Glosario de IA empresarial

Los términos que aparecen en cualquier propuesta de automatización, explicados en dos o tres líneas y sin marketing. Sirve para leer un presupuesto y entender qué se está comprando.

26 términos

Fundamentos

Inteligencia artificial: Conjunto de técnicas que permiten a un sistema realizar tareas que requieren interpretación, como entender un texto, reconocer una imagen o estimar un resultado. En una empresa se aplica sobre tareas concretas y repetitivas, no como una capacidad general. Ver más sobre esto →
Machine learning: Rama de la inteligencia artificial en la que un modelo aprende patrones a partir de datos históricos en lugar de seguir reglas escritas a mano. Se usa para clasificar, detectar anomalías y estimar valores futuros cuando existe suficiente historial.
Agente de IA: Sistema que interpreta una solicitud en lenguaje natural, busca la información que necesita en los sistemas de una empresa y ejecuta una tarea concreta. A diferencia de un chatbot, que sólo conversa, el agente actúa y deja registro de cada acción. Ver más sobre esto →
Chatbot: Sistema conversacional que responde consultas con la información que se le cargó previamente. No accede a los sistemas de la empresa, así que puede explicar cómo funciona un trámite pero no informar el estado del trámite de una persona concreta. Ver más sobre esto →
Modelo de lenguaje (LLM): Modelo entrenado sobre grandes volúmenes de texto que predice qué palabras siguen a un texto dado. Es lo que permite interpretar y redactar en lenguaje natural, pero por sí solo no conoce la información interna de una empresa.
Procesamiento de lenguaje natural (NLP): Campo que se ocupa de que un sistema interprete el lenguaje humano tal como se escribe o se habla, con abreviaturas, errores de tipeo y variantes regionales. Es lo que permite entender la intención detrás de un mensaje informal.
Computer vision: Conjunto de técnicas que permiten a un sistema interpretar imágenes y video: identificar objetos, leer una patente, detectar un defecto en una pieza o clasificar una anomalía en una línea de producción.

Arquitectura RAG y modelos

RAG: Generación aumentada por recuperación. Arquitectura que conecta un modelo de lenguaje con la documentación real de una empresa: antes de responder, el sistema recupera los fragmentos relevantes y responde sólo sobre esa base, citando de dónde salió cada dato. Ver más sobre esto →
Embedding: Representación numérica del significado de un texto. Dos fragmentos que hablan de lo mismo tienen embeddings parecidos aunque no compartan palabras, y eso es lo que permite buscar por sentido en lugar de buscar por coincidencia exacta.
Chunking: División de un documento en fragmentos con sentido propio antes de indexarlo. Un corte mal hecho separa una condición de su excepción y hace que el sistema responda con la mitad de la información, así que define buena parte de la calidad final.
Base de datos vectorial: Base de datos que almacena embeddings y permite recuperar los fragmentos más parecidos a una consulta. Es la pieza que hace viable buscar por significado sobre miles de documentos en tiempo de respuesta aceptable.
Reranking: Segundo paso de ordenamiento sobre los fragmentos recuperados. La búsqueda por similitud trae candidatos parecidos matemáticamente; el reranking los reordena por pertinencia real respecto de la pregunta, que no siempre es lo mismo.
Fine-tuning: Reentrenamiento de un modelo con ejemplos propios para que adopte una forma de responder específica. Sirve para enseñar estilo o formato, no para incorporar información que cambia: para eso conviene una arquitectura RAG.
Alucinación: Respuesta plausible pero incorrecta que un modelo genera cuando le falta información. No es un error aleatorio: es consecuencia de que el modelo predice texto probable en lugar de verificar. Se mitiga conectándolo a fuentes propias y exigiendo cita.
Ventana de contexto: Cantidad máxima de texto que un modelo puede considerar de una vez, incluyendo la pregunta, los documentos recuperados y su propia respuesta. Cuando se supera, la información más antigua deja de estar disponible para esa consulta.
Prompt: Instrucción que recibe un modelo, incluyendo el pedido del usuario y las reglas que definen cómo debe comportarse. En un sistema empresarial no lo escribe el usuario final: es parte del diseño y define los límites de lo que el agente puede hacer.

Automatización e integración

Automatización de procesos: Rediseño de un circuito de trabajo para que las tareas repetitivas las ejecute un sistema y las personas intervengan sólo en las excepciones. Requiere que el proceso sea explicable y que la información esté accesible en algún sistema. Ver más sobre esto →
RPA: Automatización robótica de procesos. Repite una secuencia de pasos definida de antemano sobre la interfaz de otros sistemas. Es precisa y barata mientras nada cambie: si se mueve un botón o se agrega un campo, se rompe y hay que rehacerla.
OCR: Reconocimiento óptico de caracteres: extracción de texto desde una imagen o un PDF escaneado. El OCR con inteligencia artificial además interpreta la estructura del documento y reconoce qué campo es cada dato, sin plantillas por proveedor. Ver más sobre esto →
API: Interfaz que permite a dos sistemas intercambiar información de forma programada. Que un sistema tenga API documentada es lo que separa una integración previsible de un proyecto de duración incierta. Ver más sobre esto →
Integración de sistemas: Conexión de las herramientas que ya usa una empresa para que un dato se cargue una sola vez y esté disponible en todas. Antes de conectarlas hay que definir, para cada dato, cuál es el sistema de origen. Ver más sobre esto →
Edge computing: Procesamiento de datos en el mismo lugar donde se generan, en lugar de enviarlos a la nube. Permite que un punto de captura siga funcionando sin conexión y sincronice después, sin perder registros.

Puesta en producción

Umbral de confianza: Valor a partir del cual el sistema acepta un resultado como válido. Lo que queda por debajo va a revisión humana. Subirlo significa más control y menos errores; bajarlo, lo contrario. Es una decisión de negocio, no técnica.
Supervisión humana: Diseño en el que determinadas acciones requieren aprobación de una persona antes de ejecutarse. La regla práctica es que todo lo que tenga consecuencia hacia afuera —dinero, compromisos, comunicaciones a clientes— pase por alguien.
Trazabilidad: Registro de qué hizo el sistema, con qué datos y en qué momento. Sin trazabilidad ninguna organización puede darle permisos sobre sus sistemas a un agente, porque un error no se puede detectar ni reconstruir.
Dato estructurado: Información organizada en campos identificables, como fecha, importe o proveedor, en lugar de texto libre. Convertir texto informal en datos estructurados es lo que permite consultar, controlar y sumar esa información.

Contanos qué proceso querés mejorar

Miramos cómo funciona hoy y te devolvemos un diagnóstico concreto: qué automatizar, cómo, y qué resultado esperar. Sin costo ni compromiso.

Contanos tu proceso