Respuesta rápida
Este glosario define los 26 términos de IA que aparecen con más frecuencia en ofertas de empleo, artículos de prensa y reuniones de dirección en España en 2026. Cada definición ocupa menos de 60 palabras. Está agrupado por uso real — conceptos base, cómo se le habla, memoria y herramientas, integración, modelos por nombre — para que el mapa conceptual se construya leyendo, no memorizando.
Hay glosarios de IA que parecen tesis doctorales. Y hay otros que parecen folletos.
Este es para profesionales que se topan con un término — en una oferta, en un artículo, en una reunión — y quieren entenderlo en treinta segundos sin abrir un curso. Criterio de selección: si lo lees en una oferta de trabajo o en un artículo de tu sector, entra. Si solo lo usa un ingeniero de machine learning, no.
26 términos, agrupados por uso real. La ruta de aprendizaje completa está en aprender IA desde cero.
¿Qué conceptos base de IA hay que conocer?
Siete términos que aparecen en casi cualquier conversación profesional sobre IA. Sin ellos, el resto del glosario no se ancla.
IA generativa
Software que produce contenido nuevo — texto, imagen, audio, código — en respuesta a una instrucción en lenguaje natural. Se distingue de la IA tradicional, que clasifica o predice sobre datos existentes en lugar de generar nuevos. El uso profesional típico en 2026: borradores, resúmenes, análisis preliminar. La explicación larga vive en qué es la IA generativa y cómo funciona.
Modelo
El programa entrenado que produce respuestas. GPT, Claude o Gemini son nombres comerciales de familias de modelos. Cada modelo tiene tamaño, ventana de contexto y especialidad propios. Cuando una oferta de empleo pide "experiencia con modelos de IA", se refiere a saber elegir el adecuado para cada tarea y conocer sus límites — no a entrenarlo.
LLM (Large Language Model)
Modelo de lenguaje grande, entrenado sobre miles de millones de palabras para predecir el siguiente fragmento de texto. Es el motor que hay debajo de ChatGPT, Claude o Gemini. La diferencia exacta entre LLM, IA y chatbot se desarrolla en diferencia entre LLM, IA y chatbot — útil cuando uses los tres términos en la misma frase.
Multimodal
Capacidad de un modelo de procesar varios tipos de entrada — texto, imagen, audio, vídeo — y a veces producirlos. GPT-5, Claude 4 y Gemini 2.5 son multimodales. Si subes una factura en PDF y el modelo extrae los datos, esa capacidad es multimodal. Hace cinco años necesitabas tres herramientas distintas para esa misma tarea.
Inferencia
Cada vez que el modelo genera una respuesta, hace una inferencia. Es el momento de ejecución, no de entrenamiento. Cuando alguien habla de "coste por inferencia", se refiere a cuánto cuesta cada respuesta generada. En productos pagados, este coste se factura por millón de tokens — relevante si planeas integrar un modelo en un workflow con volumen alto.
Alucinación
Respuesta que el modelo presenta como cierta y no lo es: una cita inventada, un dato falso, un nombre incorrecto. Ocurre por cómo funcionan los LLM — predicen el siguiente fragmento plausible, no consultan una base de datos. La regla profesional: verificar siempre datos críticos antes de usarlos. No es un fallo del modelo; es su naturaleza.
Sesgo
Inclinación sistemática del modelo hacia ciertas respuestas por cómo fue entrenado. Aparece en recomendaciones de contratación, análisis de candidatos, redacción de informes. Si un modelo entrenado con datos sesgados se usa en RRHH o finanzas sin supervisión humana, el sesgo se traslada a decisiones reales con consecuencias legales. Por eso criterio humano sobre el output no es opcional.
¿Cómo se le habla a una IA?
Cuatro términos que cubren la mecánica de la conversación. La buena noticia: aquí mandas tú, no el modelo.
Prompt
La instrucción que le das al modelo. Puede ser una pregunta, una orden, o un texto largo con contexto y ejemplos. La calidad del prompt determina la calidad de la respuesta más que el modelo elegido en la mayoría de tareas profesionales. Un prompt bien estructurado tiene rol, contexto, instrucción concreta y formato de salida.
Token
Unidad mínima en la que el modelo divide el texto. Aproximadamente cuatro caracteres o tres cuartos de una palabra en español. Importa por dos razones: los modelos se facturan por tokens (entrada + salida), y la ventana de contexto se mide en tokens. "La casa azul" son unos seis tokens. Un PDF de cien páginas, unos 50.000.
Contexto / ventana de contexto
Cantidad máxima de texto — medida en tokens — que el modelo puede leer y recordar en una conversación. GPT-5 y Claude 4 manejan cientos de miles de tokens, equivalentes a 300-500 páginas. Si superas la ventana, el modelo "olvida" lo primero que dijiste. La ventana se ha multiplicado por cien en tres años.
Prompt engineering
Práctica de escribir instrucciones bien estructuradas: definir rol, dar ejemplos, fijar el formato de salida, encadenar pasos. No es programación. Es saber pedir las cosas con precisión, como un buen brief a un proveedor. La diferencia entre un prompt amateur y uno profesional puede ser del 50% en calidad de respuesta — sin cambiar de modelo.
¿Cómo se le da memoria y herramientas?
Seis términos que cubren cómo la IA pasa de responder texto a hacer cosas. Es donde más cambia el mercado profesional en 2026.
Embeddings
Forma matemática de representar texto, imagen o audio como un vector de números que captura su significado. Es lo que permite que un sistema RAG encuentre el documento más parecido a tu pregunta. Trabajas con ellos sin verlos: las búsquedas inteligentes y los chatbots con memoria los usan por debajo. Un embedding es la huella digital de un texto.
RAG (Retrieval-Augmented Generation)
Patrón técnico para que un modelo responda usando documentos tuyos — contratos, manuales, transcripciones — en lugar de solo lo que aprendió en el entrenamiento. Es lo que hay detrás de "ChatGPT con mis documentos" en cualquier herramienta empresarial. Útil cuando necesitas respuestas basadas en información propia, no genérica. Es la integración más demandada en ofertas técnicas 2026.
Fine-tuning
Entrenar un modelo base con datos específicos para que responda mejor en un dominio: jerga jurídica, tono de marca, formato de informes. Coste y complejidad altos comparado con un buen prompt o RAG. En 2026, el 90% de los casos profesionales se resuelven sin fine-tuning. Cuando una oferta lo pide, asume que el equipo ya descartó las alternativas más baratas.
Herramienta (tool use, function calling)
Capacidad del modelo de llamar a funciones externas — enviar un correo, consultar un CRM, hacer una búsqueda web, leer una hoja de cálculo — durante su respuesta. Es lo que convierte un asistente en agente. Los modelos comerciales actuales soportan tool use de forma estándar; lo que cambia es qué herramientas pones a su disposición.
Agente de IA
Modelo con memoria, herramientas y un bucle que le permite planificar y ejecutar pasos sin pedirte permiso a cada uno. La diferencia con ChatGPT: el agente actúa por iniciativa propia. Para qué sirve en distintos oficios y cuándo NO usarlos: para qué sirve un agente de IA en el trabajo.
MCP (Model Context Protocol)
Estándar abierto, publicado por Anthropic en 2024, que permite a los modelos conectarse a herramientas y datos externos de forma unificada. Pensable como el "USB-C de la IA": una vez que un sistema habla MCP, cualquier modelo compatible puede usarlo sin integración custom. En 2026 lo soportan Claude, GPT, y la mayoría de plataformas no-code.
¿Dónde corre y cómo se integra en tu trabajo?
Cinco términos que cubren la capa de integración. Aparecen en cualquier oferta que diga "implantar IA" o "automatizar procesos".
API (Application Programming Interface)
Forma estándar de pedirle algo a un servicio mediante código. Cuando dices "uso la API de Claude" significa que tu programa habla con Claude directamente, sin pasar por la interfaz web. Permite construir productos y agentes sobre los modelos. La existencia de APIs estables permite que cualquier herramienta de tu trabajo incorpore IA sin que cambies de proveedor.
no-code
Construir aplicaciones, flujos o agentes sin escribir código, usando interfaces visuales. Make, n8n, Zapier o Bubble son no-code. La mayoría de automatizaciones profesionales se construyen así en 2026 — la complejidad técnica baja y la importancia del criterio sobre qué automatizar sube. No es "para no expertos"; es para profesionales que prefieren resolver problemas a programar.
Automatización
Hacer que un proceso se ejecute solo. Antes de la IA era reglas fijas: "si llega correo de X, mover a carpeta Y". Con IA, la automatización maneja casos ambiguos: clasificar correos por intención, priorizar leads por contexto, redactar respuestas iniciales. La diferencia clave: la automatización clásica falla cuando aparece lo imprevisto; la automatización con IA suele degradar con elegancia.
Workflow
Secuencia de pasos que componen un proceso. En herramientas no-code (Make, n8n) un workflow es un diagrama con nodos: disparador, acción, condición, salida. Cada agente o automatización es, técnicamente, un workflow. Cuando una oferta menciona "diseño de workflows con IA", se refiere a saber descomponer un proceso de tu oficio en pasos automatizables.
Copilot
Nombre comercial de Microsoft para sus asistentes de IA integrados en Office, Windows y Teams. También se usa en sentido genérico para cualquier asistente acoplado a una herramienta (GitHub Copilot, Cursor). Pista útil: si una oferta menciona "Copilot" sin más contexto, casi siempre se refiere al de Microsoft. Si dice "GitHub Copilot", se refiere al asistente de programación.
¿Qué modelos verás por nombre propio?
Cuatro nombres que aparecen en titulares y ofertas. Saber qué hay detrás te ahorra tiempo en cualquier comparativa.
GPT
Familia de modelos de OpenAI. ChatGPT es el producto consumidor; GPT-5 es el modelo de 2026. Domina en herramientas de Microsoft (Copilot) y tiene una de las cuotas más altas del mercado profesional español. Se accede por chatgpt.com, por API, o vía integraciones (Copilot, Notion AI, Slack AI). Cuando una oferta menciona "GPT" sin más, asume GPT-4o o GPT-5.
Claude
Familia de modelos de Anthropic. Versión actual en 2026: Claude 4. Reconocido por redacción cuidada, análisis de documentos largos y razonamiento. Accesible por claude.ai, API, y a través de Amazon Bedrock o Google Vertex. Es el modelo detrás de un porcentaje creciente de herramientas profesionales europeas — especialmente en sectores que exigen tono y precisión sobre velocidad.
Gemini
Familia de modelos de Google. Versión actual: Gemini 2.5. Integrado nativamente en Google Workspace (Docs, Sheets, Gmail) y en Android. Útil cuando ya trabajas en el ecosistema Google y quieres que la IA aparezca donde ya estás. Multimodal con énfasis especial en vídeo e imagen — diferencia técnica relevante si tu oficio está en audiovisual.
Perplexity
Buscador conversacional construido sobre varios modelos (GPT, Claude, modelos propios). Combina búsqueda web en tiempo real con respuestas generadas por IA y citas a las fuentes. Útil cuando necesitas información actualizada con referencias verificables, no solo conocimiento pre-entrenado. Cada vez más mencionado en flujos de investigación profesional — periodismo, consultoría, ventas B2B con prospección.
Este glosario es referencia, no curso. Si quieres saber por dónde empezar a aplicar IA en tu oficio en lugar de memorizar términos, empieza por el assessment de 10 minutos — recomendación por vertical, sin correo. Lo importante es saber qué delegar, no aprender todo el vocabulario.
Quiénes somos: conoce humAIns..
Preguntas frecuentes
¿Qué significa "experiencia con IA" en una oferta de trabajo?
En 2026 significa, en orden de exigencia: (1) saber usar ChatGPT, Claude o Gemini para tareas reales de tu oficio, (2) entender qué es un prompt bien hecho y cómo se mide el output, (3) en algunas ofertas senior, haber integrado IA en al menos un workflow propio. Casi nunca significa programar modelos. Si la oferta es para perfil no técnico, asumen el nivel 1-2.
¿Necesito saber inglés para entender los términos de IA?
Para entenderlos en español, no — este glosario y la mayoría de la documentación de Claude, GPT y Gemini ya están traducidas o son explicables sin inglés. Para leer la fuente técnica original (papers, changelogs, repositorios), sí ayuda mucho. La regla práctica: empieza en español, pasa al inglés cuando una herramienta concreta no tenga docs traducidas todavía.
¿Cuál es la diferencia entre IA, LLM, modelo y chatbot?
IA es el campo entero. Un modelo es un programa entrenado que produce respuestas. Un LLM es un tipo concreto de modelo, especializado en texto a gran escala. Un chatbot es una interfaz que envuelve un modelo para conversar. ChatGPT es un chatbot que usa modelos GPT, que son LLMs, que son IA. La pieza diferencia entre LLM, IA y chatbot lo desarrolla con ejemplos.
¿Qué términos debo aprender primero si soy de marketing, RRHH o finanzas?
Los seis que aparecen casi cada semana: prompt, contexto, alucinación, agente de IA, automatización, RAG. Con esos seis entiendes el 80% de los artículos profesionales y de las descripciones de herramientas. El resto se aprende en cuanto la tarea concreta lo pida — no merece la pena memorizar el glosario completo si no vas a usar los términos en los próximos 30 días.
¿Cómo se mantiene actualizado este glosario?
Revisión trimestral por el equipo editorial de humAIns. Añadimos términos que aparecen al menos tres veces en ofertas de empleo o artículos profesionales españoles del trimestre, y retiramos los que dejen de circular. Si echas en falta un término, escríbenos — el glosario lo mejora la comunidad profesional, no un modelo entrenado.
Este glosario forma parte del cluster Pilar 1 de humAIns. — Fundamentos IA. Para la ruta de aprendizaje completa, empieza por la guía honesta para aprender IA desde cero.