Glosario de AI: qué significan todos esos términos que escuchas cada día

Cuando se trata de inteligencia artificial, inevitablemente aparecen palabras extrañas: hallucinations, fine-tuning, embeddings, transformer. La gente asiente, pero pocos realmente entienden lo que se quiere decir. Es hora de arreglar eso.

Por qué un vocabulario es necesario ahora

Durante los últimos dos años, la IA ha pasado de círculos técnicos de nicho al espacio principal. Todos hablan sobre ChatGPT, Claude, Gemini — pero la terminología original ha permanecido igual: técnica, confusa, llena de anglicismos. Las personas oyen palabras en podcasts, las ven en artículos, las escuchan en conferencias y en el trabajo, pero realmente no entienden su significado. El problema no es la estupidez humana, sino que la comunidad de IA se ha acostumbrado a hablar su propio idioma, construido sobre décadas de investigación. Es hora de traducir estas ideas al español corriente — no al brillo del marketing, sino a explicaciones reales y funcionales que le ayuden a no parecer confundido en una conversación.

Principales categorías de términos de IA

Todas las palabras de IA se dividen convencionalmente en varios grupos, y cada grupo tiene su propia lógica. Si entiende la lógica de un grupo, los términos restantes encajarán orgánicamente.

Modelos y arquitecturas — estos son conceptos fundamentales sobre cómo se estructura la red neuronal: transformer, diffusion model, large language model (LLM), convolutional neural network. Es como los estilos arquitectónicos de un edificio — cada uno determina cómo se organizará todo lo demás.

Entrenamiento y adaptación — procesos por los que pasa un modelo para aprender: fine-tuning, prompt engineering, reinforcement learning, backpropagation. Es como un sistema de ejercicios para un atleta — determina qué habilidades adquirirá el modelo.

Problemas y limitaciones — esto es lo que realmente encuentran los desarrolladores y usuarios: hallucination, bias, alignment, overfitting, mode collapse. Es como enfermedades que puede tener un sistema, y deben tenerse en cuenta.

De hallucinations a prompt engineering

Tomemos cinco de las palabras más importantes y frecuentemente utilizadas:

• Hallucinations — cuando la IA genera información que no existe en los datos de entrenamiento. Inventa enlaces, citas, números que no estaban allí. Suena como fantasías místicas, pero en realidad es un error en la predicción de texto.

• Fine-tuning — entrenamiento adicional de un modelo ya construido con datos especializados. Es como si tomara un libro de texto ya hecho y lo adaptara para una escuela específica.

• Embeddings — transformar palabras o texto en vectores matemáticos que el modelo entiende. Es traducir el lenguaje humano al lenguaje de los números.

• Transformer — la arquitectura de red subyacente a todos los LLMs modernos (GPT, Claude, Llama). Fue un avance en 2017 que cambió todo el mundo de la IA.

• Prompt engineering — el arte de formular correctamente una tarea para que la IA obtenga el resultado deseado. No solo un comando, sino un comando que funciona.

Por qué importa esto

Un vocabulario no es solo una guía de referencia. Es un pase al mundo de conversaciones serias sobre IA. Cuando entiende que hallucination es un error específico y explicable en cómo funciona un modelo, las conversas se vuelven completamente diferentes. Ya no asiente ciegamente en conferencias, sino que hace las preguntas correctas. En el trabajo, no solo está escuchando a colegas, sino participando en la discusión. Entender la terminología es el primer paso para entender qué puede y no puede hacer la IA, por qué funciona y por qué a veces se rompe.