Los conceptos básicos, sin tecnicismos
No necesitas memorizar esto para usar una IA. Pero entender estas 10 ideas te va a ayudar a leer cualquier noticia o conversación sobre IA sin sentirte perdido. Van de lo más básico a lo más avanzado.
IA (Inteligencia Artificial)
Un programa de computadora entrenado para reconocer patrones y generar respuestas — texto, imágenes, código — a partir de lo que le pides. No 'piensa' como una persona, pero puede parecerlo porque aprendió de enormes cantidades de ejemplos.
💡 Como un asistente que ha leído millones de libros y conversaciones, y usa eso para responderte de forma coherente.
Modelo
Es el 'motor' de IA en sí — el resultado de todo ese entrenamiento. Cuando dices 'uso GPT-4' o 'uso Gemini', te refieres al modelo. Una misma empresa puede tener varios modelos (más rápidos, más potentes, más baratos).
💡 Como diferentes motores de auto de la misma marca: uno más económico, otro más potente — mismo fabricante, distinto rendimiento.
LLM (Modelo de Lenguaje Grande)
Es el tipo de modelo detrás de asistentes como ChatGPT, Claude o Gemini — entrenado específicamente con enormes cantidades de texto para entender y generar lenguaje. 'LLM' es solo el nombre técnico de esa categoría de modelo.
💡 Todos los asistentes conversacionales que conoces (ChatGPT, Claude, Gemini) son LLMs por dentro.
Entrenamiento
El proceso en el que la IA 'aprende', analizando enormes cantidades de texto, imágenes u otros datos para detectar patrones — antes de que tú la uses. Una vez entrenada, ya no aprende de tus conversaciones en tiempo real (salvo excepciones puntuales que cada empresa aclara).
💡 Como estudiar para un examen durante meses — una vez que entras a presentarlo, usas lo que ya aprendiste, no sigues estudiando en ese momento.
Token
La unidad mínima de texto que una IA procesa — puede ser una palabra corta, un pedazo de una palabra larga, o un signo de puntuación. Muchos planes de pago cobran o limitan según cuántos tokens usas.
💡 La palabra 'gato' es un token; la palabra 'inteligencia' puede dividirse en 2 o 3 tokens.
Prompt Engineering
La práctica de escribir bien tus instrucciones a una IA para obtener mejores resultados — qué tan claro, específico y ordenado es lo que le pides. Es exactamente lo que CORE te ayuda a hacer para generación de imágenes.
💡 La diferencia entre pedir 'una foto bonita' y describir con detalle sujeto, luz, cámara y estilo — el segundo da resultados mucho más consistentes.
Context Engineering
Un concepto más amplio que Prompt Engineering: no solo cómo escribes una instrucción, sino qué información completa le das a la IA para que responda bien — documentos, historial de la conversación, ejemplos previos.
💡 No solo decirle 'escribe un correo', sino darle también el correo al que estás respondiendo y tu forma habitual de firmar.
RAG (Generación Aumentada por Recuperación)
Una técnica donde la IA busca información en documentos o fuentes específicas antes de responder, en vez de basarse solo en lo que aprendió en su entrenamiento. Así puede responder sobre tus propios archivos o datos actuales.
💡 NotebookLM funciona así: en vez de improvisar, primero 'lee' tus documentos y responde solo con base en ellos.
Agente
Una IA a la que se le da la capacidad de tomar acciones por sí misma — no solo responder texto, sino usar herramientas, navegar la web, o completar tareas de varios pasos sin que tú confirmes cada uno.
💡 En vez de decirte cómo automatizar una tarea, un agente la ejecuta él mismo, paso a paso, hasta terminarla.
Alucinación
Cuando una IA genera información que suena segura y coherente, pero es falsa o inventada — no porque 'mienta' a propósito, sino porque predice texto probable, no verifica hechos. Por eso conviene revisar datos importantes en una fuente confiable.
💡 Pedirle una fecha exacta o una cita de un libro y que invente algo plausible, pero incorrecto, con total seguridad.