Prompt, token, alucinación, agente: quien empieza con herramientas de IA tropieza enseguida con términos que nadie explica. Aquí encontrarás los más importantes en un lenguaje sencillo, cada uno con un ejemplo práctico y enlaces a herramientas y guías relacionadas. Los términos están ordenados por temas para que reconozcas más fácilmente las relaciones entre ellos. Desde el índice saltas directamente a cada entrada.
Conceptos básicos
Inteligencia artificial (IA)Artificial Intelligence (AI)
La inteligencia artificial designa programas informáticos que resuelven tareas para las que hasta ahora hacía falta el pensamiento humano: entender el lenguaje, reconocer imágenes, escribir textos o preparar decisiones. Estos programas no se programan paso a paso con reglas fijas, sino que aprenden patrones a partir de muchísimos ejemplos. Probablemente ya usas la IA desde hace tiempo, por ejemplo en el reconocimiento facial del móvil, en las recomendaciones de películas de tu servicio de streaming o en el filtro de spam de tu correo. Lo importante para empezar: la IA no piensa como una persona ni tiene conciencia propia. Es más bien un buscador de patrones extremadamente aplicado que estima, a partir de la experiencia, qué encaja a continuación. La variante más conocida hoy es la IA generativa, que crea contenidos nuevos cuando se lo pides.
Ejemplo: Si tu smartphone ordena las fotos automáticamente por «playa» o «perro», detrás está la IA. Un asistente de IA como ChatGPT va todavía más lejos: entiende tus preguntas y responde con frases completas.
Ver también: IA generativa, Modelo de lenguaje grande (LLM), Top 5: Los modelos de IA más populares
IA generativaGenAI, Generative AI
La IA generativa crea contenidos nuevos en lugar de limitarse a ordenar o reconocer los que ya existen. A partir de una breve descripción surgen así textos, imágenes, música, vídeos, voces o código de programación. Para los principiantes es la parte de la IA con la que más a menudo se trabaja directamente: los asistentes de chat forman parte de ella, igual que los generadores de imágenes o las herramientas para crear canciones. Imagina a un cocinero que ha estudiado miles de recetas y te prepara un plato nuevo en cuanto se lo pides. No copia una receta concreta, sino que combina de forma nueva lo que ha aprendido. Precisamente por eso los resultados suelen parecer asombrosamente buenos, pero también pueden contener errores o incoherencias. Por eso, revisa siempre tú mismo los contenidos importantes antes de publicarlos o compartirlos.
Ejemplo: En Midjourney escribes «una cafetería acogedora bajo la lluvia, estilo acuarela» y recibes varias imágenes completamente nuevas. Con Suno, unas pocas líneas de texto se convierten incluso en una canción completa con voz.
Ver también: Modelo de lenguaje grande (LLM), Generación de imágenes, Música y canciones
Modelo de lenguaje grande (LLM)Large Language Model, gran modelo de lenguaje, modelo de lenguaje
Detrás de la sigla LLM se esconde un gran modelo de lenguaje: un programa de IA entrenado con enormes cantidades de texto que, gracias a ello, puede entender y generar lenguaje. En esencia hace algo sorprendentemente sencillo. Predice, fragmento a fragmento, qué pieza de texto es la más probable a continuación. Como en el proceso ha aprendido innumerables relaciones, de ahí salen cartas enteras, resúmenes o código de programación. Los LLM son el motor de asistentes de chat como ChatGPT, Claude o Google Gemini. Se puede comparar con la función de sugerencia de palabras del teclado de tu móvil, solo que inimaginablemente más grande y potente. Para ti esto significa que un LLM redacta con fluidez y de forma convincente, pero no sabe automáticamente si una afirmación es cierta.
Ejemplo: Si le pides a Claude que reformule de forma más serena un mensaje enfadado para tu casero, en segundo plano trabaja un LLM. Escribe la nueva versión pieza a pieza a partir de patrones lingüísticos aprendidos.
Ver también: Token, Ventana de contexto, Top 5: Los modelos de IA más populares
Asistente de IA (chatbot)Chatbot, chatbot de IA, AI Assistant
Con un asistente de IA conversas en un lenguaje completamente normal, con el teclado o con la voz, y él responde a tus preguntas o hace tareas por ti. Ejemplos conocidos son ChatGPT, Claude, Google Gemini y Microsoft Copilot. A diferencia de los chatbots antiguos de las webs de empresas, que solo recitan respuestas prefabricadas, los asistentes modernos entienden también peticiones formuladas de forma poco habitual y tienen en cuenta el historial de la conversación. Puedes imaginarlos como un ayudante polivalente: escribe, explica, traduce, planifica y ordena ideas. Muchos asistentes ya pueden también buscar en internet, leer archivos o crear imágenes. Cuál de ellos encaja mejor contigo depende de tus tareas, de tu presupuesto y de lo que exijas en materia de protección de datos.
Ejemplo: Una petición típica a Microsoft Copilot: «Redacta un mensaje amable para decir que no podré ir a la fiesta de cumpleaños del sábado, estoy enfermo». Segundos después tienes un texto que solo tienes que ajustar y enviar.
Ver también: Top 5: Los modelos de IA más populares, ChatGPT, Claude, Gemini o Mistral: ¿qué asistente de IA encaja contigo?, Modelo de lenguaje grande (LLM)
Datos de entrenamientoTraining Data, datos de aprendizaje
Los datos de entrenamiento son los ejemplos de los que aprende una IA, es decir, textos, imágenes, grabaciones de audio o código de programación. Según el modelo, se trata de enormes colecciones de páginas web de acceso público, libros, contenidos con licencia y otras fuentes. Para ti esto tiene dos consecuencias prácticas. Primero, un modelo solo conoce lo que figuraba en sus datos hasta una fecha de corte determinada; de los acontecimientos más recientes solo se entera si además busca en internet. Segundo, los datos determinan qué hace bien la IA y qué sesgos adopta. Igual que un alumno, solo sabe lo que ponía en sus libros de texto. Algunos proveedores usan además tus chats para seguir entrenando sus modelos; según el proveedor y el plan, puedes desactivarlo.
Ejemplo: Si le preguntas a un asistente de IA sin búsqueda web por el resultado de un partido de fútbol de ayer, no puede saberlo. El partido sencillamente aún no aparecía en sus datos de entrenamiento.
Ver también: Opt-out del entrenamiento, Sesgo (bias), Privacidad en las herramientas de IA: qué deberías introducir y qué no
AlucinaciónConfabulación, Hallucination
Se habla de alucinación cuando una IA afirma algo falso o completamente inventado con tanta seguridad como si fuera un hecho comprobado. Ocurre porque un modelo de lenguaje no consulta una base de datos de conocimiento verificado, sino que genera formulaciones que suenan plausibles. Ejemplos típicos son citas inventadas, años equivocados, estudios que no existen o enlaces que no llevan a ninguna parte. Para los principiantes es la trampa más importante de todas, porque la respuesta suena fluida y convincente incluso cuando es falsa. Es comparable a un invitado de una fiesta que prefiere inventarse una historia antes que admitir que no sabe algo. Por eso, comprueba las cifras, los nombres y las fuentes antes de reutilizarlos.
Ejemplo: Supongamos que le pides a ChatGPT tres libros especializados sobre estanques de jardín con autor y editorial. Uno de ellos ni siquiera existe, aunque el título y la editorial suenan totalmente creíbles. Una búsqueda rápida desenmascara el error.
Ver también: Comprobar las respuestas de la IA: cómo detectar y evitar alucinaciones, Deep Research, Investigación y conocimiento
Sesgo (bias)Bias, sesgo algorítmico, parcialidad
El sesgo, en inglés bias, describe que una IA favorece o perjudica sistemáticamente a determinados grupos, opiniones o puntos de vista. La causa suele estar en los datos de entrenamiento: lo que aparece a menudo en ellos, la IA lo considera normal, y lo que falta, lo pasa por alto con facilidad. Si los datos reflejan viejos clichés, la IA los adopta sin darse cuenta. En el día a día se nota especialmente en los generadores de imágenes, pero también en textos, ofertas de empleo o resúmenes de temas polémicos. Una comparación: quien solo lee un único periódico se forma fácilmente una imagen torcida del mundo. Por eso, fíjate en si los resultados parecen parciales y, si hace falta, formula tu prompt de forma deliberadamente más diversa.
Ejemplo: Si pides a un generador de imágenes «una foto de una persona con un cargo directivo», los resultados muestran con frecuencia sobre todo hombres con traje. Si describes concretamente a quién te imaginas, el resultado será más diverso.
Ver también: Datos de entrenamiento, Oferta de empleo y selección para pymes, Comprobar las respuestas de la IA: cómo detectar y evitar alucinaciones
MultimodalIA multimodal, multimodalidad, Multimodality
Se llama multimodal a una IA que entiende o genera varios tipos de información, es decir, no solo texto, sino también imágenes, lenguaje hablado, audio o vídeo. Los primeros modelos de lenguaje solo sabían leer y escribir. Hoy puedes enseñar una foto a muchos asistentes, enviarles un mensaje de voz o subir un archivo PDF, y recibes una respuesta adecuada. Para ti es práctico porque ya no tienes que expresarlo todo trabajosamente con palabras: una foto del candado de la bici atascado a veces explica más que tres párrafos de descripción. Se puede comparar con una persona que ve, oye y lee al mismo tiempo. Qué formatos procesa exactamente una herramienta y cuáles de ellos funcionan en la versión gratuita varía según el proveedor.
Ejemplo: Basta una foto del contenido de tu nevera: Google Gemini reconoce los alimentos de la imagen y te sugiere recetas adecuadas sin que tengas que teclear cada ingrediente por separado.
Ver también: Top 5: Los modelos de IA más populares, Voz a texto (transcripción), Texto a imagen (text-to-image)
Prompts y trabajo con IA
PromptInstrucción, indicación, entrada
Cada entrada con la que le dices a una IA qué debe hacer se llama prompt: una pregunta, una petición o una instrucción de trabajo detallada. Puede consistir en una sola palabra o en varios párrafos con ejemplos y archivos adjuntos. El prompt es tu herramienta más importante, porque la calidad de la respuesta depende mucho de lo claro que te expreses. Piensa en el encargo que le haces a un albañil: «Déjame bonito el baño» lleva a sorpresas, mientras que una descripción precisa con medidas y tu color favorito lleva justo a lo que te imaginas. También en las herramientas de imagen, vídeo y música el prompt describe lo que debe crearse. Los buenos prompts indican el objetivo, el contexto y el formato deseado de la respuesta.
Ejemplo: En lugar de «Escribe algo sobre perros», escribes en ChatGPT: «Escribe un texto corto y divertido para Instagram sobre un perro salchicha que odia la lluvia, con tres hashtags adecuados». El resultado encaja enseguida mucho mejor.
Ver también: Escribir prompts para principiantes: así obtienes mejores respuestas, Ingeniería de prompts, Prompt de sistema
Ingeniería de promptsPrompt Engineering, diseño de prompts, prompting
La ingeniería de prompts es el arte de formular las instrucciones para una IA de modo que salgan buenos resultados de forma fiable. Suena técnico, pero sobre todo consiste en comunicar con claridad. Han dado buen resultado unos cuantos componentes: darle a la IA un rol, explicar el contexto, nombrar la tarea con precisión, fijar el formato deseado y, si hace falta, aportar un ejemplo. Igual de importante es afinar. Si la primera respuesta no encaja, dices concretamente qué debe cambiar, en lugar de simplemente volver a preguntar. Para ello no necesitas conocimientos de programación ni trucos secretos. Se parece a delegar en el trabajo: quien sabe dar buenas instrucciones recibe un trabajo mejor. Merece la pena guardar y reutilizar los prompts que funcionan bien.
Ejemplo: El rol, el contexto y el formato marcan la diferencia. A Claude le escribes: «Eres asesor de viajes. Planifica cinco días en Lisboa para dos personas con poco presupuesto, en forma de tabla con plan diario y costes estimados».
Ver también: Escribir prompts para principiantes: así obtienes mejores respuestas, Prompt de sistema, Texto y redacción
Prompt de sistemaInstrucción de sistema, System Prompt, System Message
En segundo plano de muchos chats de IA hay una instrucción básica, el prompt de sistema. Establece cómo debe comportarse la IA en general, incluso antes de que escribas el primer mensaje. A través de él, los proveedores fijan, por ejemplo, el tono, las reglas de seguridad o la fecha actual. Normalmente no ves esta instrucción, pero influye en cada respuesta. Es comparable a la incorporación de nuevos empleados: antes de atender al primer cliente, ya conocen las normas de la casa y el trato que se espera de ellos. Lo interesante para ti: en muchos asistentes puedes fijar tú mismo algo parecido mediante ajustes como las instrucciones personalizadas o los proyectos. También un asistente propio con voz de marca funciona según este principio. Así no tienes que explicar en cada chat quién eres.
Ejemplo: En la configuración de ChatGPT dejas guardado una sola vez: «Doy clase de matemáticas en un instituto, responde de forma breve, en español y sin jerga técnica». A partir de entonces, cada conversación nueva tiene en cuenta estas indicaciones automáticamente.
Ver también: GPT personalizado con voz de marca, Ingeniería de prompts, Prompt
Ventana de contextoContext Window, longitud de contexto
La ventana de contexto describe cuánto texto puede tener presente una IA a la vez en una conversación. Incluye tus mensajes, sus respuestas y los archivos subidos. Esta capacidad se mide en tokens y su tamaño varía según el modelo. Imagina un escritorio: todo lo que hay encima, la IA lo puede tener en cuenta. Si se llena demasiado, las hojas más antiguas se caen, y la IA olvida detalles del principio o se contradice. En chats largos o documentos extensos lo notas, por ejemplo, en que de repente ignora reglas acordadas al principio. Entonces ayuda empezar un chat nuevo con un breve resumen de lo anterior. Para grandes colecciones de documentos existen además soluciones como RAG.
Ejemplo: Si trabajas durante semanas en un único chat en tu trabajo para la universidad, en algún momento la IA deja de respetar las normas de citación fijadas al principio. El largo historial agota la ventana de contexto.
Ver también: Token, Chatea con tus documentos (base de conocimiento), RAG (Retrieval-Augmented Generation)
TokenTokens
Antes de que una IA procese un texto, lo descompone en pequeñas piezas, los tokens. Un token puede ser una palabra corta, una sílaba o incluso solo un signo de puntuación. Las palabras largas como «desafortunadamente» suelen estar formadas por varios tokens. Los tokens son importantes para ti porque muchos límites se miden en ellos: cuánto texto cabe en la ventana de contexto, cuánto puede ocupar una respuesta y cuánto cuesta el uso a través de una API. Puedes imaginarlos como piezas de Lego con las que se montan las frases. Cuidado con los términos: algunas herramientas, como Leonardo AI, también llaman tokens a su saldo gratuito. En ese caso se refieren a puntos de facturación para imágenes y no a piezas de texto.
Ejemplo: Un contrato largo en Claude y muchas preguntas de seguimiento: como la IA vuelve a procesar todo el historial en cada respuesta, consumes muchos tokens y alcanzas tu límite antes que con preguntas cortas.
Ver también: Ventana de contexto, Límite de uso, Modelo de lenguaje grande (LLM)
TemperaturaTemperature
Con la temperatura se controla lo predecible o lo variada que resulta la respuesta de una IA. Con una temperatura baja, el modelo elige casi siempre la formulación más probable, y las respuestas salen objetivas y uniformes. Con una temperatura alta recurre más a menudo a palabras inusuales. Eso parece más creativo, pero también aumenta el riesgo de disparates y alucinaciones. Se puede comparar con un músico: con temperatura baja toca la melodía fiel a la partitura; con temperatura alta improvisa libremente. En las aplicaciones de chat normales, el valor suele estar fijado de antemano y no lo ves. En las interfaces para desarrolladores o a través de una API a menudo puedes elegirlo tú mismo. En el chat consigues algo parecido con peticiones como «responde con sobriedad» o «sé juguetón».
Ejemplo: Si le pides varias veces a ChatGPT un eslogan para tu cafetería, cada vez recibes una propuesta distinta. Esto se debe, entre otras cosas, a la temperatura: se incorpora a propósito cierto grado de azar.
Ver también: Ingeniería de prompts, API, Alucinación
Límite de usoCuota, contingente, Rate Limit
Se llama límite de uso al tope de cuánto puedes utilizar una herramienta de IA en un periodo determinado. Puede ser un número de mensajes por intervalo de tiempo, una cantidad fija de créditos al día o una limitación en funciones especialmente exigentes. En la versión gratuita de Claude, por ejemplo, rige un límite por cada cinco horas; en Perplexity son tres búsquedas Pro al día. Estos límites existen porque cada respuesta de IA consume potencia de cálculo real. Imagínalo como los datos móviles de tu tarifa: cuando se agotan, tienes que esperar o recibes menos rendimiento. Los planes de pago suelen ampliar los límites, pero rara vez son totalmente ilimitados. Por eso, planifica las tareas importantes con cierto margen.
Ejemplo: Con la versión gratuita de ChatGPT creas motivos para una invitación de cumpleaños. Tras unas dos o tres imágenes, la herramienta te avisa de que tu cuota de hoy se ha agotado. Entonces solo queda esperar o usar otra herramienta.
Ver también: Herramientas de IA gratis: qué obtienes realmente sin pagar y dónde están los límites, Gratis o de pago: cuándo compensa de verdad una suscripción de IA, Freemium
Deep ResearchInvestigación en profundidad, modo de investigación
Deep Research es el nombre que dan varios proveedores a un modo en el que la IA no responde a una pregunta en segundos, sino que se toma varios minutos e investiga por su cuenta. Formula sus propias búsquedas, lee muchas páginas web, compara la información y al final entrega un informe estructurado con referencias a las fuentes. Merece la pena en temas para los que normalmente abrirías diez pestañas del navegador, por ejemplo para una comparativa de productos o un panorama del mercado. Se puede comparar con un ayudante al que envías a la biblioteca y que vuelve con un dosier. El modo se ofrece, entre otros, en Google Gemini y ChatGPT, y otras herramientas de investigación tienen funciones parecidas. Gratis, normalmente solo se puede usar de forma limitada. Aun así, conviene que compruebes las fuentes por muestreo.
Ejemplo: En el modo Deep Research de Google Gemini preguntas: «Compara una bomba de calor y una caldera de pellets para una vivienda unifamiliar de 1985». Al cabo de unos minutos recibes un informe estructurado con ventajas e inconvenientes y enlaces a las fuentes.
Ver también: Investigación y conocimiento, Agente de investigación: tema → briefing + fuentes, Comprobar las respuestas de la IA: cómo detectar y evitar alucinaciones
Modelos y tecnología
Modelo de razonamientoModo de pensamiento, modelo Thinking, Reasoning Model
Los modelos de razonamiento piensan antes de responder: descomponen internamente una tarea en pasos intermedios, examinan posibles vías de solución y descartan enfoques erróneos, en lugar de ponerse a escribir de inmediato. Esto tarda entre unos segundos y unos minutos más, pero en matemáticas, lógica, planificación, código o comparaciones complicadas suele dar resultados claramente mejores. Es comparable a una persona que, ante un cálculo difícil, coge primero una hoja de borrador. En muchos asistentes de IA te encuentras este principio como un interruptor o un modo con nombres como «Pensar» o «Thinking». Para un correo corto rara vez merece la pena. Como pensar consume más potencia de cálculo, en el plan gratuito suele aplicarse, según el proveedor, un límite de uso más estricto.
Ejemplo: Si le preguntas a ChatGPT en el modo de razonamiento cuál de tres tarifas de móvil es la más barata para tu consumo a lo largo de dos años, el modelo calcula las variantes paso a paso en lugar de limitarse a estimar.
Ver también: Top 5: Los modelos de IA más populares, ChatGPT, Claude, Gemini o Mistral: ¿qué asistente de IA encaja contigo?, Modelo de lenguaje grande (LLM)
Ajuste fino (fine-tuning)Fine-Tuning, reentrenamiento, afinado
En el ajuste fino, un modelo de IA ya entrenado se vuelve a entrenar con ejemplos propios para que domine mejor y de forma permanente una tarea o un estilo concretos. Imagina a una cocinera ya formada que aprende las recetas de la casa en un restaurante nuevo: cocinar ya sabe desde hace tiempo, ahora recibe el último toque. Para los principiantes, lo importante es sobre todo la diferencia con otras técnicas. Quien solo le da a la IA reglas, plantillas o archivos, por ejemplo mediante un prompt de sistema, no modifica el propio modelo ni hace ajuste fino. Un reentrenamiento de verdad requiere por lo general muchos ejemplos cuidadosamente preparados, conocimientos técnicos y presupuesto. Por eso, en el día a día sueles llegar antes a tu objetivo con buenas instrucciones o con RAG.
Ejemplo: Un GPT personalizado con la voz de tu marca no es ajuste fino: a ChatGPT solo le das instrucciones y textos de ejemplo. Sería ajuste fino si alguien reentrenara el modelo con cientos de tus respuestas anteriores a clientes.
Ver también: GPT personalizado con voz de marca, Datos de entrenamiento, Prompt de sistema
Modelos de código abierto y de pesos abiertosModelos abiertos, Open Models, Open Weight, IA de código abierto
Se llama modelo de pesos abiertos (open weight) a un modelo de IA cuyos pesos ya entrenados, es decir, su conocimiento aprendido en forma de números, están disponibles para descargar libremente. El código abierto (open source) en sentido estricto va más allá: en ese caso se publican además el código de entrenamiento, información sobre los datos de entrenamiento y una licencia libre. En el día a día ambos términos se mezclan a menudo. Una comparación: open weight es como un pastel ya hecho para llevar; open source te da también la receta. Proveedores como Meta, Mistral o DeepSeek publican modelos de este tipo. Para ti, lo que cuenta sobre todo es que pueden funcionar sin suscripción en tu propio hardware. Si se permite el uso comercial lo regula la licencia correspondiente. Si usas el mismo modelo a través de la app del proveedor, tus entradas acaban igualmente en sus servidores.
Ejemplo: Stable Diffusion lo puedes descargar gratis y usar en tu propio ordenador: sin suscripción, sin créditos y sin que tus prompts lleguen a ningún proveedor. Eso es justo lo que permite un modelo abierto.
Ver también: IA local, Usar IA sin conexión en el móvil (LLM local), Generación de imágenes
IA localIA en el dispositivo, IA sin conexión, LLM local
Se habla de IA local cuando un modelo de IA funciona directamente en tu propio dispositivo, es decir, en el portátil, el PC o el smartphone, y no en la nube de un proveedor. La gran ventaja: tus textos, fotos y grabaciones no salen del dispositivo, y muchas cosas funcionan incluso sin internet y sin suscripción. Es como cocinar en tu propia cocina en lugar de pedir comida a domicilio: más control, pero necesitas el equipamiento adecuado. Los modelos locales suelen ser más pequeños que los grandes asistentes en la nube, por lo que a veces responden de forma más sencilla y, según su tamaño, necesitan mucha memoria RAM o una buena tarjeta gráfica. Esto es posible sobre todo gracias a los modelos abiertos. Para documentos sensibles, la IA local suele ser la solución más respetuosa con la privacidad.
Ejemplo: Con Whisper (local) conviertes en texto una conversación confidencial con un cliente directamente en tu portátil. La grabación no se sube a ningún sitio y no hay costes por minuto.
Ver también: Usar IA sin conexión en el móvil (LLM local), Privacidad en las herramientas de IA: qué deberías introducir y qué no, Modelos de código abierto y de pesos abiertos
APIInterfaz de programación de aplicaciones, Application Programming Interface
API es la abreviatura de Application Programming Interface, en español interfaz de programación de aplicaciones. Se refiere a una vía con reglas fijas a través de la cual dos programas se comunican entre sí. Una comparación sacada de un restaurante: no entras tú en la cocina, sino que le das tu pedido al camarero y él te trae la comida lista. En las herramientas de IA, la API entra en juego siempre que otra aplicación se dirige a un modelo de lenguaje sin ventana de chat, por ejemplo en una automatización. Importante para principiantes: la API se factura normalmente aparte de la suscripción del chat, casi siempre según el consumo en tokens. La clave de API que necesitas para ello debes tratarla como una contraseña y no compartirla nunca públicamente.
Ejemplo: Si con Zapier (Free) envías automáticamente cada nueva solicitud de contacto a ChatGPT, eso funciona a través de la API: guardas una vez tu clave de API y, a partir de entonces, cada borrador de respuesta se crea sin ninguna ventana de chat.
Ver también: Agentes de IA y automatización, Automatización de flujos de trabajo, Cualificación de leads y seguimiento
EmbeddingIncrustación, representación vectorial, vector de embedding
Detrás de un embedding está la traducción de textos, imágenes o sonidos a una larga serie de números que representa su significado. Los contenidos con un sentido parecido reciben números parecidos y, por eso, quedan cerca unos de otros. Imagina un enorme mapa de significados: «perro» y «cachorro» están casi al lado, mientras que «declaración de la renta» queda muy lejos. Así una IA puede encontrar lo que encaja aunque se usen palabras completamente distintas. Como principiante, apenas tendrás que crear embeddings tú mismo. Pero te los encuentras en todas partes donde una búsqueda funciona por el sentido en lugar de por términos exactos, por ejemplo en el chat con tus propios documentos, en las recomendaciones o en RAG.
Ejemplo: Si en un chat de documentos preguntas «¿Con cuánta antelación tengo que avisar si me mudo?», la IA encuentra gracias a los embeddings el párrafo sobre el plazo de preaviso del contrato de alquiler, aunque allí aparezcan palabras completamente distintas.
Ver también: RAG (Retrieval-Augmented Generation), Chatea con tus documentos (base de conocimiento), Investigación y conocimiento
RAG (Retrieval-Augmented Generation)Generación aumentada por recuperación
RAG significa Retrieval-Augmented Generation, en español generación aumentada por recuperación; dicho de forma sencilla: responder después de consultar. La IA busca primero los pasajes adecuados en una fuente de conocimiento, por ejemplo en tus documentos o en internet, y después formula su respuesta sobre esa base, a menudo indicando la fuente. Es como un examen a libro abierto en lugar de hacerlo de memoria. Para los principiantes es importante, porque así la IA puede usar información actual o muy específica que nunca apareció en sus datos de entrenamiento. Además, disminuye el riesgo de alucinaciones, aunque no desaparecen del todo. Por eso, en las afirmaciones importantes, comprueba tú mismo la fuente indicada.
Ejemplo: Si subes tus apuntes de clase a Gemini Notebook y preguntas por las teorías del aprendizaje más importantes, la herramienta busca primero los pasajes adecuados y responde con referencias numeradas a los lugares donde aparecen.
Ver también: Chatea con tus documentos (base de conocimiento), Investigación y conocimiento, Comprobar las respuestas de la IA: cómo detectar y evitar alucinaciones
Modelo de difusiónDiffusion Model
Los modelos de difusión generan imágenes extrayendo paso a paso un motivo a partir de puro ruido aleatorio. Durante el entrenamiento ven millones de imágenes a las que se añade cada vez más ruido, y aprenden a eliminarlo de nuevo. Al generar, el modelo parte entonces de una especie de nevada de píxeles, y tu prompt guía qué formas y colores surgen de ella. Se parece a una ventana empañada que se va despejando poco a poco hasta que se ve una escena. Stable Diffusion lleva el principio ya en el nombre, y muchos otros generadores de imágenes y vídeo usan este procedimiento u otro relacionado. Para ti, esto explica por qué el mismo prompt da cada vez una imagen distinta y por qué ajustes como los pasos o la semilla (seed) influyen en el resultado.
Ejemplo: Si lanzas el mismo prompt cuatro veces en Stable Diffusion, obtienes cuatro imágenes distintas, porque cada una empieza con un ruido diferente. Si apuntas el valor de la semilla, puedes repetir tu resultado favorito con los mismos ajustes.
Ver también: Generación de imágenes, Texto a imagen (text-to-image), Generación de vídeo
Texto a imagen (text-to-image)Generación de imágenes, generador de imágenes con IA, T2I
Texto a imagen significa que describes una imagen con palabras y la IA crea a partir de ella un motivo nuevo en segundos, desde fotorrealista hasta dibujado. Funciona de forma parecida a una ilustradora a la que le explicas por teléfono lo que te imaginas. Cuanto más precisa sea tu descripción, más acertado será el resultado: el motivo, el estilo, la luz, la perspectiva y el formato forman parte de un buen prompt. Te encontrarás esta técnica en asistentes de chat que, de paso, también pintan imágenes y en generadores de imágenes especializados. Los textos dentro de la imagen no le salen igual de bien a todas las herramientas. Antes de un uso comercial, comprueba además las condiciones de tu plan y ten cuidado con personas reales, logotipos y personajes protegidos.
Ejemplo: Si escribes en ChatGPT (imagen) «Cafetería acogedora en una tarde lluviosa, estilo acuarela, formato horizontal», en pocos segundos se crea un motivo que ajustas con un prompt de seguimiento, por ejemplo con «más luz cálida en la ventana».
Ver también: Generación de imágenes, Modelo de difusión, Escribir prompts para principiantes: así obtienes mejores respuestas
Inpainting y outpaintingRelleno generativo, eliminar objetos, ampliar imagen
Con el inpainting sustituyes o eliminas de forma selectiva una parte de una imagen: marcas la zona, describes si hace falta qué debe aparecer allí y la IA la rellena de manera que encaje con el entorno. El outpainting, en cambio, amplía una imagen más allá de sus bordes, por ejemplo cuando un formato vertical debe convertirse en un formato horizontal ancho. Es comparable a una restauradora que completa sin que se note una zona dañada de un cuadro, o a un puzle que se sigue montando más allá del marco. En el día a día te encuentras ambas técnicas en apps de fotos con nombres como «Eliminar objeto», «Relleno generativo» o «Ampliar imagen». Son ideales para fotos de vacaciones, imágenes de producto y formatos para redes sociales. Revisa con atención las manos, los textos y los bordes del resultado.
Ejemplo: En Cleanup.pictures borras a un transeúnte de tu foto de vacaciones con un simple trazo, y la IA completa la playa y el cielo que había detrás. Con Adobe Photoshop amplías después esa misma imagen a formato horizontal para una miniatura de YouTube.
Ver también: Edición y retoque fotográfico, Crear fotos de producto y contenido para una tienda online, Escalado con IA (upscaling)
Escalado con IA (upscaling)Upscaling, ampliación con IA, superresolución
Escalar, en inglés upscaling, significa llevar una imagen o un vídeo a una resolución mayor con ayuda de la IA. La ampliación clásica solo estira los píxeles existentes, y el resultado queda borroso y pixelado. Un escalador con IA, en cambio, añade detalles plausibles como mechones de pelo, texturas de tela u hojas, porque ha aprendido cómo suelen ser esas cosas. Es un poco como un dibujante experimentado que vuelve a trazar con limpieza un pequeño boceto en gran formato. Resulta práctico para viejas fotos familiares, imágenes de producto o imágenes de IA que quieras imprimir. Pero ten en cuenta que los nuevos detalles son inventados. En caras, textos o fotos que deban servir de prueba de algo, el resultado puede por eso diferir del original.
Ejemplo: Si con Upscayl llevas una pequeña foto de móvil de 2010 a cuatro veces su tamaño, después a menudo parece lo bastante nítida para una copia en tamaño A4, y todo ello sin ningún coste.
Ver también: Edición y retoque fotográfico, Lanzar una tienda de Etsy / print-on-demand, Inpainting y outpainting
Texto a voz (TTS)Text-to-Speech, síntesis de voz, lectura en voz alta
La salida de voz con IA, abreviada TTS por Text-to-Speech, convierte texto escrito en lenguaje hablado. Las voces modernas apenas suenan ya a robot: hacen pausas, ponen el énfasis donde tiene sentido y, según la herramienta, pueden hablar de forma alegre, tranquila u objetiva, a menudo en muchos idiomas. Imagina a un locutor disponible en cualquier momento que lee tu guion sin equivocarse. Puedes usar el TTS para locuciones en vídeos, versiones en audio de artículos de blog, pódcast o como ayuda de lectura al estudiar. Antes de publicar, fíjate en la licencia, porque en muchos proveedores depende del plan que puedas usar las grabaciones con fines comerciales. Conviene que escuches antes de prueba cómo suenan los términos técnicos y los nombres.
Ejemplo: Si pegas el guion de tu vídeo explicativo en ElevenLabs (Free) y eliges una voz, en segundos obtienes una locución terminada como archivo de audio, que arrastras directamente a la edición del vídeo.
Ver también: Texto a voz y locución, Vídeo explicativo con avatar de IA en varios idiomas, Clonación de voz
Voz a texto (transcripción)Speech-to-Text, reconocimiento de voz, ASR
La conversión de voz a texto (speech-to-text) transforma el lenguaje hablado en texto escrito; también se llama transcripción. La IA escucha una grabación o una conversación en directo y la pone por escrito, a menudo con marcas de tiempo e indicando quién habla en cada momento. Es como un secretario de actas incansable que nunca pierde el hilo. Te encuentras esta técnica en la función de dictado de tu móvil, en los subtítulos automáticos, en las transcripciones de pódcast y en las herramientas de reuniones que después crean resúmenes. La calidad depende mucho de la grabación: el ruido de fondo, los acentos regionales o que la gente hable a la vez provocan errores, y los nombres suelen escribirse mal. Además, antes de grabar una conversación, todos los participantes deben estar informados y dar su consentimiento.
Ejemplo: Si Fathom participa en tu videollamada, transcribe la conversación, asigna cada intervención a quien la dijo y después te envía un resumen con las tareas acordadas.
Ver también: Reuniones y transcripción, Notas de reunión → resumen + tareas, Producir un episodio de pódcast y reaprovecharlo para redes
Clonación de vozVoice Cloning, voz clonada, clon de voz
La clonación de voz crea una copia digital de una voz real. Para ello subes grabaciones de voz; según la herramienta, bastan muestras cortas, aunque para resultados muy naturales suelen hacer falta grabaciones más largas y limpias. Después, la IA puede pronunciar cualquier texto con esa voz, a menudo incluso en otros idiomas. Es comparable a un imitador que, tras escucharte un rato, te imita de forma asombrosamente real. Es práctico para creadores que quieren poner voz a sus vídeos sin tener que grabar cada vez. Pero justo esa fortaleza hace que la técnica también sea arriesgada, por ejemplo por las llamadas fraudulentas y los deepfakes. Por eso, clona solo tu propia voz o una para la que tengas un permiso expreso. Los proveedores serios suelen pedir que lo confirmes.
Ejemplo: Si le das a ElevenLabs unos minutos de grabaciones de tu propia voz, después la herramienta lee cada guion nuevo con tu timbre, y si quieres también en inglés o en francés.
Ver también: Texto a voz y locución, Texto a voz (TTS), Vídeo explicativo con avatar de IA en varios idiomas
DeepfakeMedios sintéticos, deepfake de audio
Los deepfakes son vídeos, imágenes o grabaciones de audio creados o manipulados con IA que hacen que personas reales digan o hagan, de forma engañosamente real, cosas que nunca ocurrieron. El nombre une «deep learning» (aprendizaje profundo), un método del aprendizaje automático, con la palabra inglesa «fake», que significa falsificación. Los deepfakes se usan de forma abusiva, por ejemplo, para estafas, noticias falsas o imágenes humillantes. Pueden delatarlos los movimientos de boca poco naturales, los bordes que parpadean, las manos extrañas o una luz que no encaja, aunque estos fallos son cada vez más raros. Por eso, confía más bien en una sana desconfianza: comprueba la fuente y el contexto y pregunta directamente a la persona afectada. En la UE, la Ley de IA de la UE prevé el etiquetado de este tipo de contenidos.
Ejemplo: Si supuestamente te llama un familiar presa del pánico y necesita dinero de inmediato, puede tratarse de un deepfake de audio. Cuelga y vuelve a llamar al número que ya conoces antes de hacer cualquier transferencia.
Ver también: Etiquetado de IA y marcas de agua, Clonación de voz, Generación de vídeo
Agentes y automatización
Agente de IAAI Agent, modo agente, agente autónomo
Un agente de IA es un sistema de IA que no solo responde a una tarea, sino que la lleva a cabo por sí mismo en varios pasos. Planifica, usa herramientas como la búsqueda web, el navegador o archivos, comprueba los resultados intermedios y continúa hasta alcanzar el objetivo. Un asistente de IA normal se parece a un mostrador de información; un agente, más bien a un ayudante al que le das un encargo y que se pone en marcha. En el día a día te encuentras agentes como modo agente en ChatGPT, Gemini o Claude y en herramientas de automatización de flujos de trabajo. Importante para principiantes: los agentes cometen errores como cualquier IA. Ponles límites claros, haz que te pregunten antes de hacer compras o enviar mensajes y revisa el resultado.
Ejemplo: Si le pides a Manus que compare tres hoteles en Lisboa por menos de 120 euros la noche, el agente abre él mismo páginas de reservas, recopila precios y valoraciones y al final te entrega una tabla comparativa terminada.
Ver también: Agentes de IA y automatización, Llevar agentes de IA al smartphone, Agente de investigación: tema → briefing + fuentes
Automatización de flujos de trabajoAutomatización de procesos, automatización sin código, Workflow Automation
La automatización de flujos de trabajo significa que los procesos recurrentes se ejecutan solos según reglas fijas: cuando ocurre algo, sigue automáticamente una acción concreta. El principio lo conoces por el temporizador que enciende la luz cada noche. Herramientas como Zapier, Make o n8n conectan para ello aplicaciones como el correo, las hojas de cálculo y el calendario, casi siempre con unos clics en lugar de con código. Con IA, estos procesos se vuelven mucho más flexibles, porque un modelo de lenguaje entiende, clasifica o resume textos por el camino. A diferencia de un agente de IA, un flujo de trabajo no decide libremente, sino que sigue exactamente los pasos que tú has fijado. Eso lo hace predecible. Lo mejor es empezar con una pequeña rutina y vigilar las cuotas gratuitas de las herramientas.
Ejemplo: Cuando llega una factura por correo, un flujo en Zapier detecta el adjunto, hace que ChatGPT extraiga el importe, la fecha y el remitente, y lo anota todo automáticamente en una hoja de cálculo, sin que tengas que tocar nada.
Ver también: Agentes de IA y automatización, Extracción de datos de recibos y facturas, Automatiza tu bandeja de correo con IA
MCP (Model Context Protocol)Model Context Protocol, servidor MCP, conector
Detrás de la sigla MCP hay un estándar abierto mediante el cual los asistentes de IA pueden comunicarse con otros programas y fuentes de datos, por ejemplo con el calendario, la app de notas, una base de datos o archivos. A menudo se compara MCP con el USB-C: una conexión unificada sustituye a muchos cables especiales. Quien ofrece una herramienta como servidor MCP la hace así utilizable para muchas apps de IA a la vez. MCP lo desarrolló originalmente Anthropic, la empresa que está detrás de Claude. Desde finales de 2025, la Agentic AI Foundation, bajo el paraguas de la Linux Foundation, se encarga del estándar, y lo admiten, entre otros, ChatGPT, Claude, Cursor y Gemini. Para ti, MCP aparece casi siempre como conector o integración en los ajustes. Conecta solo servicios en los que confíes, porque la IA obtiene en ellos acceso real.
Ejemplo: Si conectas Claude mediante un servidor MCP con tus notas de Notion, puede buscar páginas allí y crear entradas nuevas sin que tengas que copiar contenidos de una ventana a otra.
Ver también: Agente de IA, API, Agent Skills
Agent SkillsSkills, habilidades de agente, SKILL.md
Las Agent Skills son paquetes de conocimiento especializado e instrucciones de trabajo que un agente de IA carga cuando los necesita para realizar una tarea concreta siempre de la misma manera fiable. En esencia, una skill es una carpeta con un archivo llamado SKILL.md. En él figuran el nombre, una breve descripción y las instrucciones, opcionalmente complementados con plantillas o pequeños scripts. El agente lee primero solo el nombre y la descripción, y carga las instrucciones completas únicamente cuando una tarea encaja con ellas. Así la ventana de contexto queda libre. Imagina una carpeta con fichas de recetas de la que un cocinero saca justo la adecuada. El formato procede de Anthropic y entretanto se ha convertido en un estándar abierto. Mientras que MCP da acceso a los programas, las skills aportan el conocimiento de cómo trabajar con ellos.
Ejemplo: Si instalas el agente de LinkedIn en Claude Code, basta con el comando /li-post y una idea breve: la skill te entrega tres variantes de gancho y un borrador terminado con tu propio estilo de escritura.
Ver también: Agente de LinkedIn: posts, comentarios y DMs con skills de Claude, MCP (Model Context Protocol), Agente de IA
Vibe codingProgramar con prompts, programación asistida por IA
Con vibe coding se hace referencia a programar en lenguaje cotidiano: le describes a una IA qué debe poder hacer tu app o tu web, y ella escribe el código. En lugar de entender cada línea, solo compruebas si el resultado funciona y das indicaciones como «Haz el botón más grande» o «Guarda las entradas de forma permanente». El término se popularizó a principios de 2025 gracias al investigador de IA Andrej Karpathy. Herramientas como Lovable, Bolt.new o v0 convierten así una idea en un prototipo con rapidez, incluso sin conocimientos de programación. Se parece a un arquitecto que dibuja al instante mientras tú le cuentas lo que quieres. La otra cara: los errores y las brechas de seguridad pasan fácilmente desapercibidos. En cuanto entran en juego datos reales de clientes o pagos, alguien con experiencia debería revisar el código.
Ejemplo: Si escribes en Lovable «Créame una aplicación web en la que mi club deportivo pueda apuntar los horarios de entrenamiento», en pocos minutos surge una primera versión en la que ya se puede hacer clic y que sigues afinando por chat.
Ver también: Crear una app funcional sin saber programar, Creadores de sitios web, Programación y desarrollo
Costes, aspectos legales y seguridad
FreemiumPlan gratuito, versión gratuita, Free Tier
Freemium es un modelo de precios en el que usas gratis la versión básica de una herramienta y solo pagas cuando quieres más prestaciones. La palabra combina «free» (gratis) y «premium». Casi todas las herramientas de IA conocidas funcionan así: el nivel gratuito tiene un límite de uso, por ejemplo un número fijo de mensajes, créditos o imágenes al día, o le faltan los modelos más potentes y extras como las descargas en alta calidad. Se parece a una degustación en el supermercado que pretende despertar las ganas de comprar el paquete entero. Para probar, el freemium es ideal. Aun así, lee la letra pequeña, porque algunos planes gratuitos añaden marcas de agua, no permiten el uso comercial o, según el proveedor, usan tus entradas para el entrenamiento.
Ejemplo: Perplexity te ofrece gratis 3 búsquedas Pro al día. Si necesitas a diario más investigaciones a fondo, te pasas a Perplexity Pro / Max, que empieza en 20 dólares al mes.
Ver también: Herramientas de IA gratis: qué obtienes realmente sin pagar y dónde están los límites, Gratis o de pago: cuándo compensa de verdad una suscripción de IA, Límite de uso
RGPDReglamento General de Protección de Datos, GDPR
El RGPD, es decir, el Reglamento General de Protección de Datos, es la ley de la UE que regula cómo pueden recopilarse, almacenarse y utilizarse los datos personales. Se refiere a toda información que pueda atribuirse a una persona, como el nombre, la dirección de correo electrónico, las fotos o los datos de salud. Se aplica en toda la UE desde mayo de 2018 y te otorga derechos como el de acceso y el de supresión. En las herramientas de IA cobra relevancia en cuanto introduces datos de otras personas, por ejemplo correos de clientes o candidaturas. Para las empresas rige entonces por lo general lo siguiente: hace falta una base jurídica, un contrato de encargado del tratamiento con el proveedor y fijarse en dónde se tratan los datos. Una buena comparación es el secreto de la correspondencia: tampoco le pasas sin más a otros las cartas ajenas. En caso de duda, consulta al delegado de protección de datos de tu empresa.
Ejemplo: Antes de pedirle a ChatGPT que resuma un correo de reclamación, sustituyes el nombre, la dirección y el número de cliente por marcadores como «Cliente A». El resumen sigue siendo igual de útil, pero los datos personales no llegan al proveedor.
Ver también: Privacidad en las herramientas de IA: qué deberías introducir y qué no, Opt-out del entrenamiento, Ley de IA de la UE (AI Act)
Opt-out del entrenamientoExclusión del entrenamiento de IA, desactivar el uso de datos para entrenamiento, Training Opt-out
Se llama opt-out del entrenamiento a un ajuste con el que estableces que tus chats y archivos subidos no sirvan como datos de entrenamiento para futuros modelos de IA. Muchos proveedores mejoran sus modelos con las conversaciones de sus usuarios, en los planes gratuitos y personales a menudo de forma predeterminada. El interruptor correspondiente lo encuentras, según el proveedor, en los ajustes de privacidad o de control de datos. En los planes Business y Team, el entrenamiento con datos de clientes suele estar excluido de entrada. Es comparable a la casilla para no recibir publicidad al hacer un pedido: a menudo tienes que marcarla tú mismo. Importante: un opt-out no borra nada. Las conversaciones pueden seguir guardadas durante un tiempo, por ejemplo para controlar abusos. Por eso, los datos realmente sensibles no deberían llegar nunca al chat.
Ejemplo: En ChatGPT abres la Configuración, vas a Controles de datos y desactivas la opción con la que tus chats mejoran el modelo para todos. Según el proveedor, las conversaciones nuevas ya no se usan después para el entrenamiento.
Ver también: Privacidad en las herramientas de IA: qué deberías introducir y qué no, RGPD, Datos de entrenamiento
Etiquetado de IA y marcas de aguaEtiqueta de IA, aviso de transparencia, marca de agua digital
Por etiquetado de IA se entiende la indicación abierta de que una imagen, un vídeo, un audio o un texto procede total o parcialmente de una IA. Se hace de forma visible, por ejemplo con una nota como «Generado con IA», o invisible mediante marcas de agua digitales y datos de procedencia en el archivo que un software puede leer después. En la UE rigen para ello desde agosto de 2026 las obligaciones de transparencia de la Ley de IA de la UE: los proveedores de IA generativa deben, por regla general, marcar los resultados de forma legible por máquina, y quien publica deepfakes debe indicarlo. También las grandes plataformas de redes sociales exigen este tipo de etiquetas. Igual que con el aviso «Publicidad», se trata de confianza. Pero ten en cuenta que las marcas de agua a veces se pueden eliminar. Que falte una etiqueta no demuestra, por tanto, que algo sea auténtico.
Ejemplo: Si publicas una imagen creada con Midjourney que parece una foto real, activas al subirla la etiqueta de IA de la plataforma y escribes además «creado con IA» en el texto de la publicación.
Ver también: Deepfake, Ley de IA de la UE (AI Act), Generación de imágenes
Ley de IA de la UE (AI Act)Reglamento de Inteligencia Artificial, EU AI Act, RIA
La Ley de IA de la UE (EU AI Act), oficialmente Reglamento de Inteligencia Artificial, es la primera ley integral de la UE sobre inteligencia artificial. Clasifica la IA según su riesgo, de forma parecida a los juguetes o los productos sanitarios: cuanto mayor es el peligro potencial, más estrictas son las obligaciones. Está en vigor desde agosto de 2024 y sus normas se aplican de forma escalonada. Desde febrero de 2025 están prohibidas determinadas prácticas como la puntuación social (social scoring); desde agosto de 2025 rigen obligaciones para los grandes modelos de uso general, y desde agosto de 2026 se suman obligaciones de transparencia como el etiquetado de IA. Para ámbitos de alto riesgo como la selección de personal o la concesión de créditos, las instituciones de la UE acordaron en 2026 aplazar las obligaciones más estrictas a diciembre de 2027 y, en parte, a agosto de 2028. Las exigencias recaen sobre todo en proveedores y empresas. Para ti significa más transparencia, pero ninguna garantía de una IA sin errores.
Ejemplo: Si chateas en la web de una tienda con un bot de atención al cliente, según la Ley de IA por lo general debe quedar claro que hablas con una IA y no con una persona.
Ver también: Etiquetado de IA y marcas de agua, RGPD, Deepfake