GLOSARIO

Última actualización / vigencia del contenido: Agosto de 2026

Este glosario define los términos técnicos más frecuentes relacionados con la inteligencia artificial y su aplicación a la escritura. Los términos están organizados alfabéticamente para facilitar la consulta rápida.

Cada entrada está etiquetada según su categoría: los conceptos generales sobre el funcionamiento de la IA se marcan como [TÉCNICO], mientras que los términos específicos de su aplicación a la creación de textos y las cuestiones de autoría, ética y originalidad que plantea se marcan como [ESCRITURA Y AUTORÍA].

Dado que este campo evoluciona muy rápido, se evitaron cifras y datos puntuales (cantidad exacta de parámetros, tamaño de ventanas de contexto, versiones específicas de modelos) que quedan desactualizados en poco tiempo. La fecha indicada arriba sirve como referencia de la vigencia del contenido: se recomienda revisar el glosario periódicamente para incorporar términos nuevos.

.

---

.

A

AGI (Artificial General Intelligence / Inteligencia Artificial General)   [TÉCNICO]

Hipotética inteligencia artificial capaz de realizar cualquier tarea intelectual que un humano puede hacer, con capacidad de transferir aprendizaje entre dominios diversos. A diferencia de la IA estrecha (que solo hace tareas específicas), la AGI podría aprender, razonar y resolver problemas en contextos completamente nuevos. No existe actualmente; todos los sistemas de IA, incluyendo los LLM más avanzados, siguen siendo IA estrecha.

Agente de IA / IA Agéntica (AI Agent / Agentic AI)   [TÉCNICO]

Sistema de IA que no se limita a responder una consulta puntual, sino que puede planificar una secuencia de pasos, usar herramientas externas (buscar en la web, ejecutar código, editar archivos) y tomar decisiones intermedias para cumplir un objetivo con poca supervisión humana directa. En escritura, un agente puede investigar una fuente, redactar un borrador y revisarlo en varias iteraciones sin que el usuario intervenga en cada paso.

Alineación (AI Alignment)   [TÉCNICO]

Conjunto de técnicas y objetivos orientados a que el comportamiento de un sistema de IA coincida con las intenciones y valores humanos, evitando respuestas dañinas, engañosas o que se desvíen de lo que el usuario realmente busca. El RLHF (ver entrada) es una de las principales técnicas usadas para alinear modelos de lenguaje.

Alucinación   [TÉCNICO]

Error característico de los LLM donde el sistema genera información falsa o inventada con aparente confianza. Ocurre porque el modelo predice palabras estadísticamente probables sin capacidad de verificar veracidad. Ejemplo: inventar referencias bibliográficas inexistentes, atribuir citas falsas a personas reales, o crear “hechos” que suenan plausibles, pero son completamente ficticios. El término es metafórico; la IA no “alucina” en sentido psicológico, simplemente genera texto coherente pero factualmente incorrecto. Ver también “Confabulación”.

API (Application Programming Interface / Interfaz de Programación de Aplicaciones)   [TÉCNICO]

Conjunto de protocolos que permite que diferentes programas se comuniquen entre sí. En el contexto de IA, las APIs permiten a desarrolladores integrar capacidades de sistemas conversacionales en sus propias aplicaciones sin necesidad de entrenar modelos propios. Por ejemplo, una aplicación de corrección de textos podría usar la API de un proveedor de IA para acceder a sus modelos de lenguaje.

Aprendizaje por refuerzo (Reinforcement Learning)   [TÉCNICO]

Técnica de entrenamiento donde un sistema de IA aprende mediante prueba y error, recibiendo “recompensas” por acciones correctas y “castigos” por incorrectas. Similar a cómo aprendemos los humanos mediante consecuencias. Se usa en RLHF (ver entrada) para ajustar el comportamiento de los LLM según preferencias humanas.

Aprendizaje supervisado   [TÉCNICO]

Método de entrenamiento donde la IA aprende de ejemplos etiquetados por humanos. Por ejemplo: miles de imágenes marcadas como “gato” o “no gato” enseñan al sistema a reconocer gatos. En procesamiento de lenguaje, podría ser entrenar un sistema con textos clasificados por sentimiento (positivo/negativo/neutral).

Aprendizaje no supervisado   [TÉCNICO]

Método donde la IA encuentra patrones en datos sin etiquetas creadas específicamente por humanos para esa tarea. El sistema debe descubrir estructura, agrupaciones o relaciones por sí mismo. El preentrenamiento de los LLM suele describirse, con más precisión técnica, como aprendizaje autosupervisado (self-supervised learning): una variante en la que el propio texto genera sus etiquetas (por ejemplo, ocultar una palabra y entrenar al modelo para predecirla a partir del contexto que la rodea). En la práctica, ambos términos se usan a menudo como sinónimos, aunque no son exactamente lo mismo.

Arquitectura Transformer   [TÉCNICO]

Tipo específico de red neuronal diseñada para procesar secuencias (como texto) de manera eficiente. Revolucionó el procesamiento de lenguaje natural desde su introducción en 2017. Permite al sistema “prestar atención” a todas las palabras de una oración simultáneamente y captar relaciones entre palabras distantes. Es la base de la familia GPT (Generative Pre-trained Transformer), BERT, y prácticamente todos los LLM modernos. Se lo suele llamar simplemente “Transformer”.

Autoría colaborativa / Coautoría con IA   [ESCRITURA Y AUTORÍA]

Proceso creativo donde un escritor humano y un sistema de IA trabajan conjuntamente en la producción de un texto. A diferencia del uso de herramientas pasivas (como correctores), implica diálogo iterativo donde ambos “actores” contribuyen ideas, estructuras y formulaciones. Plantea preguntas éticas sobre atribución de autoría y transparencia.

C

Caja negra (Black Box)   [TÉCNICO]

Característica de los sistemas de IA modernos donde el proceso interno de toma de decisiones es opaco e ininterpretable. Aunque sabemos cómo se entrenan los LLM, no podemos explicar exactamente por qué generan una respuesta específica examinando sus parámetros internos. Es como poder ver los ingredientes de un plato, pero no la receta exacta ni el proceso del chef.

Chatbot   [TÉCNICO]

Programa de computadora diseñado para simular conversación con humanos mediante texto (o voz). Los chatbots modernos basados en LLM son significativamente más sofisticados que los chatbots basados en reglas de generaciones anteriores, capaces de mantener conversaciones coherentes sobre temas complejos y, cada vez más, de actuar como agentes (ver “Agente de IA”).

Claude   [TÉCNICO]

Sistema de IA conversacional desarrollado por Anthropic (empresa fundada por exmiembros de OpenAI). Basado en una arquitectura de tipo Transformer, con énfasis en “IA constitucional” —entrenamiento con principios éticos explícitos. Una de las principales alternativas a ChatGPT, conocido por conversaciones más matizadas y largas.

Confabulación   [TÉCNICO]

Término alternativo, cada vez más usado en la literatura especializada, para referirse a lo que coloquialmente se llama “alucinación” (ver entrada): la generación de información falsa presentada con total confianza. Algunos especialistas prefieren “confabulación” porque describe mejor el mecanismo —rellenar huecos de forma plausible— sin sugerir una experiencia perceptiva que la IA no tiene.

Corpus (de entrenamiento)   [TÉCNICO]

Conjunto masivo de textos usado para entrenar un modelo de lenguaje. Puede incluir libros, artículos, sitios web, código fuente y conversaciones. El volumen de texto necesario para entrenar un LLM competitivo ha crecido de forma sostenida con cada nueva generación de modelos, pero el tamaño no lo es todo: la calidad, la diversidad y los sesgos presentes en el corpus determinan, tanto o más que la cantidad, las capacidades y limitaciones del modelo resultante.

D

Deepfake   [ESCRITURA Y AUTORÍA]

Contenido sintético (video, audio, o texto) generado por IA que simula convincentemente a una persona real. Los deepfakes de texto son escritos que imitan el estilo de un autor específico. Los de audio replican voces. Los de video manipulan imágenes faciales. Plantean serios problemas de desinformación y suplantación de identidad.

Deep Learning (Aprendizaje Profundo)   [TÉCNICO]

Subcampo del machine learning que usa redes neuronales con múltiples capas (“profundas”) para aprender representaciones cada vez más abstractas de los datos. Es la tecnología base de los LLM modernos. “Profundo” se refiere a la cantidad de capas de procesamiento, no a profundidad conceptual o filosófica.

Detección de contenido generado por IA / Marca de agua digital (Watermarking)   [ESCRITURA Y AUTORÍA]

Conjunto de técnicas destinadas a identificar si un texto, imagen o audio fue producido por un sistema de IA. Incluye desde herramientas que analizan patrones estadísticos del texto hasta marcas de agua digitales insertadas deliberadamente por el modelo en su salida (patrones no perceptibles a simple vista, pero detectables algorítmicamente). Es un tema central en integridad académica y editorial, aunque ningún método de detección es hoy completamente confiable.

E

Embeddings (Incrustaciones)   [TÉCNICO]

Representaciones numéricas de palabras o conceptos en un espacio multidimensional donde palabras con significados similares están cerca unas de otras. Permiten a las IA “entender” similitud semántica. Por ejemplo, “rey” y “monarca” tendrían embeddings cercanos; “rey” y “manzana” estarían muy separados.

F

Fine-tuning (Ajuste fino)   [TÉCNICO]

Proceso de entrenar un modelo de IA ya preentrenado con un conjunto específico de datos para especializarlo en una tarea particular o adoptar un estilo específico. Por ejemplo: entrenar un LLM con todos los textos de un autor para que escriba “a su manera”. Es menos costoso que entrenar desde cero y permite personalización.

G

Generativo (IA Generativa)   [TÉCNICO]

IA capaz de crear contenido nuevo (texto, imágenes, audio, video) en lugar de solo analizar o clasificar contenido existente. Los LLM son IA generativa: producen texto original (aunque basado en patrones aprendidos). Se distingue de IA discriminativa, que clasifica o predice categorías.

Ghostwriter (escritor fantasma)   [ESCRITURA Y AUTORÍA]

Escritor profesional contratado para escribir textos que serán publicados bajo el nombre de otra persona. Común en memorias de celebridades, discursos políticos, libros de líderes empresariales. La IA puede verse como una nueva forma de ghostwriting, aunque sin intencionalidad humana detrás.

GPT (Generative Pre-trained Transformer)   [TÉCNICO]

Familia de modelos de lenguaje desarrollada por OpenAI, cuyas sucesivas versiones han ido creciendo en tamaño y capacidad desde su lanzamiento inicial. El nombre describe su funcionamiento: Generativo (crea texto), Preentrenado (en grandes corpus antes de tareas específicas), Transformer (arquitectura de red neuronal que usa).

H

Hipertexto   [ESCRITURA Y AUTORÍA]

Texto digital con enlaces que permiten navegación no lineal entre diferentes secciones, documentos o recursos. En narrativa digital, permite crear historias con múltiples caminos y finales según las elecciones del lector. La IA puede facilitar la creación de hipertextos complejos manteniendo coherencia entre múltiples ramificaciones narrativas.

I

IA Estrecha (Narrow AI / Weak AI)   [TÉCNICO]

IA especializada en realizar tareas específicas sin capacidad de generalizar a otros dominios. Todos los sistemas actuales, incluyendo los LLM más avanzados, son IA estrecha. Un chatbot conversacional puede ser excepcional con el lenguaje, pero no puede conducir autos, reconocer rostros o jugar ajedrez, a menos que se lo entrene específicamente para ello.

Inferencia   [TÉCNICO]

Proceso de usar un modelo de IA ya entrenado para generar predicciones o respuestas. Cuando le hacés una pregunta a un asistente de IA, el sistema está haciendo “inferencia”: aplicando sus parámetros aprendidos para generar una respuesta. Se distingue de “entrenamiento”, que es el proceso de ajustar esos parámetros inicialmente.

L

LLM (Large Language Model / Modelo de Lenguaje de Gran Escala)   [TÉCNICO]

Sistema de IA basado en redes neuronales profundas, entrenado con cantidades masivas de texto, capaz de comprender y generar lenguaje natural. “Grande” se refiere tanto al número de parámetros como a la cantidad de datos de entrenamiento. Ejemplos: las familias GPT, Claude, Gemini y LLaMA, entre otras.

M

Machine Learning (Aprendizaje automático)   [TÉCNICO]

Rama de la IA donde los sistemas aprenden patrones de datos sin ser explícitamente programados para cada situación. En lugar de escribir reglas (“si encuentras X, hacé Y”), se muestran ejemplos y el sistema infiere reglas por sí mismo. Los LLM son un tipo avanzado de machine learning.

Modelo   [TÉCNICO]

En IA, un modelo es el sistema resultante después del entrenamiento: la red neuronal con todos sus parámetros ya ajustados, capaz de realizar predicciones o generar contenido a partir de una entrada. Es como una “receta aprendida” que captura los patrones de los datos de entrenamiento, y no una lista de reglas escritas a mano. Dos modelos entrenados con datos, arquitecturas o técnicas distintas —aunque compartan la misma tecnología de base— pueden tener capacidades, estilo y limitaciones muy diferentes entre sí.

Modelos de razonamiento (Reasoning Models)   [TÉCNICO]

Categoría de LLM diseñados para generar una secuencia explícita de pasos intermedios (“cadena de razonamiento” o chain-of-thought) antes de dar una respuesta final, en lugar de responder de manera directa. Esto suele mejorar el desempeño en tareas que requieren lógica, matemática o planificación de varios pasos. Para el usuario puede traducirse en respuestas más lentas, pero más consistentes en tareas complejas.

Multimodal   [TÉCNICO]

IA capaz de procesar y generar contenido en múltiples formatos (texto, imagen, audio, video) simultáneamente. Los modelos multimodales ya son estándar entre los sistemas de IA más avanzados. La tendencia apunta a integrar cada vez más sentidos y formatos, permitiendo, por ejemplo, generar ilustraciones que acompañen texto narrativo de forma coherente.

N

Neurona Artificial   [TÉCNICO]

Unidad básica de una red neuronal artificial que recibe múltiples entradas, las procesa mediante una función matemática, y produce una salida. Inspirada lejanamente en neuronas biológicas, aunque funcionalmente muy diferente. Una red neuronal grande puede tener una cantidad enorme de estas unidades conectadas.

Nihilismo Epistémico   [ESCRITURA Y AUTORÍA]

Estado filosófico/social donde la distinción entre verdadero y falso colapsa, llevando a la imposibilidad de sostener creencias justificadas. En el contexto de IA generativa, se refiere al riesgo de que la proliferación de contenido sintético indistinguible de lo auténtico erosione la confianza en toda comunicación, resultando en que “nadie crea nada”.

O

Overfitting (sobreajuste)   [TÉCNICO]

Error en entrenamiento de IA donde el modelo aprende los datos de entrenamiento demasiado específicamente, memorizando en lugar de generalizar. Resulta en excelente desempeño con datos de entrenamiento, pero pobre con datos nuevos. Los LLM modernos usan técnicas sofisticadas para evitar esto.

P

Parámetros   [TÉCNICO]

En redes neuronales, números ajustables que determinan el comportamiento del modelo. Cada conexión entre neuronas artificiales tiene un “peso” (parámetro) que se corrige durante el entrenamiento para reducir el error del modelo. Como regla general —aunque no absoluta, porque también influyen la arquitectura y la calidad de los datos— más parámetros implica mayor capacidad de representar patrones complejos, pero también mayor costo computacional de entrenamiento y de uso.

Parafraseo (con IA)   [ESCRITURA Y AUTORÍA]

Reescritura de un texto manteniendo su significado, pero cambiando la formulación. Los LLM pueden parafrasear efectivamente, ofreciendo múltiples versiones con diferentes niveles de formalidad, longitud o énfasis. Útil para mejorar claridad o adaptar textos a diferentes audiencias, pero requiere juicio humano para preservar la intención original.

Plagio Estadístico   [ESCRITURA Y AUTORÍA]

Término informal —no una categoría legal reconocida— usado para describir cómo los LLM “recombinan” patrones aprendidos de sus textos de entrenamiento de manera sofisticada. Aunque el modelo no suele copiar pasajes completos de forma literal, todo lo que produce deriva estadísticamente de datos preexistentes. El término se usa para nombrar un debate todavía abierto, ético y legal a la vez, sobre dónde termina la influencia legítima y dónde empieza la apropiación indebida de la obra de otros.

Procesamiento de lenguaje natural (NLP – Natural Language Processing)   [TÉCNICO]

Campo de la IA dedicado a que las computadoras entiendan, interpreten y generen lenguaje humano. Incluye tareas como traducción automática, análisis de sentimiento, resumen de textos, generación de respuestas. Los LLM representan el estado del arte actual en NLP.

Prompt   [TÉCNICO]

Texto de entrada que un usuario proporciona a un sistema de IA para guiar su respuesta. Puede ser una pregunta, instrucción, o contexto. La calidad del prompt influye enormemente en la calidad de la respuesta. “Prompt engineering” es el arte de formular prompts efectivos.

Prompt Engineering (Ingeniería de Prompts)   [TÉCNICO]

Habilidad y práctica de diseñar prompts efectivos para obtener los mejores resultados de sistemas de IA. Incluye técnicas como: proporcionar contexto adecuado, especificar formato deseado, dar ejemplos, descomponer tareas complejas en pasos, iterar y refinar. Es una habilidad cada vez más valiosa en escritura asistida por IA.

R

RAG (Retrieval-Augmented Generation / Generación Aumentada por Recuperación)   [TÉCNICO]

Técnica que combina un LLM con un sistema de búsqueda que recupera información de una fuente externa (documentos, una base de datos, la web) antes de generar la respuesta. Reduce el riesgo de alucinaciones porque el modelo puede basar su respuesta en textos concretos y verificables, en lugar de depender únicamente de lo que “recuerda” de su entrenamiento. Muy relevante en escritura que requiere precisión factual o cita de fuentes.

Red neuronal artificial (Artificial Neural Network)   [TÉCNICO]

Sistema computacional inspirado vagamente en cómo funcionan las neuronas biológicas. Consiste en capas de “neuronas” artificiales conectadas, donde cada conexión tiene un peso ajustable. Mediante entrenamiento, estos pesos se ajustan para que la red aprenda a realizar tareas específicas. Base tecnológica de los LLM.

RLHF (Reinforcement Learning from Human Feedback / Aprendizaje por refuerzo con retroalimentación humana)   [TÉCNICO]

Técnica de entrenamiento donde humanos evalúan múltiples respuestas generadas por el modelo, y el sistema aprende a preferir las respuestas mejor valoradas. Es una de las técnicas principales de alineación (ver entrada) y resulta crucial para que los LLM sean útiles, seguros y se ajusten a las preferencias humanas: transforma un modelo recién preentrenado —que solo predice texto probable, sin noción de qué respuesta conviene dar— en un asistente conversacional utilizable.

S

Sesgo Algorítmico   [TÉCNICO]

Prejuicios sistemáticos en sistemas de IA que reflejan y potencialmente amplifican sesgos ya presentes en los datos de entrenamiento o introducidos por decisiones de diseño. Por ejemplo, un LLM entrenado mayormente con textos de un solo idioma y de un conjunto limitado de países o culturas puede reproducir, sin que nadie se lo indique explícitamente, sesgos lingüísticos, de género, raciales o socioeconómicos propios de esas fuentes. Es uno de los problemas éticos más señalados en las aplicaciones de IA.

Singularidad Tecnológica   [TÉCNICO]

Hipotético punto futuro donde la IA alcanza y supera la inteligencia humana general, comenzando a mejorarse a sí misma exponencialmente. Resultaría en cambios tan rápidos y profundos que serían impredecibles para humanos. Algunos (como Ray Kurzweil) predijeron que esto ocurriría hacia 2045; otros consideran que está a siglos de distancia o que nunca ocurrirá.

Sistema Experto   [TÉCNICO]

Tipo temprano de IA (décadas de 1970 a 2000) basado en reglas explícitas programadas por humanos. Un experto humano traduce su conocimiento en instrucciones lógicas (“SI esto ENTONCES aquello”) que la máquina ejecuta. Muy diferente de los LLM modernos, que aprenden patrones implícitos de datos. Ejemplos clásicos: MYCIN (diagnóstico médico), DENDRAL (química).

T

Temperatura (en generación de texto)   [TÉCNICO]

Parámetro que controla la aleatoriedad en las respuestas de un LLM. Temperatura baja produce texto más predecible y conservador; temperatura alta produce texto más creativo y variable, pero con mayor riesgo de incoherencia. Los usuarios avanzados ajustan la temperatura según necesidad: baja para tareas precisas, alta para creatividad.

Test de Turing   [TÉCNICO]

Prueba propuesta por Alan Turing (1950) para determinar si una máquina puede exhibir comportamiento inteligente indistinguible del humano. Si un evaluador humano no puede distinguir consistentemente entre conversaciones con un humano y con una máquina, la máquina “pasa” el test. Los LLM modernos se aproximan a pasar este test en contextos limitados, aunque su comprensión genuina es debatible.

Tokenización   [TÉCNICO]

Proceso de dividir el texto en unidades procesables por el modelo (tokens, ver entrada). Un token puede ser una palabra completa, un fragmento de una palabra más larga, o incluso un signo de puntuación; la forma exacta en que se divide una palabra depende del tokenizador de cada modelo y no sigue reglas gramaticales (por ejemplo, en sílabas), sino patrones estadísticos de frecuencia en el idioma. Una palabra común suele mantenerse como un único token, mientras que una palabra rara o inventada puede dividirse en varios fragmentos. Los LLM procesan y generan texto token por token, no palabra por palabra.

Tokens   [TÉCNICO]

Unidades básicas de texto que procesa un LLM: aproximadamente, un token equivale a una palabra corta o a un fragmento de una palabra más larga. Los modelos tienen límites de contexto medidos en tokens, una cifra que ha crecido de forma sostenida con cada nueva generación de modelos. Cada interacción con el modelo consume tokens, lo que tiene implicancias de costo en APIs comerciales.

Transmedia (narrativa transmedia)   [ESCRITURA Y AUTORÍA]

Historia que se despliega a través de múltiples plataformas y medios, donde cada plataforma aporta algo único a la narrativa total. Por ejemplo: capítulo 1 en video, capítulo 2 en publicaciones breves, capítulo 3 en podcast. La IA puede facilitar la creación transmedia manteniendo coherencia de personajes, trama y tono a través de formatos diversos.

V

Ventana de contexto (Context Window)   [TÉCNICO]

Cantidad máxima de texto (medida en tokens) que un LLM puede procesar o “recordar” simultáneamente. Esta capacidad ha crecido de forma notable con cada generación de modelos. Más allá de la ventana, el modelo efectivamente “olvida” información anterior, lo que limita la longitud de conversaciones o documentos que puede manejar coherentemente.

Voz (en escritura)   [ESCRITURA Y AUTORÍA]

Estilo distintivo y personalidad que emerge en la escritura de un autor, reflejando su perspectiva, experiencias, ritmo característico, elecciones léxicas y tono. Lo que hace reconocible un texto como “de Borges” o “de García Márquez”. La IA puede imitar voz superficialmente, pero carece de la experiencia vivida que auténticamente la genera.

Z

Zero-shot Learning (Aprendizaje de cero disparos)   [TÉCNICO]

Capacidad de un LLM de realizar tareas sin haber sido entrenado específicamente para ellas, solo basándose en instrucciones en el prompt. Por ejemplo: pedirle que traduzca a un idioma poco común que vio raramente en entrenamiento. Contrasta con “few-shot learning” (dar algunos ejemplos en el prompt) y “fine-tuning” (entrenamiento específico).

.

---

.

Siglas y acrónimos comunes

AGI: Artificial General Intelligence

AI/IA: Artificial Intelligence / Inteligencia Artificial

API: Application Programming Interface

ASI: Artificial Superintelligence

BERT: Bidirectional Encoder Representations from Transformers

GPT: Generative Pre-trained Transformer

LLM: Large Language Model

ML: Machine Learning

NLP: Natural Language Processing

RAG: Retrieval-Augmented Generation

RLHF: Reinforcement Learning from Human Feedback

.

---

.

Nota final del glosario

Este glosario cubre los términos más relevantes para comprender la intersección entre IA y escritura al momento de su última actualización (ver fecha en la portada). El campo evoluciona muy rápido: nuevos términos emergen constantemente y las capacidades de los modelos cambian de una generación a otra, por eso se recomienda revisar y actualizar este glosario periódicamente. Para términos más especializados o de última hora, recursos como Papers with Code, arXiv (sección cs.CL – Computation and Language) y la documentación oficial de los principales laboratorios de IA son referencias valiosas.