( Contacto )
Glosario
IA aplicada, explicada sin humo
Definiciones directas de los conceptos que usamos a diario para construir producto con inteligencia artificial. Escrito por quienes lo llevan a produccion, no por un generador de contenido.
Fundamentos
- Agente de IAUn agente de IA es un sistema que usa un modelo de lenguaje para razonar, decidir y ejecutar acciones (usar herramientas, consultar datos, llamar APIs) de forma autonoma hasta cumplir un objetivo, no solo para responder texto.
- RAG (Retrieval-Augmented Generation)RAG conecta un modelo de lenguaje a una fuente de datos externa (tus documentos, tu base de datos) para que responda con informacion concreta y verificable, en vez de solo con lo que memorizo durante el entrenamiento.
- Fine-tuning (ajuste fino)El fine-tuning es reentrenar un modelo ya existente con tus propios ejemplos para que adopte un estilo, un formato o un comportamiento concreto de forma consistente.
- Vision por computadorLa vision por computador es el campo de la IA que permite a las maquinas interpretar imagenes y video: detectar y clasificar objetos, leer texto, medir o comparar, y actuar en consecuencia.
- LLM (modelo de lenguaje grande)Un LLM (modelo de lenguaje grande) es un modelo de IA entrenado con enormes cantidades de texto para predecir y generar lenguaje. Es la tecnologia que hay detras de ChatGPT, Claude y Gemini.
- Prompt engineering (ingenieria de prompts)El prompt engineering es la practica de redactar las instrucciones que le das a un modelo de lenguaje para obtener el resultado que buscas de forma fiable y repetible.
Integracion de IA
- MCP (Model Context Protocol)El MCP (Model Context Protocol) es un estandar abierto que conecta asistentes de IA como ChatGPT, Claude o Gemini con datos y herramientas externas. Publicar un servidor MCP hace que esos asistentes puedan consultar tu negocio directamente.
- Automatizacion de procesos con IAAutomatizar un proceso con IA es delegar a software las tareas repetitivas de un flujo de trabajo, usando modelos de lenguaje para las partes que antes exigian criterio humano: leer un correo, entender una solicitud o redactar una respuesta.
- Base de datos vectorialUna base de datos vectorial guarda texto y otros datos como vectores numericos (embeddings) para poder buscar por significado, no por palabras exactas. Es la pieza que hace posible el RAG a escala.