Diccionario IA
El glosario de la IA
¿Token? ¿Alucinación? ¿RAG? Aquí tienes las palabras de la inteligencia artificial explicadas en cristiano, con un ejemplo de aula en cada una. Busca el término que necesites o recórrelo de la A a la Z.
De la A a la Z
Las palabras de la inteligencia artificial
Cada término, explicado con claridad y con un ejemplo pensado para el aula. Usa el buscador o filtra por su inicial.
- Inteligencia artificial (IA)
Tecnología que permite a las máquinas hacer tareas que asociamos a la inteligencia humana: entender el lenguaje, reconocer imágenes, resolver problemas o tomar decisiones. No «piensa» como nosotros: detecta patrones en cantidades enormes de datos.
En el aula: En clase la usamos para preparar materiales, diferenciar actividades o dar feedback, siempre con la última palabra del docente.
- IA generativa
La IA que crea contenido nuevo —texto, imágenes, audio o vídeo— a partir de todo lo que ha aprendido. Es la familia a la que pertenecen ChatGPT o los generadores de imágenes.
En el aula: Le pides un cuento con una moraleja concreta y te lo escribe desde cero, adaptado a la edad de tu grupo.
- Aprendizaje automático (Machine Learning)
La rama de la IA en la que la máquina aprende a partir de ejemplos en lugar de seguir reglas escritas a mano. Cuantos más ejemplos buenos ve, mejor lo hace.
En el aula: Un filtro de spam aprende a reconocer correos basura tras ver miles de ellos marcados como tales.
- Red neuronal
El tipo de sistema, inspirado muy libremente en el cerebro, que está detrás de la IA moderna: capas de pequeñas «neuronas» que se activan para reconocer patrones cada vez más complejos.
- LLM (Large Language Model)
Modelo grande de lenguaje: una IA entrenada con cantidades inmensas de texto para entender y generar lenguaje. Es el motor que hay debajo de asistentes como ChatGPT, Gemini o Claude.
- Transformer
La arquitectura, nacida en 2017, que revolucionó la IA del lenguaje: aprende a fijarse en las palabras importantes de una frase para entender su sentido. Es la «T» de GPT.
- GPT
Las siglas de una familia de modelos muy conocida (Generative Pre-trained Transformer). La «G» es de generativo (crea contenido), la «P» de preentrenado y la «T» de Transformer, su arquitectura.
- Prompt (Instrucción)
Lo que le escribes a la IA para pedirle algo. Cuanto más claro indiques el rol, la tarea, el contexto y el formato, mejor será la respuesta.
En el aula: «Actúa como docente de 3.º de ESO y diséñame una rúbrica para un debate sobre el cambio climático, en una tabla.»
- Ingeniería de prompts (Prompt engineering)
El arte de escribir buenas instrucciones para sacar lo mejor de la IA: darle un papel, contexto, algún ejemplo y decirle cómo quieres la respuesta.
En el aula: Si añades «explícalo como si tuviera 10 años», el resultado cambia por completo.
- Token
Las piezas en las que la IA parte el texto (trozos de palabra). Sirven para medir cuánto «cabe» en una conversación y cuánto cuesta una respuesta.
En el aula: La palabra «inteligencia» puede ocupar varios tokens; un texto largo consume más y puede agotar el espacio disponible.
- Ventana de contexto (Contexto)
Todo lo que la IA tiene presente en una conversación. Si esta se alarga mucho, puede olvidar lo que dijiste al principio.
En el aula: Si cambias de actividad a media charla, recuérdale el curso, la materia y el objetivo para que no se despiste.
- Parámetros
Los «mandos» internos que la IA ajusta mientras aprende; un modelo grande puede tener miles de millones. A más parámetros, más capacidad… y más coste de funcionamiento.
- Datos de entrenamiento
Los textos, imágenes o sonidos con los que se ha «alimentado» a la IA para que aprenda. Su calidad y variedad marcan lo que la IA sabe hacer y lo que no.
- Entrenamiento e inferencia
Dos momentos distintos: el entrenamiento es cuando la IA aprende de los datos; la inferencia es cuando ya usa lo aprendido para responderte. Tú interactúas con ella en la fase de inferencia.
- Fine-tuning (Ajuste fino)
Coger un modelo ya entrenado y especializarlo con ejemplos propios para una tarea concreta, sin tener que crearlo desde cero.
En el aula: Afinar un modelo con tus rúbricas para que corrija siguiendo tus criterios.
- RAG (Retrieval-Augmented Generation)
Generación aumentada por recuperación: la IA consulta primero documentos de confianza y responde a partir de ellos, en vez de tirar solo de memoria. Reduce los inventos.
En el aula: Un asistente que responde dudas usando únicamente los apuntes y el temario de tu asignatura.
- Alucinación
Cuando la IA se inventa datos, citas o referencias con apariencia muy creíble. No miente a propósito: rellena lo que no sabe con lo que le parece más probable.
En el aula: Pídele siempre que indique sus fuentes y verifica nombres, fechas y cifras antes de llevarlos a clase.
- Temperatura
Un ajuste que regula cuánto «arriesga» la IA: una temperatura baja da respuestas más predecibles y precisas; una alta, más creativas y variadas.
En el aula: Para corregir o resumir, baja; para una lluvia de ideas, súbela.
- Zero-shot y few-shot
Pedir algo a la IA sin darle ejemplos (zero-shot) o con unos pocos (few-shot) para guiarla. Mostrarle 1 o 2 ejemplos del resultado que quieres suele mejorarlo mucho.
En el aula: Pégale dos ítems de examen bien hechos y pídele diez más «con ese mismo estilo».
- Multimodal
Una IA que maneja varios formatos a la vez: texto, imagen, audio y vídeo. Puede leer una foto, escuchar un audio o describir una imagen.
En el aula: Le haces una foto a un ejercicio escrito a mano y te lo transcribe y corrige.
- Agente de IA
Una IA que no solo responde, sino que realiza tareas por pasos: planifica, usa herramientas y encadena acciones para lograr un objetivo con cierta autonomía.
En el aula: «Busca tres artículos sobre el tema, resúmelos y prepárame una presentación»: el agente haría todo el recorrido.
- Asistente conversacional (Chatbot)
Un programa con el que charlas en lenguaje natural, por turnos de pregunta y respuesta, como ChatGPT, Gemini, Claude o Copilot.
En el aula: Un asistente entrenado con tu temario que resuelve dudas del alumnado fuera del horario de clase.
- API
Una «puerta de enlace» que permite que dos programas se comuniquen entre sí. Gracias a ella, una herramienta educativa puede conectarse con un modelo de IA.
- Embeddings (Vectores)
Una forma de convertir palabras o textos en números que capturan su significado, de modo que la IA pueda comparar qué ideas se parecen entre sí. Es la base de muchas búsquedas inteligentes.
- Código abierto (Open source)
Programas cuyo «interior» es público: cualquiera puede verlo, usarlo y mejorarlo. Existen modelos de IA abiertos que un centro podría instalar en sus propios equipos.
- Sesgo (Bias)
Cuando la IA hereda prejuicios presentes en sus datos de entrenamiento y los repite en sus respuestas.
En el aula: Revisa que los ejemplos o imágenes que genera no refuercen estereotipos de género, origen o cultura.
- Deepfake
Vídeos, voces o fotos falsos creados con IA que parecen totalmente reales.
En el aula: Un recurso estupendo para trabajar en clase la desinformación y el pensamiento crítico.
- Marca de agua (Watermarking)
Señales ocultas que se añaden a un contenido creado por IA para poder identificarlo más tarde como artificial.
- Ética de la IA
El conjunto de principios para usar la IA de forma justa, transparente y responsable: respetar la privacidad, evitar la discriminación y no engañar sobre su uso.
En el aula: Una buena práctica: avisar al alumnado y a las familias cuando un material lo ha generado una IA.
- Privacidad y datos personales
Los datos que identifican a una persona (nombres, notas, informes) merecen una protección especial. No deben compartirse con la IA salvo en herramientas seguras y autorizadas.
En el aula: Anonimiza los textos del alumnado antes de pedirle a la IA que los analice.
- RGPD
El reglamento europeo de protección de datos. Marca qué datos personales se pueden tratar y cómo, con cuidado especial cuando hay menores de por medio.
En el aula: Antes de usar una herramienta de IA con tu grupo, comprueba que cumple el RGPD y cuenta con el visto bueno del centro.
- Brecha digital
La desigualdad entre quien tiene acceso (y destrezas) a la tecnología y quien no.
En el aula: Al proponer tareas con IA, asegúrate de que ningún estudiante quede fuera por falta de dispositivo o de conexión en casa.
- Alfabetización en IA
Aprender a usar la IA con criterio: entender qué puede y qué no puede hacer, cuándo conviene y cómo comprobar lo que produce. Es una competencia clave para el alumnado de hoy.
En el aula: Más que prohibirla, enseñamos a usarla bien: verificar, citar y pensar por uno mismo.
¿Siguiente paso? La biblioteca de prompts.
Más de 130 prompts organizados por tareas docentes: planifica, personaliza, evalúa y crea materiales.