En las juntas donde se decide qué se compra y qué se construye, la gente usa estas palabras. Casi nadie pregunta qué significan, porque preguntar en esa junta se siente caro.
Aquí están veinte, definidas como se las explicaría a alguien de mi equipo, con un ejemplo real de cada una. No están ordenadas por dificultad sino por cómo se conectan entre sí: las primeras explican las siguientes.
Los 20 términos
1. Modelo
El programa que genera las respuestas. Claude, GPT y Gemini son familias de modelos, y adentro de cada una hay versiones con distinta capacidad y costo. Ejemplo: cuando eliges entre el modelo rápido y el potente en el menú de tu app, estás eligiendo modelo.
2. Token
El pedazo en el que el modelo parte el texto. No es una palabra exacta; una palabra larga puede ser dos o tres tokens. Todo lo que cuesta y todo lo que cabe se mide así. Ejemplo: pegar un PDF de 40 páginas gasta decenas de miles de tokens antes de que el modelo escriba una sola línea.
3. Ventana de contexto
Cuánto puede tener presente al mismo tiempo. Es memoria de trabajo, no archivo permanente. Ejemplo: cuando una conversación larga empieza a olvidar lo que acordaron al inicio, es que la ventana se llenó.
4. Inferencia
El momento en que el modelo genera la respuesta. Es lo que pagas cada vez que lo usas, a diferencia del entrenamiento, que se pagó una vez y ya. Ejemplo: el retraso entre que mandas el mensaje y aparece la primera palabra es tiempo de inferencia.
5. Parámetros y pesos
Los números internos que definen cómo responde el modelo. "Pesos abiertos" significa que la empresa publicó esos números y cualquiera puede correr el modelo en su propia máquina. Ejemplo: por eso hay modelos que funcionan sin internet en tu computadora y otros que solo viven en la nube de su dueño.
6. Razonamiento extendido
Cuando el modelo piensa antes de contestar, en vez de escribir la primera respuesta. Cuesta más y tarda más, y para problemas difíciles vale la pena. Ejemplo: conviene para un análisis financiero con varios pasos; es desperdicio para redactar un correo.
7. Alucinación
Cuando inventa algo con total seguridad. No miente: predice lo que suena correcto, y a veces lo que suena correcto no existe. Ejemplo: una cita textual atribuida a un libro real que en el libro no aparece.
8. Uso de herramientas
La capacidad de hacer algo además de escribir: buscar en internet, correr código, leer un archivo, mandar una consulta a tu base de datos. Es lo que separa un chat de un asistente. Ejemplo: cuando en vez de estimar un porcentaje escribe y ejecuta el cálculo, está usando una herramienta.
9. MCP
El estándar abierto que permite que un modelo se conecte a herramientas externas sin integración a la medida. Es la razón de que un mismo conector funcione en varias aplicaciones. Ejemplo: el conector de tu CRM lo publicó el fabricante del CRM una vez, no cada empresa de IA por separado.
10. Conector
El permiso concreto que le das a un modelo sobre una de tus herramientas, con el alcance que tú elijas. Ejemplo: darle lectura de tu calendario y nada más.
11. Skill
Instrucciones guardadas que le enseñan a hacer una tarea a tu manera, y que se activan cuando aplica sin que las invoques. Ejemplo: una skill que sabe cómo se arma un reporte de cierre en tu empresa, con tus formatos y tus reglas.
12. Agente
Un sistema que persigue un objetivo tomando varios pasos y decidiendo el siguiente según lo que va encontrando. Si la secuencia está fija de antemano, no es agente: es un flujo. Ejemplo: revisar una cuenta de anuncios, detectar qué se rompió y pausarlo es agente; mandar un correo cada lunes es flujo.
13. Subagente
Una instancia aparte a la que se le delega una parte del trabajo, con su propio contexto limpio. Sirve para tareas largas y para revisar con ojos frescos. Ejemplo: uno investiga, otro escribe, un tercero critica sin haber visto cómo se escribió.
14. Orquestación
Coordinar varios modelos, agentes o pasos para que trabajen juntos. Es la parte de ingeniería que decide quién hace qué y en qué orden. Ejemplo: usar el modelo caro para planear y uno barato para ejecutar los cien pasos siguientes.
15. Ingeniería de contexto
Decidir qué información ve el modelo y en qué orden. Reemplazó a la ingeniería de prompts como la habilidad que más mueve la calidad. Ejemplo: en lugar de escribir un prompt más largo, darle acceso al documento correcto y quitarle tres irrelevantes.
16. RAG
Buscar primero en tus documentos y pasarle solo los pedazos relevantes antes de que responda. Es cómo se le da conocimiento propio a un modelo sin reentrenarlo. Ejemplo: un asistente de soporte que consulta tu base de conocimiento antes de contestar.
17. Fine-tuning
Ajustar el modelo con tus propios ejemplos para que adopte un formato o un estilo de forma permanente. Casi siempre es innecesario: la mayoría de los problemas que la gente quiere resolver así se resuelven con contexto. Ejemplo: tiene sentido para clasificar miles de documentos con etiquetas muy específicas tuyas.
18. Evaluación
Un conjunto de casos de prueba con respuesta esperada para medir si el sistema funciona, en lugar de opinar que "se siente mejor". Ejemplo: cincuenta correos de clientes ya clasificados a mano, contra los que mides cada cambio que haces.
19. Inyección de prompt
Un ataque donde alguien esconde instrucciones dentro de un texto que el modelo va a leer, para que las obedezca. Es el riesgo de seguridad número uno al conectar herramientas. Ejemplo: un correo con instrucciones ocultas dirigidas al asistente que lo va a resumir.
20. Guardrail
Un límite que pusiste tú: qué puede tocar, qué necesita tu aprobación, qué está prohibido. No es una función que se prende; es una decisión que se escribe. Ejemplo: que un agente pueda redactar respuestas pero nunca enviarlas solo.
Las 5 cosas que aprender después
Con estos veinte ya entiendes cualquier conversación de negocio sobre IA. Lo que sigue solo importa si vas a construir.
- Cómo se arma una evaluación de verdad. Es la habilidad escasa. Todos construyen, casi nadie mide.
- Costos por token en la práctica. Entender por qué un sistema que funciona en la demo sale carísimo con mil usuarios.
- Los patrones de orquestación. Cuándo un solo agente y cuándo varios especializados. Empieza por la pregunta que decide cuál necesitas.
- Seguridad al conectar datos. Permisos, alcance y qué nunca debe estar al alcance del modelo.
- Cómo se escribe una skill que otro pueda usar. Es la diferencia entre un truco personal y algo que tu equipo adopta.
El término que se usa mal en casi todas las juntas
Agente. Se le llama agente a cualquier cosa que corra sola, y eso hace que se compren proyectos de seis meses para problemas que se resolvían con un flujo de dos horas.
La prueba está en la definición: si puedes escribir de antemano todos los pasos en orden, no necesitas un agente. Necesitas automatización. Cuesta menos, se rompe menos, y se explica en una junta sin que nadie asienta fingiendo que entendió.