus habilidades como flujos de trabajo reutilizables y compartibles que le ayudan a completar tareas específicas de forma más coherente.

Conectores (Claude). La forma en que una IA se conecta a las aplicaciones y servicios donde se almacena tu información, como Google Drive o Slack. Según la documentación de Anthropic, los conectores amplían las capacidades de Claude al conectarlo con herramientas y fuentes de datos externas. En lugar de copiar y pegar entre aplicaciones, te conectas una sola vez, inicias sesión y autorizas el acceso, y Claude puede trabajar con el contenido de dichas aplicaciones. Funcionan con MCP, el estándar descrito anteriormente en esta sección.

Artefactos (Claude). Son elementos que Claude crea para ti mientras chateas, como un documento, una pequeña aplicación, una presentación o un diseño, que puedes abrir en su propio espacio, editar, compartir y volver a consultar más tarde. ChatGPT tiene su propio vocabulario para conceptos similares, y OpenAI lo ha ido modificando, por lo que estos nombres pueden cambiar.

Aplicaciones (ChatGPT). OpenAI describe las aplicaciones como una forma de conectar ChatGPT a los servicios que ya utilizas, como Google Drive o Slack, para que puedas trabajar con su información en una conversación. Esto es lo que antes se denominaba «conectores», y las notas de la versión de OpenAI indican que los conectores ahora aparecen en el directorio como «aplicaciones».

Complementos (ChatGPT). Un paquete creado para una tarea concreta. OpenAI explica que una aplicación conecta ChatGPT con un servicio como Slack, mientras que un complemento aúna aplicaciones y habilidades para realizar una tarea. Algunos complementos solo contienen habilidades.

GPT (GPT personalizados). No deben confundirse con los modelos GPT mencionados anteriormente. OpenAI describe un GPT como una versión de ChatGPT configurada para un fin específico, que combina instrucciones, conocimientos y capacidades concretas. La página de ayuda de OpenAI también indica que tiene previsto retirar los GPT personalizados para sustituirlos por complementos, por lo que es posible que este esté a punto de desaparecer.

Descubre por qué es tan difícil mantenerse al día…

Canvas (ChatGPT). OpenAI describe Canvas como una interfaz para trabajar con ChatGPT en proyectos de redacción y programación que requieran edición y revisiones. Desempeña una función similar a la de los «artefactos» de Claude: un espacio de trabajo junto al chat para lo que estés creando.

Normas y responsabilidad

El último grupo trata sobre cómo se debe utilizar correctamente la IA y quién tiene voz y voto al respecto.

IA responsable. Un enfoque para desarrollar y utilizar la IA de manera que sea justa, segura, responsable y respetuosa con la privacidad de las personas. La explicabilidad, la equidad, la solidez, la transparencia y la privacidad figuran entre sus valores fundamentales.

En pocas palabras, la cuestión es si te sentirías cómodo explicándole a un cliente cómo llegó la IA a su respuesta, ¿verdad?

Explicabilidad (XAI, o IA explicable). La capacidad de comprender y confiar en los motivos por los que una IA ha generado un resultado concreto. Se trata de un conjunto de métodos que permiten a las personas interpretar y comprender lo que producen los algoritmos. La Comisión Europea señala que, a menudo, resulta imposible averiguar por qué un sistema de IA ha tomado una decisión, lo que se convierte en un verdadero problema si la decisión se refiere a una solicitud de empleo o a un préstamo.

Consejo: Nos encontramos en un terreno desconocido y, por desgracia, estamos viendo cómo esto se desarrolla en tiempo real en el proceso de selección. Por eso, mi sugerencia es la siguiente: mantén siempre a una persona al tanto de todo; no podemos confiar al 100 % en la IA y, posiblemente, nunca deberíamos hacerlo.

«Human in the loop» (HITL). Mantener a una persona involucrada en lo que hace la IA, de modo que alguien compruebe, apruebe o pueda intervenir antes de que ocurra algo importante. Si utilizas la IA, tú eres el «human in the loop», es decir, participas activamente en el funcionamiento, la supervisión y/o la toma de decisiones del sistema automatizado, con el objetivo de aprovechar la rapidez de la automatización sin perder el criterio humano ni la ética.

Si alguna vez has pedido a un compañero que revisara una campaña antes de su publicación, ya sabes de qué se trata. Esto también se aplica en el ámbito jurídico: la Ley de IA de la UE exige que los sistemas de IA de alto riesgo se diseñen de tal forma que las personas puedan supervisarlos de manera efectiva.

Ley de la UE sobre la IA. Se trata del conjunto de normas europeas sobre IA y, según la Comisión Europea, del primer marco jurídico integral sobre IA en todo el mundo. Funciona según una escala móvil: cuanto más arriesgado es el uso de la IA, más estrictas son las normas, quedando prohibidas de forma absoluta ciertas prácticas, mientras que la mayoría de los usos cotidianos quedan en gran medida al margen. Entró en vigor el 2 de agosto de 2026, aunque algunas partes se irán incorporando progresivamente más adelante, por lo que, si trabajas con IA en Europa, merece la pena estar al tanto de ella.

SI (superinteligencia). La idea de una IA que supere a los humanos en absolutamente todo. No existe, nadie puede decir cuándo ni si llegará a existir, y se ha colado en un número impresionante de diapositivas de ponencias. Piensa en ello como la forma que tiene el sector de mantenernos a todos con la mirada puesta en el horizonte, en lugar de en lo que tenemos sobre la mesa. Puedes archivarlo tranquilamente en la categoría de «interesante, pero irrelevante para tu martes» y seguir adelante.

Antes de irte

Detrás de cada acrónimo de este artículo hay una idea que podrías explicar a un amigo mientras tomáis un café. Las letras nunca han sido lo más ingenioso. No son más que un atajo que, de alguna manera, se ha convertido en una barrera. Así que la próxima vez que alguien te suelte una serie de mayúsculas en una reunión, tienes todo el derecho a decir: «Perdona, ¿qué significa eso en lenguaje sencillo?» o «¿qué significa eso en el contexto de esta organización (o conversación)?».  Es muy probable que la mitad de los presentes se haya estado preguntando lo mismo. Entender los términos es el primer paso para sentirse seguro al utilizar la IA, y la confianza es lo que realmente hace que las cosas avancen.

Helena McAleer es cofundadora de TheGenAIAcademy.com, donde ayuda a las organizaciones a reducir la brecha global de competencias en IA generativa mediante una formación práctica, cursos impartidos por expertos y estrategias de implementación responsables. Para más información, visita thegenaiacademy.com

Lecturas recomendadas

Cursos relacionados (más formas de aprender)

Dominar la IA responsable
https://thegenaiacademy.com/courses/mastering-responsible-ai/

Pensamiento crítico para la era de la IA
https://thegenaiacademy.com/courses/critical-thinking-for-the-ai-era/

AI Unlocked
https://thegenaiacademy.com/courses/ai-unlocked/

También te puede interesar

13 predicciones sobre marketing

Uber agotó todo su presupuesto para inteligencia artificial de 2026 ya en abril. Sigo

Infografía titulada «Todo el mundo se lleva un trofeo, nada mejora», con estadísticas sobre la adopción de la IA

Hay una pregunta que no dejamos de oír, de una forma u otra, normalmente

¿Te ha gustado este artículo?

Separador decorativo

Elige tu país y tu idioma