Glosario básico de inteligencia artificial que sí entenderás

Tokens, parámetros, pesos, inferencia, alucinación. Cinco palabras que hace tres años vivían encerradas en laboratorios y hoy aparecen en la sobremesa, en las reuniones de trabajo y en los titulares que lees mientras tomas el café. El problema no es que la inteligencia artificial sea difícil de entender: es que quienes la explican rara vez se detienen a traducir su propio idioma. Este glosario básico de inteligencia artificial nace de esa incomodidad, de la sensación de estar afuera de una conversación que, en el fondo, trata sobre tu trabajo, tu privacidad y tu manera de pensar.

Durante años observé cómo estas tecnologías pasaron de curiosidad académica a herramienta cotidiana, y noté un patrón que se repite en cada charla, en cada taller, en cada mensaje que recibo: la gente no abandona la IA porque le parezca peligrosa, sino porque se siente ridícula preguntando qué significa una palabra. Aquí no encontrarás definiciones de diccionario. Encontrarás el porqué detrás de cada término, qué describe de verdad y qué revela sobre cómo funciona, o no funciona, una máquina.

Por qué el vocabulario técnico se convirtió en una barrera

El filósofo Ludwig Wittgenstein escribió que «los límites de mi lenguaje son los límites de mi mundo». En el terreno de la IA la frase deja de sonar abstracta. Cuando no tienes las palabras para nombrar lo que ocurre dentro de un chatbot, quedas obligado a confiar o a desconfiar sin criterio propio. Y ahí, en ese vacío, es donde se cuelan tanto el entusiasmo exagerado como el miedo infundado.

Buena parte de la jerga técnica cumple una función legítima: nombra con precisión cosas que el lenguaje común no distingue. Pero otra parte funciona como una frontera social. Separa a quienes “saben” de quienes “no saben”, y esa separación tiene consecuencias muy concretas en el mundo laboral. Según los informes anuales que publica el Instituto de IA Centrada en el Ser Humano de Stanford, la adopción de estas herramientas en empresas se aceleró más rápido que la alfabetización de quienes deben usarlas. Traducción: la tecnología corre, el vocabulario para entenderla se queda atrás, y las personas quedan atrapadas en medio.

Mi apuesta es simple. Si aprendes a leer diez o doce términos con calma, dejas de necesitar que alguien te traduzca la conversación. Empiezas a participar en ella.

De qué está hecha una IA: modelo, parámetros, pesos y tokens

Antes de entender qué hace una IA conviene entender de qué está construida. Estos cuatro términos aparecen en casi cualquier explicación seria, y una vez que los distingues, el resto del vocabulario encaja solo. Si quieres el panorama completo de qué son exactamente estos modelos por dentro, ese texto complementa lo que viene a continuación.

Modelo, parámetros y pesos: el motor y sus perillas

Un modelo es, en esencia, un sistema matemático entrenado para reconocer patrones y producir respuestas. No es un programa con reglas escritas a mano por un humano, como una calculadora. Es más parecido a una red enorme que fue ajustándose sola hasta acertar cada vez más.

Esos ajustes se guardan en los parámetros, y su valor concreto son los pesos. Piénsalo como una mesa de sonido con millones, a veces billones, de perillas. Cada perilla decide cuánta importancia tiene una conexión frente a otra. Cuando lees que un modelo tiene “70.000 millones de parámetros”, te están diciendo cuántas perillas tiene esa mesa. Más perillas no siempre significa mejor resultado, pero sí más capacidad para capturar matices.

Lo interesante es que nadie ajusta esas perillas a mano. Se ajustan solas durante el entrenamiento, y ese es justamente el motivo por el que ni siquiera sus creadores pueden explicar del todo por qué el modelo respondió lo que respondió.

Tokens: cómo la IA parte el lenguaje en pedazos

Una IA de lenguaje no lee palabras como tú. Las parte en tokens, fragmentos que pueden ser una palabra completa, una sílaba o incluso un signo de puntuación. La palabra “inteligencia” podría convertirse en dos o tres tokens; “sol”, en uno solo.

Esto no es un detalle técnico sin importancia. Los tokens explican por qué estas herramientas cobran por uso, por qué tienen un límite de texto que pueden procesar y por qué a veces “olvidan” el inicio de una conversación larga. Cuando alguien menciona el “costo por token” o el “límite de tokens”, está hablando de la unidad mínima con la que la máquina mide el lenguaje. Es su forma de contar.

Datos y entrenamiento: de dónde sale todo

El entrenamiento es el proceso mediante el cual el modelo aprende esos patrones a partir de enormes cantidades de texto, imágenes o sonido. Los datos de entrenamiento son el material con el que se alimenta. Aquí vive una de las verdades más incómodas del sector: un modelo no puede ser mejor que aquello con lo que fue entrenado. Si los datos cargan sesgos, errores o vacíos, el modelo los hereda y a veces los amplifica. Ese ajuste automático es más fascinante de lo que parece: lo desarrollo con calma en un texto sobre cómo una máquina aprende patrones sin que nadie le dicte las reglas.

Para quien quiera afinar estas definiciones con precisión de ingeniería, el glosario de aprendizaje automático que mantiene Google para desarrolladores es una referencia técnica sólida, aunque escrita para un público más especializado que el de esta guía.

Cómo se comporta una IA: inferencia, prompt y alucinaciones

Si la sección anterior explicaba la anatomía, esta explica el comportamiento. Son los términos que describen lo que ocurre cada vez que escribes algo y esperas una respuesta.

Inferencia y prompt: la conversación real

El prompt es la instrucción que le das: tu pregunta, tu pedido, el texto que escribes en la caja. La inferencia es el momento en que el modelo, ya entrenado, genera una respuesta a partir de ese prompt. Entrenamiento e inferencia son etapas distintas: el primero ocurrió meses atrás, en centros de datos que consumen electricidad como una ciudad pequeña; la segunda ocurre ahora, en segundos, cada vez que aprietas Enter.

Entender esta diferencia tiene un efecto práctico inmediato. Cuando el modelo no sabe algo reciente, no es que “no quiera” decírtelo: es que ese dato no existía cuando terminó su entrenamiento. La inferencia no consulta el mundo en tiempo real salvo que la herramienta tenga acceso a búsqueda.

Alucinación: cuando la máquina inventa con seguridad

Una alucinación ocurre cuando la IA afirma con total confianza algo que es falso: una cita que nadie escribió, una ley que no existe, una fecha equivocada. No es un error de programación ni una mentira deliberada. Es una consecuencia de cómo funcionan estos sistemas: están diseñados para producir la continuación más probable de un texto, no para verificar si esa continuación es verdadera.

Por eso la alucinación es, quizás, el término más importante de todo este glosario. Quien lo entiende deja de tratar a la IA como un oráculo y empieza a tratarla como lo que es: un asistente brillante y convincente que, de vez en cuando, se equivoca sin darse cuenta. Le dediqué un análisis entero a por qué una IA inventa datos con total seguridad y cómo no dejarte engañar, porque es el punto donde más gente cae.

Temperatura: por qué a veces es creativa y a veces literal

La temperatura es un ajuste que controla cuánta variedad permite el modelo en sus respuestas. Con temperatura baja, tiende a dar la respuesta más previsible y segura. Con temperatura alta, se arriesga, explora, se vuelve más creativo, y también más propenso a desvariar. No siempre puedes ajustarla tú, pero saber que existe explica por qué la misma pregunta puede dar respuestas distintas en momentos distintos.

El vocabulario de 2026: agentes, multimodalidad y ventana de contexto

El idioma de la IA no está quieto. Cada año incorpora términos nuevos, y estos tres dominan las conversaciones actuales.

Modelos multimodales

Un modelo multimodal trabaja con más de un tipo de información a la vez: texto, imágenes, audio, video. Puedes mostrarle una foto y pedirle que la describa, o darle un audio y pedir un resumen. Hasta hace poco cada capacidad vivía en una herramienta separada; ahora conviven en un mismo sistema.

Ventana de contexto

La ventana de contexto es la cantidad de información que el modelo puede tener “en mente” durante una conversación. Se mide en tokens. Una ventana pequeña obliga a la IA a olvidar lo que dijiste al principio; una ventana grande le permite seguir el hilo de un documento entero. Cuando notas que un chatbot “se pierde” en un intercambio largo, casi siempre es un problema de ventana de contexto.

Agentes de IA

Un agente es un sistema que no solo responde, sino que ejecuta tareas de varios pasos con cierta autonomía: buscar información, usar herramientas, encadenar acciones para cumplir un objetivo. Es el concepto que más discusión genera en 2026, porque marca el salto de “una IA que conversa” a “una IA que actúa”. Referencias como las explicaciones técnicas de IBM sobre modelos de lenguaje ayudan a ver de dónde surge esta evolución sin caer en la exageración de las noticias.

Cómo usar este glosario sin depender de él para siempre

Memorizar definiciones sirve poco. Lo que cambia tu relación con la IA es empezar a reconocer estos términos en su contexto natural: en un artículo, en una reunión, en el discurso de alguien que intenta venderte algo. La próxima vez que leas “este modelo tiene una ventana de contexto más amplia”, sabrás que están hablando de memoria, no de magia.

Una forma práctica de fijar el vocabulario es aplicarlo enseguida. Abre cualquier chatbot y pídele que te explique un tema usando exactamente estos términos. Al obligar a la máquina a hablar su propio idioma contigo, tú lo aprendes por dentro. Y si aún dudas cuál de los principales asistentes te conviene usar, esa comparación te ahorra buena parte de la prueba y error.

Si prefieres saltarte la búsqueda dispersa por internet y tener estos conceptos ordenados, con ejemplos cotidianos y sin jerga que te haga sentir tonto, existe material introductorio pensado justamente para quien empieza desde cero que hace ese trabajo de traducción de principio a fin. No reemplaza la práctica, pero acorta mucho el camino de la confusión a la confianza.

Lo que nadie te dice sobre el lenguaje técnico de la IA

Aquí va la parte que rara vez aparece en las guías, y que considero la más importante.

Buena parte del vocabulario de la IA está contaminado por metáforas humanas que no deberíamos tomar literalmente. Decimos que un modelo “aprende”, “entiende”, “piensa” o “alucina”. Son palabras prestadas de la mente humana, y al usarlas proyectamos sobre la máquina una interioridad que no tiene. Un modelo no entiende en el sentido en que tú entiendes esta frase: reconoce patrones estadísticos y produce continuaciones probables. La palabra “entender” es una comodidad del lenguaje, no una descripción precisa.

Esto no es un juego semántico. Cuando creemos que la IA “entiende”, le atribuimos un juicio que no posee, y bajamos la guardia justo cuando más deberíamos mantenerla. Gran parte del marketing tecnológico se aprovecha de esa confusión: usa verbos humanos para vender capacidades sobrehumanas.

Hay un segundo punto que casi nadie menciona. Algunos términos no nacen de la ciencia, sino del departamento de comunicación. Cada temporada aparece una palabra nueva que promete una revolución, y muchas veces describe algo que ya existía con otro nombre. Aprender el glosario básico de inteligencia artificial también sirve para eso: para distinguir el concepto real del envoltorio publicitario. Quien domina el vocabulario no solo entiende mejor la tecnología. Se vuelve más difícil de engañar.

El primer paso para dejar de sentirte afuera

Entender diez palabras no te convierte en experto, y no es esa la meta. La meta es más modesta y más poderosa: recuperar el derecho a opinar sobre una tecnología que ya está decidiendo cosas por ti. Cuando sabes qué es un token, por qué una IA alucina y qué significa realmente que “aprenda”, dejas de mirar la conversación desde la ventana y entras en la sala.

El vocabulario es la llave, no la casa. Lo que hagas después, cómo uses estas herramientas en tu trabajo, en tu creatividad, en tu vida, depende de ti. Pero ninguna de esas decisiones es libre si no entiendes las palabras con las que se toman. Si quieres construir esa base con calma, apoyarte en una guía que reúne estos términos y sus ejemplos en un solo lugar puede ahorrarte semanas de dar vueltas.

Te dejo una pregunta para que la lleves contigo: ¿cuántas de las decisiones que hoy tomas sobre la IA, usarla o evitarla, confiar o desconfiar, se basan en lo que entiendes de verdad y cuántas en lo que simplemente te contaron?

Preguntas frecuentes

Héctor Nexo

Héctor Nexo es especialista en inteligencia artificial aplicada a negocios digitales. Con experiencia en automatización, marketing con IA y productividad para emprendedores, fundó Portal Digital 21 para ayudar a profesionales y empresas a entender y aprovechar las herramientas de IA que están transformando el mundo digital. Su enfoque es práctico, directo y sin tecnicismos innecesarios.