Glosario de Inteligencia Artificial

Un LLM es un modelo de inteligencia artificial entrenado sobre enormes cantidades de texto que puede generar, resumir, traducir y razonar con lenguaje natural. Los LLMs más conocidos son GPT-4o de OpenAI y Claude de Anthropic. Son el motor central de la mayoría de sistemas de IA conversacional y agentes autónomos.

GPT-4o es el modelo de lenguaje avanzado de OpenAI. La 'o' significa 'omni': puede procesar texto, imágenes y audio. Es uno de los modelos más utilizados para construir agentes IA empresariales por su capacidad de razonamiento complejo, seguimiento de instrucciones y uso de herramientas externas (function calling).

Claude es la familia de modelos de lenguaje desarrollada por Anthropic. Se destaca por su alta fiabilidad en tareas documentales, su ventana de contexto extensa (hasta 200.000 tokens) y su enfoque en seguridad e interpretabilidad. En MediaGlobal usamos Claude para procesamiento de documentos, análisis legal y atención al cliente con alta precisión.

El prompt engineering es el conjunto de técnicas para escribir instrucciones (prompts) que maximizan la calidad de las respuestas de un LLM. Incluye técnicas como chain-of-thought (razonamiento paso a paso), few-shot (ejemplos), role prompting (asignar un rol al modelo) y system prompts (instrucciones persistentes). Es una habilidad crítica para construir sistemas IA fiables.

El fine-tuning es el proceso de re-entrenar un modelo de IA preexistente con datos específicos de un negocio para que adopte el tono, vocabulario y comportamiento deseados. A diferencia del RAG (que añade conocimiento en tiempo real), el fine-tuning modifica el propio modelo. Se usa cuando se necesita que el modelo reproduzca un estilo muy concreto o maneje terminología muy especializada.

Un token es la unidad mínima con la que un LLM procesa texto. Aproximadamente 1 token equivale a 0,75 palabras en inglés o algo más en español. Los modelos tienen un límite de tokens por llamada (ventana de contexto). El coste de usar un LLM via API se mide en tokens procesados. Por ejemplo, GPT-4o tiene una ventana de 128.000 tokens, suficiente para procesar un documento de ~90.000 palabras.

La ventana de contexto es la cantidad máxima de tokens que un modelo puede recibir y recordar en una sola llamada. Determina cuánta información puede tener en cuenta para generar una respuesta. Claude 3.5 tiene 200.000 tokens de contexto; GPT-4o tiene 128.000. Una ventana grande permite analizar documentos enteros, historiales de conversación largos o múltiples archivos a la vez.

RAG es una arquitectura que permite a un modelo de lenguaje responder con información específica y actualizada de una empresa, sin necesidad de re-entrenarlo. El proceso tiene dos fases: primero se buscan los fragmentos de información más relevantes en una base de datos vectorial (retrieval); luego se pasan al LLM junto con la pregunta para que genere una respuesta fundamentada (generation). Es la base de los chatbots con conocimiento propio.

Un embedding es una representación matemática (vector de números) que captura el significado semántico de un texto. Dos frases con significado similar tendrán embeddings cercanos en el espacio vectorial, aunque usen palabras distintas. Los embeddings son la tecnología que hace posible el RAG: permiten buscar información por significado, no solo por palabras clave exactas.

Una base de datos vectorial almacena embeddings y permite realizar búsquedas de similitud semántica de forma muy eficiente. Las más utilizadas son Pinecone, Qdrant, Weaviate y Chroma. Son el componente de 'memoria' en sistemas RAG: guardan el conocimiento de la empresa convertido en vectores y lo recuperan cuando un usuario hace una consulta.

MCP es un protocolo abierto desarrollado por Anthropic que estandariza cómo los modelos de IA se conectan con herramientas externas: bases de datos, APIs, sistemas de archivos, calendarios, CRMs, etc. Es como un 'USB universal' para IA. Antes de MCP, cada integración requería código personalizado; con MCP, cualquier herramienta compatible puede conectarse a cualquier modelo compatible automáticamente.

El function calling es la capacidad de un LLM para detectar cuándo necesita ejecutar una acción externa (consultar una API, buscar en una base de datos, enviar un email) y generar una llamada estructurada a esa función. Es lo que convierte un LLM en un agente capaz de actuar, no solo de responder. Está implementado de forma nativa en GPT-4o y Claude.

Un agente de IA es un sistema que usa un LLM como 'cerebro' para percibir su entorno, razonar sobre un objetivo, planificar acciones y ejecutarlas usando herramientas externas. A diferencia de un chatbot que solo responde, un agente puede acceder a tu CRM, enviar emails, actualizar datos, agendar citas y tomar decisiones complejas de forma autónoma. El ciclo básico es: percepción → razonamiento → planificación → ejecución → verificación.

LangGraph es un framework de código abierto (parte del ecosistema LangChain) para construir agentes de IA con estado persistente, memoria de largo plazo y flujos de trabajo complejos. Permite crear agentes que recuerdan conversaciones anteriores, ejecutan pasos en paralelo y coordinan múltiples sub-agentes especializados. Es la base de los agentes más avanzados que construimos en MediaGlobal.

Un sistema multi-agente es una arquitectura donde varios agentes de IA especializados colaboran para resolver tareas complejas. Cada agente tiene un rol específico (investigador, redactor, validador, ejecutor) y se comunican entre sí. Permite dividir problemas complejos en tareas manejables y ejecutar varias en paralelo, reduciendo el tiempo y aumentando la calidad del resultado.

ReAct es un patrón de diseño para agentes IA que alterna entre razonamiento (Reason) y acción (Act). El agente primero piensa en voz alta qué necesita hacer, luego ejecuta una acción, observa el resultado, y repite el ciclo hasta completar el objetivo. Es el patrón más común en agentes modernos porque produce resultados más fiables y depurables que los enfoques directos.

n8n es una plataforma de automatización de flujos de trabajo de código abierto que permite conectar cualquier herramienta empresarial (CRMs, ERPs, bases de datos, APIs, email, WhatsApp) sin necesidad de programación avanzada. A diferencia de Zapier o Make, n8n puede desplegarse en servidores propios, lo que lo hace ideal para empresas que necesitan privacidad y control total sobre sus datos.

Make (anteriormente Integromat) es una plataforma de automatización visual con más de 1.500 conectores a aplicaciones empresariales. Se destaca por su interfaz intuitiva y su capacidad para crear flujos complejos con lógica ramificada, filtros y transformaciones de datos. Ideal para automatizaciones comerciales y de marketing que requieren muchas integraciones out-of-the-box.

Un workflow es una secuencia de pasos automatizados que ejecuta un proceso de negocio de principio a fin sin intervención humana. Puede incluir condiciones, bucles, llamadas a APIs, transformaciones de datos y notificaciones. Un workflow bien diseñado reemplaza horas de trabajo manual y elimina errores de proceso. Se construyen con herramientas como n8n o Make.

RPA es una tecnología que permite automatizar tareas repetitivas en interfaces gráficas (navegadores, aplicaciones de escritorio) mediante bots que imitan las acciones de un usuario. A diferencia de las automatizaciones via API, RPA puede interactuar con sistemas que no tienen API. Combinado con IA, los bots RPA pueden tomar decisiones inteligentes basadas en el contenido que procesan.

Una API es un conjunto de reglas y protocolos que permite que dos sistemas de software se comuniquen entre sí. En el contexto de IA y automatización, las APIs son el puente que conecta los agentes IA con tus herramientas empresariales: CRM, ERP, email, WhatsApp, bases de datos, etc. La mayoría de plataformas empresariales modernas ofrecen APIs REST o GraphQL.

Un webhook es un mecanismo por el que un sistema notifica a otro en tiempo real cuando ocurre un evento específico, enviando datos a una URL predefinida. Son la base de las automatizaciones en tiempo real: cuando un cliente rellena un formulario, paga una factura o envía un mensaje de WhatsApp, el sistema dispara un webhook que activa el flujo de trabajo correspondiente.

La IA conversacional engloba todos los sistemas que permiten a personas interactuar con software usando lenguaje natural: chatbots, asistentes virtuales, agentes de voz. Los sistemas modernos de IA conversacional van mucho más allá de los árboles de decisión clásicos: usan LLMs para entender contexto, mantener memoria de la conversación y ejecutar acciones. Resuelven el 80% de las consultas sin intervención humana.

Un chatbot es un programa que mantiene conversaciones con usuarios, respondiendo preguntas y ejecutando acciones según el contexto. Existen dos generaciones: los chatbots basados en reglas (árboles de decisión predefinidos) y los chatbots de IA generativa (basados en LLMs). Los segundos entienden lenguaje natural, mantienen contexto y aprenden de la conversación. En MediaGlobal construimos exclusivamente chatbots de segunda generación.

La WhatsApp Business API es la interfaz oficial de Meta para integrar WhatsApp en sistemas empresariales. Permite enviar y recibir mensajes de forma programática, crear chatbots IA, enviar notificaciones masivas y gestionar conversaciones a escala. Es el canal de comunicación con mayor tasa de apertura (98%) y el más demandado para implementar agentes IA de atención al cliente en España.

El handoff es el proceso por el que un agente IA detecta que una conversación supera sus capacidades (alta complejidad, queja grave, solicitud de excepción) y la transfiere a un agente humano, preservando todo el contexto. Un sistema bien diseñado resuelve el 80% de las consultas de forma autónoma y escala el 20% restante con toda la información necesaria para que el humano retome sin perder contexto.

El ROI de IA es la relación entre el beneficio obtenido por implementar un sistema de inteligencia artificial y el coste de su desarrollo y mantenimiento. Los proyectos de MediaGlobal alcanzan un ROI de 3× en los primeros 6 meses. El cálculo incluye: ahorro en horas de trabajo, aumento de conversión de leads, reducción de errores, velocidad de respuesta y capacidad de escalar sin añadir personal.

Un piloto de IA es un proyecto de implementación acotado (90 días, un proceso, un departamento) diseñado para demostrar ROI antes de comprometer presupuesto mayor. Es la metodología que recomienda MediaGlobal para minimizar riesgo: empezar pequeño, medir resultados reales y escalar lo que funciona. Un piloto bien ejecutado valida la tecnología, los procesos y la adopción del equipo.

El RGPD (Reglamento General de Protección de Datos) establece los requisitos que deben cumplir los sistemas de IA que procesan datos personales en la Unión Europea. Los sistemas que construimos en MediaGlobal procesan datos en servidores europeos, aplican cifrado en tránsito y en reposo, incluyen mecanismos de consentimiento y garantizan el derecho de supresión. El cumplimiento RGPD no es opcional, es parte del diseño desde el primer día.

Una alucinación ocurre cuando un LLM genera información que parece correcta pero es falsa o inventada. Es uno de los principales riesgos de los sistemas IA en entornos empresariales. Las técnicas para mitigarlo incluyen RAG (fundamentar respuestas en fuentes verificadas), fine-tuning, instrucciones de sistema precisas y validación humana en flujos críticos. En MediaGlobal diseñamos sistemas con mecanismos de contención de alucinaciones.

La latencia es el tiempo transcurrido entre que un usuario envía una consulta y recibe una respuesta del sistema IA. Para aplicaciones conversacionales, una latencia aceptable es inferior a 3 segundos; por encima, la experiencia de usuario se degrada. La latencia depende del modelo elegido (modelos más pequeños son más rápidos), la arquitectura RAG, el hardware del servidor y la complejidad del prompt.