# Glosario de IA: los términos clave explicados en criollo

> La inteligencia artificial vino con su propio diccionario, y muchas veces las palabras asustan más que los conceptos. Armamos este glosario para que tengas a mano las definiciones que aparecen todo el tiempo, explicadas en criollo y con la profundidad justa. Cada término enlaza, cuando corresponde, al artículo de la serie IA por dentro donde…

- Canonical: [https://blog.floe.com.ar/glosario-de-ia-terminos-clave/](https://blog.floe.com.ar/glosario-de-ia-terminos-clave/)

- Author: Juan Cufré

- Published: 2026-07-13T11:00:00+00:00

- Modified: 2026-07-14T19:52:49+00:00

La inteligencia artificial vino con su propio diccionario, y muchas veces las palabras asustan más que los conceptos. Armamos este glosario para que tengas a mano las definiciones que aparecen todo el tiempo, explicadas en criollo y con la profundidad justa. Cada término enlaza, cuando corresponde, al artículo de la serie IA por dentro donde lo desarrollamos en detalle. Guardátelo como referencia.

### A

**Agente de IA.** Un modelo que además de responder planifica pasos, decide qué herramientas usar y ejecuta acciones para cumplir un objetivo. Encadena decisiones en un loop hasta terminar la tarea.

**AISO / GEO.** Optimización de tu presencia para buscadores con IA (AI Search Optimization o Generative Engine Optimization). Es el trabajo de lograr que un modelo te encuentre, te entienda, confíe en vos y te recomiende. Lo trabajamos en [cómo la IA entiende tu contenido](https://blog.floe.com.ar/la-ia-te-entiende-contenido-y-semantica-para-que-la-ia-te-recomiende/).

**Alucinación.** Cuando el modelo genera información falsa con tono seguro. Ocurre porque optimiza texto plausible y la verdad factual es un subproducto. Lo explicamos en [por qué la IA alucina](https://blog.floe.com.ar/por-que-la-ia-alucina-inferencia-ventana-de-contexto-y-temperatura/).

**Atención (attention).** Mecanismo que permite al modelo pesar qué partes de la entrada importan para cada palabra que produce. Es el corazón del Transformer, tema de [atención y Transformers](https://blog.floe.com.ar/atencion-y-transformers-la-arquitectura-que-hizo-posible-la-ia-de-hoy/).

### B

**Benchmark.** Prueba estandarizada para medir qué tan bien rinde un modelo en tareas concretas como razonamiento, código o matemática.

**Sesgo (bias).** Inclinaciones que el modelo hereda de sus datos de entrenamiento y refleja en las respuestas.

### C

**Cadena de pensamiento (Chain-of-Thought, CoT).** Que el modelo genere pasos intermedios de razonamiento antes de dar la respuesta final. Mejora el desempeño en lógica y matemática.

**Chatbot.** Programa que conversa con personas en lenguaje natural. Hoy la mayoría se apoya en un LLM por debajo.

**Cómputo en inferencia (test-time compute).** Darle al modelo más pasos de cálculo en el momento de responder para que razone mejor. Es la palanca central de los modelos de razonamiento.

**Corte de conocimiento (knowledge cutoff).** La fecha hasta la que el modelo vio datos de entrenamiento. Todo lo posterior le resulta desconocido, tema que aparece en [cómo se entrena un modelo](https://blog.floe.com.ar/como-se-entrena-un-modelo-preentrenamiento-ajuste-fino-y-rlhf/).

### E

**Embedding.** Representación de una palabra o texto como un vector de números que captura su significado. Los textos parecidos quedan cerca en ese espacio. Lo desarrollamos en [tokens y embeddings](https://blog.floe.com.ar/tokens-y-embeddings-como-la-ia-convierte-palabras-en-numeros/).

**Entrenamiento.** El proceso de ajustar los parámetros del modelo mostrándole datos hasta que predice bien.

### F

**Fine-tuning (ajuste fino).** Seguir entrenando un modelo ya preentrenado con ejemplos específicos para especializarlo en una tarea o un estilo.

**Function calling.** Capacidad del modelo de emitir una llamada estructurada a una función externa (una API, un cálculo, una base de datos) y seguir redactando con el resultado. Aparece en [RAG y herramientas](https://blog.floe.com.ar/rag-y-herramientas-como-la-ia-busca-cita-y-trabaja-con-datos-frescos/).

### G

**GPT.** Generative Pre-trained Transformer. Familia de modelos basados en la arquitectura Transformer, entrenados para generar texto.

### I

**Inferencia.** El momento en que el modelo usa lo aprendido para producir una respuesta, palabra por palabra. Lo abrimos en [por qué la IA alucina](https://blog.floe.com.ar/por-que-la-ia-alucina-inferencia-ventana-de-contexto-y-temperatura/).

### L

**LLM.** Large Language Model, modelo grande de lenguaje. Un modelo con miles de millones de parámetros entrenado sobre enormes cantidades de texto. Empezá por [qué es un modelo de lenguaje](https://blog.floe.com.ar/como-aprende-a-hablar-una-maquina-que-es-un-modelo-de-lenguaje/).

### M

**MCP.** Model Context Protocol. Estándar abierto para conectar modelos con herramientas, datos y acciones externas de forma uniforme.

**Modelo de lenguaje.** Sistema que predice la probabilidad de la próxima palabra dado el texto previo. Es la base de todo lo demás.

**Multimodal.** Modelo que procesa varios tipos de datos a la vez: texto, imagen y audio en un mismo espacio.

### P

**Parámetros.** Los números internos que el modelo ajusta durante el entrenamiento. Definen su comportamiento y su tamaño se mide en miles de millones.

**Prompt.** La instrucción o el texto que le das al modelo para obtener una respuesta.

### R

**RAG.** Retrieval-Augmented Generation. Técnica que recupera documentos relevantes y se los da al modelo antes de responder, para que trabaje con datos frescos y pueda citar. Lo cerramos en [RAG y herramientas](https://blog.floe.com.ar/rag-y-herramientas-como-la-ia-busca-cita-y-trabaja-con-datos-frescos/).

**Razonamiento.** La capacidad del modelo de descomponer un problema en pasos y trabajar sobre ellos antes de responder. Los modelos de razonamiento se entrenan para hacerlo de forma explícita.

**RLHF.** Reinforcement Learning from Human Feedback. Etapa de entrenamiento donde el modelo se ajusta según preferencias humanas para volverse útil, cordial y seguro.

**RLM (Recursive Language Model).** Estrategia de inferencia donde el modelo se llama a sí mismo de forma recursiva sobre partes del problema o del contexto. Descompone una consulta grande en sub-consultas, resuelve cada una con una instancia del modelo y combina los resultados. Sirve para manejar contextos enormes sin que el rendimiento se degrade, el problema conocido como context rot.

### T

**Temperatura.** Parámetro que controla cuánto arriesga el modelo al elegir palabras. Baja da respuestas conservadoras, alta da respuestas creativas y más propensas al error.

**Token.** La unidad mínima con la que trabaja el modelo. Puede ser una palabra, parte de una palabra o un signo de puntuación.

**Tokenización.** El proceso de cortar un texto en tokens antes de que el modelo lo procese.

**Transformer.** La arquitectura de red neuronal basada en atención que hizo posible la IA generativa de hoy.

### V

**Ventana de contexto.** La cantidad máxima de tokens que el modelo puede tener en cuenta a la vez. Cuando se llena, la información más vieja se recorta.

### Seguí aprendiendo

Si querés entender la mecánica detrás de estos términos, arrancá la serie por [qué es un modelo de lenguaje](https://blog.floe.com.ar/como-aprende-a-hablar-una-maquina-que-es-un-modelo-de-lenguaje/). Y si tu foco es que la IA hable bien de tu marca, mirá [cómo la IA sabe que existís](https://blog.floe.com.ar/como-la-ia-sabe-que-existis-autoridad-y-backlinks-para-que-la-ia-te-cite/).