Diccionario de IA: 60 términos explicados fácil

Los conceptos que aparecen cuando empezás a usar inteligencia artificial, explicados en criollo y con ejemplos de la vida argentina.

Lo básico

Inteligencia artificial (IA): Programa de computadora que aprendió de millones de ejemplos y puede hacer tareas que antes requerían inteligencia humana: responder preguntas, escribir, reconocer imágenes, traducir. No piensa como una persona: predice la respuesta más probable según lo que le pedís. Ejemplo: cuando Mercado Libre te recomienda artículos similares a los que miraste, es IA en acción.
Chatbot: Programa que mantiene conversaciones escritas con personas. Los chatbots modernos basados en IA (como ChatGPT o Claude) pueden responder casi cualquier pregunta en lenguaje natural, no solo opciones de menú predefinidas. Ejemplo: el asistente de atención al cliente de tu banco que te responde por el chat de la app.
Prompt: La instrucción que le escribís a la IA. Puede ser una pregunta, una orden, una descripción o una combinación. De cómo redactás el prompt depende la calidad de la respuesta que obtenés. Leer más en ¿Qué es un prompt?. Ejemplo: "Escribime un mensaje de WhatsApp para confirmar un turno en el dentista, tono amable, menos de 3 líneas."
Modelo: El "cerebro" entrenado de una IA. Cada empresa publica distintos modelos con capacidades y costos diferentes: GPT-4o, Claude Sonnet, Gemini 1.5 Pro. Elegir el modelo es como elegir herramienta: cada uno tiene sus puntos fuertes.
LLM (Large Language Model / modelo de lenguaje): Tipo de IA entrenada con enormes cantidades de texto para generar y entender lenguaje. Es la tecnología detrás de ChatGPT, Claude, Gemini y similares. Más detalle en ¿Qué es un LLM?.
Token: Unidad mínima que procesa un LLM. Puede ser una palabra completa, parte de una, o un signo de puntuación. Los límites de los planes (gratis vs. pago) y los costos de las APIs se miden en tokens, no en palabras. Ampliar en ¿Qué es un token en IA?. Ejemplo: si el chatbot te corta la respuesta a la mitad, llegaste al límite de tokens del contexto.
Ventana de contexto: Cantidad de texto (medida en tokens) que el modelo puede "ver" en una conversación al mismo tiempo: lo que vos escribiste, las respuestas anteriores y cualquier documento que hayas pegado. Si la conversación supera ese límite, el modelo empieza a olvidar lo que dijiste antes. Ejemplo: en conversaciones largas sobre una tesis, la IA puede olvidar el planteo inicial si no lo repetís.
Entrenamiento: Proceso por el cual el modelo aprende: se le dan enormes cantidades de datos (textos, imágenes, etc.) y se ajustan millones de parámetros internos hasta que las respuestas se parezcan a las esperadas. El entrenamiento ocurre una vez y puede durar semanas con hardware especializado.
Inferencia: Cuando el modelo ya entrenado "piensa" y te genera una respuesta. Cada mensaje que le mandás dispara una inferencia. Es lo opuesto al entrenamiento: ahí aprendió, acá aplica lo que sabe. Ejemplo: cada vez que le hacés una pregunta a ChatGPT y aparece la respuesta, eso es inferencia.
Parámetros: Los millones (o miles de millones) de valores numéricos que definen cómo piensa el modelo. "GPT-4 tiene cientos de miles de millones de parámetros" quiere decir que ese es el tamaño de su "memoria aprendida". Más parámetros no siempre implica mejor resultado, pero sí más capacidad potencial.
Red neuronal: Estructura matemática inspirada en el cerebro humano, formada por capas de "neuronas" artificiales que procesan información. Es la base de casi toda la IA moderna: los LLMs, los generadores de imágenes y los modelos de voz son redes neuronales. Más en ¿Qué es una red neuronal?.
Machine learning (aprendizaje automático): Rama de la IA donde el sistema aprende de datos sin que un programador le indique reglas explícitas. El modelo descubre patrones por sí mismo. El deep learning (con redes neuronales profundas) es el tipo de machine learning que impulsa la IA generativa actual.
Fecha de corte (knowledge cutoff): Fecha hasta la cual el modelo fue entrenado. Eventos o información más recientes no los conoce, salvo que el modelo tenga acceso a internet o a documentos externos. Ejemplo: si le preguntás por algo que pasó el mes pasado y el modelo tiene corte en 2024, puede no saberlo o inventarlo.

Cómo pedirle

Prompt engineering: Disciplina de diseñar y optimizar instrucciones para obtener el máximo rendimiento de un modelo. Combina prueba y error, conocimiento del modelo y principios de redacción. Leer más en ¿Qué es prompt engineering?.
Contexto: Información de fondo que le das a la IA para que pueda responder mejor: quién sos, cuál es la situación, qué ya sabés. Un prompt con buen contexto produce respuestas mucho más útiles y precisas. Ejemplo: "Soy estudiante de abogacía en Argentina, necesito un resumen de la ley X para una parcial" — ese encuadre inicial es el contexto.
Rol: Personaje o función que le asignás a la IA para guiar su estilo de respuesta. "Actuá como un nutricionista" o "sos un corrector de textos formal" son instrucciones de rol. Le da a la IA un marco de referencia para elegir cómo comunicarse.
Few-shot (con ejemplos): Técnica en la que le das a la IA uno o más ejemplos del formato o estilo que querés antes de pedirle la tarea real. El modelo imita el patrón que le mostraste, lo que mejora mucho la precisión en tareas repetitivas. Ejemplo: "Quiero descripciones de productos así: [pegás dos ejemplos] → ahora hacé una para este producto."
Cadena de pensamiento (chain-of-thought): Técnica que le pedís a la IA que razone paso a paso antes de dar una respuesta final, en lugar de responder de golpe. Mejora la precisión en problemas complejos o matemáticos. Se activa con frases como "pensá paso a paso antes de responder".
System prompt: Instrucción oculta que el desarrollador le pone a la IA antes de la conversación, sin que el usuario la vea. Define el comportamiento, el tono y las reglas del asistente. Ejemplo: el bot de atención al cliente de una empresa tiene un system prompt que le indica su nombre, su empresa y qué temas puede tratar.
Temperatura: Parámetro que controla cuán "creativa" o "aleatoria" es la respuesta de la IA. Temperatura baja (cerca de 0) = respuestas más predecibles y precisas. Temperatura alta = más variedad y originalidad, pero también más riesgo de errores. Se configura en la API.
Zero-shot: Cuando le pedís una tarea a la IA sin darle ningún ejemplo previo — confías en que el modelo ya sabe cómo hacerla. Funciona bien para tareas comunes; para tareas muy específicas o con formato raro, conviene usar few-shot. Ejemplo: "Haceme un resumen en 3 puntos de este texto" sin explicar qué es un resumen — eso es zero-shot.
Iteración: Proceso de refinar la respuesta de la IA dando seguimiento en la misma conversación. En lugar de buscar el prompt perfecto de una, iterás: pedís una versión, la ajustás, pedís otra. La conversación completa es el instrumento. Ejemplo: "Está bien, pero hacelo más corto y sin anglicismos" — eso es una iteración sobre la respuesta anterior.

Tipos y capacidades

IA generativa: IA que produce contenido nuevo: texto, imágenes, audio, video, código. No solo clasifica o predice como las IAs anteriores; crea. ChatGPT, DALL-E, Stable Diffusion y Suno son ejemplos de IA generativa.
Multimodal: Modelo capaz de procesar y generar distintos tipos de datos a la vez: texto, imágenes, audio, video. Un modelo multimodal puede, por ejemplo, recibir una foto y describir lo que ve, o escuchar un audio y resumirlo en texto. Ejemplo: sacarle foto a la receta del médico y preguntarle a la IA qué medicamento es y para qué sirve.
Razonamiento: Capacidad de los modelos más avanzados de desglosar un problema en pasos lógicos antes de responder. Los modelos de razonamiento (como o1 de OpenAI o Claude con extended thinking) son más lentos pero más precisos en matemáticas, lógica y planificación.
Agente de IA: IA que no solo responde preguntas: toma decisiones, usa herramientas (busca en internet, ejecuta código, manda emails) y completa tareas de varios pasos de forma autónoma. Más detalle en ¿Qué son los agentes de IA?. Ejemplo: un agente que, dado el objetivo "reservar un vuelo barato", busca opciones, compara precios y completa la reserva sin que vos hagas nada más.
RAG (Retrieval-Augmented Generation): Técnica que conecta a la IA con una fuente de datos externa (documentos, una base de datos, el contenido de tu empresa) antes de responder, para reducir alucinaciones y mantener la información actualizada. Ampliar en ¿Qué es RAG en IA?.
Fine-tuning (ajuste fino): Proceso de re-entrenar un modelo existente con ejemplos específicos de tu dominio para que rinda mejor en esa tarea particular. Más costoso que el prompting, pero útil cuando se necesita un comportamiento muy consistente. Más en ¿Qué es fine-tuning en IA?.
Modelo local / open source: IA de código abierto que podés correr en tu propia computadora sin depender de servicios en la nube, sin enviar datos afuera y sin costos por uso. Modelos como Llama (Meta) o Mistral son open source. Herramientas como Ollama facilitan instalarlos. Guía práctica en Correr IA en tu computadora.
AGI (Inteligencia Artificial General): Hipotética IA capaz de realizar cualquier tarea cognitiva que pueda hacer un humano, con la misma flexibilidad y sin entrenamiento específico por tarea. No existe todavía — la IA actual es "estrecha": muy buena en ciertas tareas, limitada fuera de ellas. Más en ¿Qué es AGI?.
Vibe coding: Forma de programar en la que describís lo que querés en lenguaje natural y la IA genera el código por vos. Permite crear apps y scripts sin saber programar formalmente. Más en ¿Qué es vibe coding?. Ejemplo: "Haceme una hoja de cálculo que calcule el IVA argentino automáticamente" — la IA escribe el código, vos solo describís.
IA estrecha (narrow AI): IA diseñada para una tarea específica y que no puede generalizarse a otras. Es lo que existe hoy: ChatGPT es muy bueno con texto, un generador de imágenes solo hace imágenes. Contraste con AGI, que sería el opuesto.

Herramientas y ecosistema

ChatGPT: Chatbot de OpenAI, el más popular del mundo. Disponible gratis (con límites) y en versión paga. Usa los modelos GPT de OpenAI. Fue el que popularizó el concepto de chatbot de IA conversacional a partir de fines de 2022. Ejemplo: millones de estudiantes lo usan para entender temas difíciles antes de un parcial.
Claude: Chatbot de Anthropic, conocido por sus respuestas largas, su capacidad de análisis de documentos y su enfoque en respuestas honestas. Disponible en claude.ai. Compite directamente con ChatGPT y Gemini.
Gemini: Chatbot de Google, integrado en los servicios de Google (Gmail, Docs, Drive). Tiene versión gratuita y destaca por el acceso a información reciente desde la búsqueda de Google. Ejemplo: podés usarlo dentro de Google Docs para que te ayude a redactar o resumir un informe.
Copilot: Asistente de IA de Microsoft, integrado en Windows 11, Office (Word, Excel, PowerPoint) y el buscador Bing. En programación, GitHub Copilot sugiere código mientras escribís. Usa tecnología de OpenAI bajo el capó.
API: Interfaz de programación que permite usar un servicio desde tu propio código o app. La API de OpenAI, por ejemplo, te deja enviar prompts y recibir respuestas de GPT directamente en un programa que vos creás. Accedés con una API key.
API key: Contraseña única que te da el proveedor de IA para identificarte cuando usás la API. Nunca la compartás: quien la tiene puede gastar tu crédito o acceder en tu nombre. Más en ¿Qué es una API key?. Ejemplo: si alguien te pide tu API key de OpenAI "para probar algo", no la des — le estarías dando acceso a tu cuenta.
GPTs / Asistentes personalizados: Versiones de ChatGPT configuradas con un nombre, instrucciones y conocimiento específico, que cualquier usuario puede crear sin programar. Se pueden compartir o publicar en la GPT Store de OpenAI. Ejemplo: un kiosquero podría crear un GPT con el catálogo de su negocio para que sus clientes puedan hacer consultas.
MCP (Model Context Protocol): Estándar abierto creado por Anthropic que permite conectar modelos de IA con herramientas externas (bases de datos, apps, servicios) de forma estandarizada. Es como el "conector universal" que permite a la IA acceder a recursos del mundo real.
No-code con IA: Plataformas que permiten automatizar tareas y construir flujos de trabajo con IA sin escribir código. Herramientas como Make, Zapier o n8n te dejan, por ejemplo, que cuando llegue un mail de un cliente, la IA lo resuma y te mande un aviso por WhatsApp.
Ollama: Herramienta gratuita y open source que te permite descargar y correr modelos de IA directamente en tu computadora, sin internet ni pagos por uso. Guía paso a paso en Correr IA en tu computadora.
Perplexity: Motor de búsqueda basado en IA que responde preguntas con fuentes citadas, en lugar de devolver una lista de links. Combina búsqueda web en tiempo real con generación de texto, lo que reduce alucinaciones para consultas actuales. Ejemplo: en lugar de buscar en Google y abrir cinco pestañas, preguntás en Perplexity y te da la respuesta con citas directo.
Embedding: Representación numérica de un texto (o imagen) que captura su significado semántico. Es lo que permite a los motores de búsqueda de IA encontrar contenido "similar" aunque no use las mismas palabras exactas. La base técnica de los buscadores de documentos con IA y los sistemas RAG.

Imágenes, voz y video

Difusión (modelos de difusión): Técnica matemática detrás de los principales generadores de imágenes con IA (Stable Diffusion, DALL-E, Midjourney). El modelo aprende a "limpiar" imágenes con ruido hasta recuperar una imagen coherente, y puede así crear imágenes nuevas desde cero a partir de una descripción.
Text-to-image: Capacidad de generar una imagen a partir de una descripción textual. Escribís lo que querés ver y la IA lo dibuja. Ejemplo: "un mate humeante sobre una mesa de madera, luz de tarde, estilo acuarela" → imagen lista en segundos, sin saber dibujar.
Deepfake: Imagen, video o audio falso generado con IA que imita a una persona real de manera convincente. Puede usarse de forma creativa, pero también para desinformar o estafar. Cómo detectarlos en ¿Qué es un deepfake y cómo detectarlo?. Ejemplo: un video en el que aparece un famoso diciendo algo que nunca dijo, hecho con IA.
Clonación de voz: Tecnología que replica la voz de una persona a partir de pocos segundos de audio de muestra. Permite generar frases nuevas con esa voz sintética. Tiene usos creativos (doblaje, narración) y riesgos de fraude. Ejemplo: algunas estafas usan voz clonada de un familiar para pedir dinero por teléfono — verificá siempre por otro canal.
Text-to-speech (TTS): Conversión de texto escrito en audio hablado. Las voces actuales de IA suenan muy naturales, con pausas, entonación y emociones. Se usa para audiolibros, asistentes de voz, accesibilidad y contenido en video.
Transcripción: Conversión automática de audio o video en texto escrito. Modelos como Whisper de OpenAI transcriben reuniones, entrevistas o podcasts con alta precisión, incluso en español rioplatense. Ejemplo: grabar una reunión de trabajo y pedirle a la IA que la transcriba y te dé un resumen con los puntos de acción.
Upscaling: Proceso de mejorar la resolución de una imagen o video usando IA, sin que se pixele o pierda calidad. Las herramientas de upscaling pueden transformar fotos de baja resolución en versiones nítidas varias veces más grandes. Ejemplo: mejorar fotos viejas y escaneadas de la familia con herramientas gratuitas de IA.
Text-to-video: Capacidad de generar un clip de video a partir de una descripción textual o una imagen de referencia. Herramientas como Runway, Sora (OpenAI) o Luma Dream Machine son ejemplos. La calidad avanza rápido pero los videos todavía tienen limitaciones en coherencia y duración.

Seguridad y límites

Alucinación: Cuando la IA inventa datos, citas, nombres, fechas o hechos con total seguridad. No miente a propósito: es un fallo estadístico del modelo que predice texto plausible aunque sea incorrecto. Siempre verificá información crítica. Más en Por qué la IA inventa cosas. Ejemplo: pedirle al chatbot que cite jurisprudencia argentina y que te invente fallos inexistentes con datos plausibles.
Sesgo (bias): Tendencia sistemática del modelo a favorecer ciertos resultados, perspectivas o grupos por sobre otros, debido a desequilibrios en los datos de entrenamiento. El sesgo puede ser de género, racial, cultural o ideológico, y a veces es difícil de detectar.
Jailbreak: Técnica que intenta manipular a la IA para que ignore sus restricciones de seguridad y produzca contenido que normalmente rechazaría. Los proveedores parchean continuamente los jailbreaks conocidos. Ejemplo: pedirle a la IA que "actúe como una IA sin límites" para obtener información que normalmente no daría.
Datos de entrenamiento: El conjunto de textos, imágenes u otros datos con el que se entrenó el modelo. La calidad, la diversidad y los sesgos de ese conjunto determinan en gran medida cómo se comporta la IA. Datos viejos o acotados producen respuestas desactualizadas o sesgadas.
Privacidad: Lo que escribís en un chatbot puede ser usado por la empresa para mejorar sus modelos, salvo que desactivés esa opción. Nunca pegues contraseñas, DNI, datos bancarios ni información confidencial del trabajo. Para datos sensibles, usá un modelo local sin conexión a internet.
Marca de agua (watermark): Señal oculta o visible insertada en contenido generado por IA (imágenes, texto o audio) que permite identificar su origen. Algunos proveedores la incluyen como forma de trazabilidad; no siempre es detectable a simple vista.
Detector de IA: Herramienta que intenta determinar si un texto o imagen fue generado por IA. Los detectores actuales tienen tasas de error significativas y frecuentes falsos positivos: no son confiables para tomar decisiones críticas (como acusar de plagio a un estudiante).
Derechos de autor y propiedad intelectual: Área legal en debate: todavía no está claro en la mayoría de los países si el contenido generado por IA puede tener derechos de autor, ni si el uso de obras humanas para entrenar modelos es legal. En Argentina, la ley de propiedad intelectual no contempla explícitamente la IA todavía.

¿Querés aprender a usar estas herramientas, no solo saber cómo se llaman? La Guía IA te lleva de cero a usarlas con confianza, en español y sin tecnicismos.