Averis

Daniel, Founder & CEO9 nov 2026

Glosario de IA para pymes: 30 términos explicados sin jerga (y para qué te sirve cada uno)

Agente, RAG, token, alucinación, MCP, fine-tuning, embeddings. En cada reunión sobre IA aparece una palabra nueva y nadie se atreve a preguntar. Treinta términos explicados en una o dos frases, con lo que significa para una empresa que no es tecnológica.

Glosario de IA para pymes: 30 términos explicados sin jerga (y para qué te sirve cada uno)

Jerga, s. Idioma que se habla en las reuniones para que nadie pregunte cuánto cuesta.

Este glosario explica en una o dos frases los treinta términos de inteligencia artificial que más aparecen en reuniones, propuestas y noticias, y qué significa cada uno para una pyme. No hace falta saberlos todos para usar IA, pero sí entender los suficientes para hacer las preguntas correctas.

Lo básico

Inteligencia artificial

Programas que hacen tareas que antes necesitaban a una persona: entender un texto, reconocer una imagen, responder una pregunta. En una empresa, lo que importa es qué tarea concreta quita.

IA generativa

La IA que crea contenido nuevo: textos, imágenes, voz o código. Es la que popularizó ChatGPT.

Modelo de lenguaje (LLM)

Programa entrenado con enormes cantidades de texto que entiende y genera lenguaje. ChatGPT, Claude o Gemini funcionan sobre modelos así. No conoce tu empresa hasta que lo conectas con tus datos.

Multimodal

Modelo que entiende varios tipos de información a la vez: texto, imágenes, audio, documentos. Es lo que permite leer un albarán fotografiado o un audio de WhatsApp.

Cómo se usa

Chatbot

Programa que conversa por escrito. Los antiguos seguían menús; los actuales usan modelos de lenguaje.

Asistente de IA

Herramienta de IA que te ayuda en tareas de trabajo cuando se lo pides: redactar, resumir, buscar.

Agente de IA

Sistema que recibe un objetivo, decide los pasos y usa herramientas para cumplirlo: consulta el stock, crea el pedido, agenda la cita. La diferencia con un asistente es que actúa sobre tus programas, por eso exige más control.

Agente de voz

Agente que habla por teléfono con voz natural: contesta llamadas, da citas, toma encargos.

Prompt

La instrucción que se le da al modelo. Un buen prompt dice qué hacer, con qué información, con qué tono y qué hacer si no sabe.

Prompt engineering, s. Arte de pedir las cosas bien, que la humanidad lleva siglos intentando dominar con las personas.

Cómo funciona por dentro

Token

Trozo de texto con el que trabajan los modelos; una palabra puede ser uno o varios. Los servicios de IA suelen cobrar por tokens, así que los textos largos cuestan más.

Ventana de contexto

Cuánta información puede tener en cuenta el modelo a la vez, medida en tokens. Determina si puede leer un contrato entero o solo una parte.

Alucinación

Respuesta inventada con apariencia de verdad: un precio, una cita o una sentencia que no existen. Es el principal riesgo de usar IA con clientes o en documentos importantes.

RAG

Generación aumentada por recuperación: antes de responder, el sistema busca en las fuentes de la empresa y el modelo contesta con esa información. Es la forma habitual de que un agente hable con datos reales.

Embeddings

Representación de un texto como una lista de números que captura su significado. Permite buscar por sentido y no solo por palabras exactas.

Base de datos vectorial

Base de datos que guarda embeddings y encuentra los textos más parecidos a una pregunta. Es la pieza que hace funcionar muchos sistemas RAG.

Fine-tuning

Reentrenar un modelo con ejemplos propios para que aprenda un estilo o una tarea. No sirve para datos que cambian, como precios o stock; para eso, RAG.

Cómo se conecta con tu empresa

API

Puerta por la que un programa habla con otro. Si tu ERP o tu CRM tiene API, se puede conectar con la IA y con otras herramientas.

MCP (Model Context Protocol)

Estándar abierto presentado por Anthropic en noviembre de 2024 para conectar asistentes de IA con herramientas y datos de forma uniforme. Hoy lo admiten muchos asistentes y herramientas, entre ellas n8n.

Automatización

Hacer que una tarea se ejecute sola, sin que nadie copie datos o mueva archivos.

Flujo (workflow)

Secuencia de pasos automáticos que empieza con un disparador (un correo, un pedido, una hora) y termina con una acción.

n8n

Herramienta de automatización de flujos que conecta programas e incluye pasos con IA; se puede usar en la nube o instalar en un servidor propio.

OCR

Reconocimiento óptico de caracteres: convierte la imagen de un documento en texto. Con IA, además, se entiende qué significa cada dato.

Visión artificial

IA que interpreta imágenes o vídeo: revisar piezas en una línea de producción, leer matrículas, contar productos en una estantería.

Transcripción

Convertir audio en texto: llamadas, reuniones, audios de WhatsApp. Es el primer paso para que la IA los resuma o actúe sobre ellos.

Lo que hay que saber de normas y gestión

Reglamento europeo de IA

Norma de la UE (Reglamento 2024/1689) que regula los sistemas de IA según su riesgo. Para una pyme, lo más relevante es formar al personal y avisar de que se habla con una IA.

Alfabetización en IA

Formación suficiente del personal que usa IA, según su función. Es obligatoria desde el 2 de febrero de 2025 por el artículo 4 del Reglamento europeo.

Sistema de alto riesgo

Uso de IA que el Reglamento considera delicado, como seleccionar personal o evaluar la solvencia, y que exige obligaciones adicionales.

Aviso de IA

Desde el 2 de agosto de 2026, el artículo 50 del Reglamento obliga a informar a las personas de que hablan con una IA, salvo que sea obvio.

IA en la sombra

Uso de herramientas de IA por parte de los empleados sin que la empresa lo sepa o lo haya aprobado. Se resuelve con herramientas de empresa y una política de uso.

GEO

Optimización para motores generativos: el trabajo para que ChatGPT, Gemini o Perplexity citen tu web cuando alguien pregunta por lo que ofreces.

Piloto

Prueba pequeña de una solución de IA, con datos reales y una cifra acordada antes de empezar, para decidir si se amplía.

El descargo

Las definiciones son nuestras y simplifican a propósito: un ingeniero las matizaría. Para decidir en una pyme, este nivel basta. Si en una propuesta aparece un término que no está aquí, pregunta qué tarea concreta resuelve.

En resumen

Un modelo de lenguaje entiende y genera texto; un agente lo usa para actuar; RAG lo conecta con tus datos para que no alucine; MCP y las API lo conectan con tus programas; y el Reglamento europeo te pide formar al equipo y avisar de que es una IA. Con eso, ya puedes hacer las preguntas correctas.

Ideas clave

  • Un modelo de lenguaje (LLM) entiende y genera texto; un agente usa ese modelo para decidir pasos y actuar con herramientas.
  • Los modelos trocean el texto en tokens, y su uso se cobra por tokens: los textos largos cuestan más.
  • Una alucinación es una respuesta inventada con apariencia de verdad; RAG la reduce haciendo que el modelo busque en tus fuentes antes de responder.
  • MCP es un estándar abierto, presentado por Anthropic en noviembre de 2024, para conectar asistentes de IA con herramientas y datos.
  • Alfabetización en IA no es un término de moda: es una obligación del Reglamento europeo desde el 2 de febrero de 2025.

Preguntas frecuentes

Lo esencial del artículo, en respuestas cortas.

¿Qué es un LLM?+
Un LLM (Large Language Model, modelo de lenguaje grande) es un programa de IA entrenado con enormes cantidades de texto que entiende y genera lenguaje. ChatGPT, Claude o Gemini funcionan sobre modelos de este tipo. Por sí solo no conoce los datos de tu empresa; para eso hay que conectarlo con tus fuentes.
¿Qué es una alucinación en IA?+
Es una respuesta que el modelo se inventa pero presenta con total seguridad, como un precio, una cita o una sentencia que no existen. Ocurre sobre todo cuando le falta información. Se reduce conectando el modelo a fuentes reales (RAG), obligándole a decir que no sabe y revisando lo importante.
¿Qué es un token en inteligencia artificial?+
Es la unidad en la que los modelos trocean el texto: una palabra corta puede ser un token y una larga, varios. Los modelos tienen un límite de tokens que pueden manejar a la vez (la ventana de contexto) y los servicios de IA suelen cobrar por tokens procesados, así que los textos y documentos largos cuestan más.
¿Qué diferencia hay entre RAG y fine-tuning?+
Con RAG, el modelo busca en tus fuentes en el momento de responder, así que usa siempre la información actual y no hay que reentrenarlo. Con fine-tuning se reentrena el modelo con ejemplos propios para que aprenda un estilo o una tarea; no sirve para datos que cambian, como precios o stock. En la mayoría de los casos de una pyme, RAG es la opción adecuada.

Más artículos

¿Por dónde empezamos?

Rellena el formulario y te contactamos en menos de 24 horas.
Te ofrecemos una hora de consultoría estratégica completamente gratis.