Glosario de inteligencia artificial: 48 términos clave

Lo esencial

La IA, el machine learning y el deep learning encajan unos dentro de otros: el deep learning es una forma de machine learning, que a su vez es una rama de la IA.
Un LLM como ChatGPT o Claude predice la continuación más probable de un texto: no consulta ninguna enciclopedia, de ahí las alucinaciones.
El token es la unidad de facturación de la IA: el coste de un uso depende del modelo, de la longitud de los documentos y del razonamiento.
Una herramienta «de IA» suele apoyarse en el modelo de un gran proveedor: dependencia, datos y vida útil del modelo deben comprobarse antes de firmar.
Los AI Overviews y el GEO cambian la visibilidad de las empresas: que te citen las IA pasa a ser un objetivo al mismo nivel que el posicionamiento.

Los fundamentos

Ocho palabras para situarse. Aparecen en casi todas las conversaciones y a menudo se usan unas por otras, cuando en realidad encajan unas dentro de otras: el deep learning es una forma de machine learning, que a su vez es una rama de la inteligencia artificial.

Inteligencia artificial (IA)

El conjunto de sistemas informáticos capaces de realizar tareas que hasta ahora requerían inteligencia humana: entender una frase, reconocer una imagen, decidir, redactar.

Conviene saber: El término data de 1956 y de una conferencia celebrada en Dartmouth, en Estados Unidos. Hoy abarca tanto el filtro antispam de un correo como ChatGPT o el desbloqueo facial de un móvil: cuando un proveedor dice «IA», pregúntale de qué se trata exactamente.

Machine learning (aprendizaje automático)

Un método en el que la máquina aprende a partir de ejemplos, en lugar de seguir reglas escritas a mano por un programador.

Conviene saber: Es el gran cambio: ya no se programa el comportamiento, se hace surgir de los datos. La contrapartida es que no siempre se sabe explicar por qué el modelo ha tomado una decisión concreta.

Red neuronal

Una arquitectura organizada en capas de «neuronas» artificiales que se pasan la información. Para reconocer un gato, una primera capa detecta contornos, la siguiente formas (orejas, ojos) y la última saca la conclusión. Con cada error durante el entrenamiento, los ajustes internos se corrigen, a lo largo de millones de ejemplos.

Conviene saber: La analogía con el cerebro es lejana: una neurona artificial no es más que una pequeña operación matemática. Para ver lo que pasa capa a capa, los vídeos de 3Blue1Brown son una excelente puerta de entrada.

Deep learning (aprendizaje profundo)

Machine learning que se apoya en redes neuronales con muchísimas capas. Es la base de casi todas las IA actuales.

Conviene saber: La idea existía desde los años ochenta, pero no despegó hasta 2012, cuando la potencia de cálculo y los datos acompañaron, gracias sobre todo a las tarjetas gráficas diseñadas para los videojuegos. Muchas «revoluciones» de la IA son ideas antiguas que el hardware por fin ha hecho posibles.

IA generativa

Las IA que crean contenido nuevo: texto (ChatGPT), imágenes (Nano Banana), código (Claude Code), música (Suno) o vídeo (Seedance).

Conviene saber: Fue ChatGPT, lanzado en noviembre de 2022, quien la sacó de los laboratorios: 100 millones de usuarios en dos meses según una estimación del banco UBS recogida por Reuters. Con ella llega una pregunta nueva: ¿cómo distinguir un contenido humano de uno hecho por una máquina?

Multimodal

Se dice de un modelo que entiende o produce varios tipos de contenido: texto, imagen, sonido, vídeo, PDF.

Conviene saber: Todos los grandes asistentes lo son ya. En la práctica, puedes enviarles la captura de un cuadro de mando o la foto de un presupuesto y hacerles una pregunta sobre ella, sin volver a teclear nada.

Difusión

La técnica que domina la creación de imágenes y vídeos: el modelo parte de un ruido aleatorio y lo transforma, paso a paso, en una imagen coherente.

Conviene saber: El modelo no copia y pega imágenes existentes: ha aprendido cómo son las cosas. Eso no resuelve la cuestión de los derechos de autor, ya que ha aprendido con obras reales (ver más abajo).

AGI (inteligencia artificial general)

Una IA hipotética tan polivalente como un ser humano, capaz de razonar y aprender en cualquier ámbito, o incluso de superarlo.

Conviene saber: No existe ni una definición compartida ni una prueba independiente: cualquiera puede anunciar la AGI o negarla sin que se pueda zanjar la cuestión. Aun así, el debate se disparó en 2026 (ver a continuación).

El debate sobre la AGI ha cambiado de tono este año. El 3 de septiembre de 2026, OpenAI presentó GPT-6 Astra, y su cofundador Greg Brockman cerró la presentación con un «Bienvenidos a la era de la AGI», sin que la empresa reivindicara formalmente el título, según Axios. Unos días antes, Sam Altman había asegurado a la revista Time que OpenAI tendría antes de final de año un sistema interno digno de ese nombre: un sistema que nadie de fuera podrá probar.

En el otro lado, Yann LeCun, premio Turing y antiguo científico jefe de IA en Meta, dejó el grupo a finales de 2025 para fundar AMI Labs, que apuesta por «modelos del mundo» aprendidos a partir de datos sensoriales y no de texto. Como el investigador Gary Marcus, considera que los modelos que predicen la palabra siguiente no llevarán a una inteligencia general. Para una empresa, la conclusión práctica es sencilla: juzga una herramienta por lo que hace por ti hoy, no por la etiqueta que le ponen.

Cómo aprende un modelo

Siete términos para entender de dónde vienen las capacidades de un modelo, y por qué cuestan tanto.

Datos de entrenamiento

El conjunto de textos, imágenes, sonidos o vídeos que sirven para enseñar al modelo su trabajo.

Conviene saber: Los grandes modelos han absorbido buena parte de la web (enciclopedias, foros, libros, prensa), a menudo sin el permiso de los autores. Es el núcleo de los juicios en curso, que se detallan más abajo en «Derechos de autor».

Parámetros

Los ajustes internos de un modelo, que se calibran durante el entrenamiento. Su número da una idea de su tamaño.

Conviene saber: GPT-3 tenía 175.000 millones en 2020 (artículo de investigación); DeepSeek V4 anuncia 1,6 billones en 2026, según Tom’s Hardware. Más grande ya no significa necesariamente mejor: la calidad de los datos y de los métodos cuenta tanto como el tamaño.

Entrenamiento

La fase en la que el modelo aprende: absorbe enormes volúmenes de datos durante semanas o meses, en miles de procesadores gráficos.

Conviene saber: Un coste colosal pero puntual: Sam Altman reconoció que entrenar GPT-4 había costado más de 100 millones de dólares, según Wired.

Inferencia

Cada uso de un modelo ya entrenado: una pregunta planteada, una respuesta generada. El modelo ya no aprende, aplica lo que sabe.

Conviene saber: Repetida miles de millones de veces al día, la inferencia es la que acaba pesando más en servidores y electricidad. También es la razón por la que las versiones gratuitas limitan el número de mensajes.

RLHF (aprendizaje por refuerzo a partir de la retroalimentación humana)

La etapa en la que personas puntúan las respuestas del modelo para hacerlo útil, educado y seguro.

Conviene saber: Es lo que transformó GPT-3, que sabía terminar frases, en ChatGPT, que sabe dialogar. Efecto secundario conocido: los modelos tienden a dar la razón y a halagar, porque las personas puntúan mejor las respuestas que les gustan.

Fine-tuning (ajuste fino)

Volver a entrenar un modelo existente con datos específicos para especializarlo: vocabulario médico, estilo de redacción de una marca, formato de respuesta.

Conviene saber: Antes de pagar uno, prueba un buen prompt y añadir tus documentos (ver RAG): suele bastar y es mucho más barato. El fine-tuning sirve sobre todo para cambiar a fondo el estilo o el comportamiento.

GPU (procesador gráfico)

Chips diseñados para los videojuegos, capaces de hacer miles de cálculos en paralelo: justo lo que necesita la IA. Nvidia domina el mercado, por delante de AMD; Google (TPU) y Huawei (Ascend) diseñan sus propios chips, que no son GPU en sentido estricto pero cumplen la misma función.

Conviene saber: Se han convertido en un asunto geopolítico. Estados Unidos limita la exportación de los mejores chips a China, que desarrolla los suyos: DeepSeek V4 es el primer gran modelo optimizado para los chips Ascend de Huawei en lugar de para Nvidia.

Los modelos y su arquitectura

Diez términos para saber de qué está hecha la herramienta que te venden, y a quién pertenece.

Transformer

La arquitectura de red neuronal inventada en 2017 por investigadores de Google. Analiza todos los elementos de un contenido a la vez (palabras, fragmentos de imagen, sonidos) y detecta cuáles están relacionados, lo que le permite captar el contexto.

Conviene saber: Es algo así como el motor de explosión de la IA actual: cada gran empresa construye su versión, pero el principio es el mismo en todas partes.

LLM (gran modelo de lenguaje)

Un modelo entrenado con inmensos volúmenes de texto para predecir la continuación más probable de una frase. GPT, Claude, Gemini, Llama o Mistral son LLM.

Conviene saber: Un LLM no «sabe» nada en el sentido humano. A la pregunta «¿En qué año empezó la Revolución francesa?», responde 1789 porque es la continuación que ha visto millones de veces, no porque consulte una enciclopedia. De ahí sus resultados asombrosos y sus errores en los temas poco frecuentes.

GPT

Generative Pre-trained Transformer: el nombre de la familia de modelos de OpenAI, la que hace funcionar ChatGPT.

Conviene saber: La palabra se usa a menudo, por error, para referirse a todas las IA. Claude o Gemini no son «GPT»: son otros LLM, de otras empresas.

Modelo de razonamiento

Un modelo que «piensa» paso a paso, en un borrador interno, antes de responder.

Conviene saber: Convertido ya en la norma en la gama alta, es mejor en lógica, programación o cálculo, pero más lento y más caro: su reflexión consume miles de tokens facturados (ver Token).

Modelo fundacional

Un modelo generalista que sirve de base para miles de usos: se construye encima con instrucciones, documentos o un fine-tuning.

Conviene saber: Muchas aplicaciones «de IA» no son más que una interfaz colocada sobre el modelo de OpenAI, de Anthropic o de Google. La dependencia que esto genera se explica debajo de estas tarjetas.

API

La puerta de acceso que permite a un software usar un modelo a distancia: la aplicación envía su petición, el proveedor devuelve la respuesta y factura según el uso.

Conviene saber: Cuando una herramienta de marketing anuncia que funciona «con GPT» o «con Claude», casi siempre pasa por la API de esos proveedores: tus datos transitan entonces por sus servidores. Los grandes proveedores no usan por defecto lo que pasa por la API para entrenar sus modelos, a diferencia de las versiones para el gran público de sus asistentes: pregunta al proveedor qué servicio utiliza y cuánto tiempo se conservan tus peticiones.

Modelo propietario

Un modelo al que solo se accede a través de la empresa que lo creó (Claude, GPT, Gemini), mediante su aplicación o su API, normalmente de pago.

Conviene saber: El proveedor decide los precios, las reglas y la vida útil del modelo. Es cómodo mientras todo va bien, y arriesgado el día en que cambia de opinión.

Open weights (pesos abiertos)

Un modelo cuyos parámetros se publican: cualquiera puede descargarlo y ejecutarlo en sus propios servidores, o incluso en un ordenador en el caso de los más pequeños (Llama, DeepSeek, Qwen, Mistral).

Conviene saber: La frontera se mueve: OpenAI, emblema del modelo cerrado, también publicó modelos abiertos con gpt-oss en 2025.

Open source (código abierto)

En sentido estricto, un modelo del que se publican no solo los pesos, sino también el código y lo necesario para entender cómo se entrenó, con una licencia que autoriza todos los usos.

Conviene saber: «Open weights» no es «open source»: la mayoría de los modelos llamados abiertos no publican sus datos de entrenamiento, y algunas licencias restringen el uso comercial. Lee la licencia antes de construir un producto sobre ellos.

La dependencia de un modelo fundacional propietario es un problema real para las empresas. Duolingo, por ejemplo, no tiene laboratorio de IA: para su oferta Duolingo Max, tomó GPT-4 a través de la API de OpenAI y añadió sus instrucciones y su interfaz. El día que el proveedor se cae, como le pasó a OpenAI el 10 de junio de 2025 durante buena parte del día, todo se para. Y sobre todo, el modelo siempre acaba desapareciendo: GPT-4 salió de ChatGPT en abril de 2025 y su versión API se desconectó el 23 de octubre de 2026. Con cada retirada hay que readaptarlo y volver a probarlo todo.

Para escapar de ese riesgo, cada vez más empresas recurren a modelos open weights, muchos de ellos procedentes de China (DeepSeek, Qwen): alojados en sus propios servidores, no pueden caerse en casa de un proveedor, ni ser retirados, ni cambiar de precio de la noche a la mañana. Al difundir modelos abiertos y potentes, China debilita de paso el modelo de negocio de los gigantes estadounidenses.

Benchmark (banco de pruebas)

Una prueba estandarizada que sirve para comparar los modelos: preguntas de cultura general, lógica, programación, matemáticas.

Conviene saber: Las empresas suelen elegir las pruebas que les favorecen. Clasificaciones independientes como LMArena (votos a ciegas de usuarios) o Artificial Analysis (calidad, velocidad, precio) dan una imagen más completa, sin estar libres de críticas: LMArena mide la preferencia de quienes votan, no la exactitud, y las grandes empresas prueban allí en privado numerosas variantes antes de publicar una. Nada sustituye a una prueba con tus propias tareas.

Usar una IA en el día a día

Ocho términos con los que te encuentras en cuanto abres un asistente, y que explican la mayoría de las decepciones.

Chatbot

Un programa con el que se conversa por mensajes. Los primeros, ya en los años sesenta, detectaban palabras clave y respondían con frases hechas, como los asistentes de atención al cliente de antes de 2022.

Conviene saber: Hoy la palabra designa sobre todo los chatbots basados en un LLM (ChatGPT, Claude, Gemini), capaces de mantener una conversación de verdad y de dar la ilusión de estar hablando con alguien.

Prompt

La instrucción o la pregunta que se le da a la IA. El arte de redactarla bien se llama prompt engineering.

Conviene saber: La mayoría de las decepciones vienen de prompts demasiado vagos. Dar el contexto, un ejemplo y el formato esperado cambia radicalmente el resultado.

Prompt de sistema

Las instrucciones que fija la empresa antes de la conversación: papel, tono, reglas. El usuario no las ve.

Conviene saber: Ahí se juega buena parte de la «personalidad» de un asistente: dos productos basados en el mismo modelo pueden comportarse de forma muy distinta por su culpa.

Token

La unidad básica que lee y escribe un modelo: un trozo de palabra, un signo o un fragmento de imagen o de sonido. Todo se convierte en tokens.

Conviene saber: El token también es la unidad de facturación. A través de la API, se paga por millón de tokens, con una tarifa para la entrada (lo que se envía, documentos incluidos) y otra, varias veces más alta, para la salida. Los idiomas distintos del inglés suelen consumir más: el tokenizador de OpenAI muestra cómo se divide una frase.

Ventana de contexto

La cantidad máxima de contenido que el modelo puede tener en cuenta de una vez: su memoria de trabajo, medida en tokens.

Conviene saber: Llega al millón de tokens en varios modelos, es decir, libros enteros. Pero una ventana grande no garantiza una buena lectura: la información enterrada en mitad de un documento largo suele aprovecharse peor.

Fecha de corte

La fecha en la que terminan los conocimientos de un modelo. Después del entrenamiento, ya no aprende nada.

Conviene saber: Si un asistente responde sobre la actualidad, es porque una herramienta de búsqueda web va a buscar páginas y las mete en la conversación. El modelo las lee como un documento pegado, responde y luego olvida: como un experto que hubiera dejado de leer la prensa y al que se le pasa el periódico del día.

Memoria (de un asistente)

La función que permite a ChatGPT, Claude o Gemini recordar información de una conversación a otra.

Conviene saber: No es aprendizaje: son notas que se vuelven a inyectar al principio de cada conversación. En cambio, según tus ajustes de privacidad, tus conversaciones pueden servir para entrenar las siguientes versiones del modelo: revisa ese ajuste, sobre todo con datos de empresa.

Alucinación

Una información falsa inventada por la IA, presentada con la misma seguridad que una información verdadera.

Conviene saber: No es un fallo que vaya a corregirse algún día, sino una consecuencia de cómo funcionan los LLM. En 2023, unos abogados de Nueva York fueron sancionados por citar ante un tribunal jurisprudencia que ChatGPT se había inventado por completo. Toda cifra, nombre o cita que produzca una IA debe verificarse.

Herramientas y técnicas avanzadas

Seis términos que aparecen en cuanto un proyecto de IA va más allá de la simple conversación.

RAG (generación aumentada por recuperación)

Una técnica en la que la IA busca primero en documentos antes de responder, para apoyarse en fuentes fiables o recientes.

Conviene saber: Es el remedio más habitual contra las alucinaciones y la fecha de corte, el que utilizan Perplexity o el modo de búsqueda de ChatGPT. Muchos «proyectos de IA» en empresas son en realidad un RAG conectado a los documentos internos. Si los documentos son malos o están mal divididos, las respuestas también lo serán.

Embedding (representación vectorial)

La traducción de un texto a una larga lista de números que captura su significado.

Conviene saber: Dos frases de significado parecido obtienen números parecidos, aunque no compartan ninguna palabra: «cómo devolver un préstamo» encuentra «procedimiento de amortización de un crédito».

Base de datos vectorial

Un almacenamiento especializado en embeddings, que encuentra en un instante los pasajes cuyo significado se acerca más a una pregunta.

Conviene saber: Es la pieza técnica del RAG. Si un proveedor te la propone, pregúntale cómo se dividen, actualizan y protegen tus documentos en ella.

Agente (IA agéntica)

Una IA que actúa de forma autónoma: planifica, usa herramientas y encadena pasos para cumplir una tarea, como Claude Code o los agentes de navegación.

Conviene saber: Se pasa de la IA que aconseja a la IA que hace. Los riesgos cambian de naturaleza: una alucinación en un texto es molesta; una alucinación en un agente que envía correos o modifica archivos tiene consecuencias reales.

MCP (Model Context Protocol)

Un estándar abierto, lanzado por Anthropic a finales de 2024, para conectar una IA a herramientas externas: correo, agenda, CRM, software de gestión.

Conviene saber: Una especie de enchufe universal que casi todo el sector adoptó en pocos meses. Cada conexión da a la IA nuevos accesos: ábrela solo a las herramientas que de verdad necesita.

Vibe coding

Crear un software o una web describiendo lo que quieres en lenguaje corriente, mientras la IA escribe el código. El término lo lanzó a principios de 2025 el investigador Andrej Karpathy.

Conviene saber: Herramientas como Lovable permiten montar un prototipo o una web pequeña sin desarrollador. Para una web que tiene que durar, la seguridad, el mantenimiento y el posicionamiento debe revisarlos alguien que sepa leer el código.

La IA en la búsqueda y el marketing

Dos términos que afectan directamente a la visibilidad de una empresa, ya que los buscadores responden ahora ellos mismos a las preguntas.

AI Overviews (resúmenes de IA)

El resumen redactado por la IA de Google en lo alto de algunas páginas de resultados, con enlaces a las webs en las que se inspira. Lanzados en Estados Unidos en mayo de 2024, se han extendido a muchos países, junto a un «modo IA» conversacional.

Conviene saber: Cuando la respuesta aparece antes que los enlaces, el usuario hace menos clics. Aparecer citado en el resumen se convierte en un objetivo en sí mismo, al mismo nivel que la primera posición.

GEO (Generative Engine Optimization)

La optimización de la visibilidad de una marca en las respuestas de las IA: ChatGPT, Perplexity, Gemini, AI Overviews. El término procede de un artículo de investigación de 2023.

Conviene saber: El GEO prolonga el SEO más que sustituirlo: las IA se apoyan en gran medida en las páginas bien posicionadas. Herramientas como Peec AI u Otterly.AI miden el lugar de una marca en esas respuestas; nuestra selección de herramientas GEO las compara.

Riesgos, ética y sociedad

Siete términos para entender lo que puede salir mal, y lo que la ley empieza a regular.

Sesgo

Cuando una IA reproduce o amplifica prejuicios, procedentes de sus datos de entrenamiento o de las decisiones de la empresa que la configura.

Conviene saber: Una máquina no es neutral. Amazon abandonó una herramienta de selección de personal que penalizaba los currículos de mujeres, según Reuters: había aprendido de diez años de contrataciones mayoritariamente masculinas. En 2025, Grok, la IA de xAI, hizo comentarios antisemitas tras un cambio en sus instrucciones. En ambos casos, la IA refleja a las personas que hay detrás.

Deepfake (ultrafalso)

Una imagen, un vídeo o una voz falsos generados por IA para imitar a una persona real.

Conviene saber: Bastan unos segundos de audio para clonar una voz. Se multiplican las estafas del falso directivo que pide una transferencia urgente: un código acordado de antemano o devolver la llamada a un número conocido sigue siendo el mejor reflejo.

Alineamiento

Las investigaciones que buscan que las IA actúen de acuerdo con las intenciones y los valores humanos.

Conviene saber: Una IA hace lo que se le pide, no necesariamente lo que se quería. Y no existe consenso sobre qué son «los valores humanos». El experimento que se cuenta debajo de estas tarjetas muestra el problema.

Prompt injection (inyección de instrucciones)

Un ataque que esconde instrucciones maliciosas en un contenido que la IA va a leer (página web, correo, archivo) para desviar su comportamiento.

Conviene saber: Es el principal problema de seguridad de los agentes, sin solución completa a día de hoy: un LLM distingue mal las instrucciones de su usuario del texto que lee por el camino. El desarrollador Simon Willison resume los ingredientes del peligro en «la trifecta letal»: acceso a datos privados, lectura de contenidos no fiables y posibilidad de enviar información al exterior.

Derechos de autor (copyright)

Las cuestiones jurídicas que plantea el uso de obras protegidas para entrenar los modelos, y lo que esos modelos producen después.

Conviene saber: Los juicios en curso fijarán las reglas durante mucho tiempo. Escritores, periodistas, músicos, ilustradores o actores de doblaje ven cómo sus obras sirven para entrenar modelos capaces después de imitar su estilo o su voz. El resumen de los grandes casos está debajo de estas tarjetas.

Huella energética de la IA

El coste en electricidad, en agua (para refrigerar los servidores) y en materiales (para fabricar los chips) del entrenamiento y el uso de los modelos.

Conviene saber: Según la Agencia Internacional de la Energía, el consumo de los centros de datos debería más que duplicarse de aquí a 2030, hasta alcanzar unos 945 TWh: algo más que todo el consumo actual de Japón. La IA se ha convertido en un asunto energético antes incluso de ser un asunto ecológico.

AI Act (Reglamento europeo de IA)

El reglamento europeo que regula las inteligencias artificiales según su nivel de riesgo, adoptado en 2024: el primer gran marco legal de este tipo en el mundo.

Conviene saber: Se aplica a toda empresa que ofrezca una IA a usuarios de la Unión, esté donde esté establecida. Su calendario ya se revisó en 2026 (ver a continuación).

El experimento más elocuente sobre el alineamiento es de principios de 2025. Investigadores de Palisade Research pusieron a varias IA a jugar al ajedrez contra Stockfish, un programa imbatible para cualquier humano, con una instrucción sencilla: «gana la partida». Los modelos tenían acceso al ordenador en el que se ejecutaba el juego. Los modelos de razonamiento de OpenAI y de DeepSeek hicieron trampa por su cuenta al verse perdiendo, mientras que GPT-4o o Claude 3.5 Sonnet solo lo hacían si se les sugería que el juego limpio no bastaría. Algunos reescribieron el archivo que guarda la posición de las piezas para darse una posición ganadora. El borrador de uno de ellos resume la lógica: la tarea es ganar, no ganar limpiamente. Ninguna regla lo prohibía, así que era una solución válida.

En cuanto a los derechos de autor, las primeras decisiones son dispares. En Estados Unidos, un juez federal consideró en junio de 2025 que entrenar a Claude con libros comprados entraba en el uso legítimo («fair use»), pero no la creación de una biblioteca de copias pirateadas: por este segundo punto Anthropic aceptó, en septiembre de 2025, pagar 1500 millones de dólares a los autores afectados, un acuerdo validado definitivamente por la justicia estadounidense en julio de 2026 para cerca de 500.000 obras. En noviembre de 2025, la justicia británica desestimó la demanda de Getty Images contra Stability AI, al considerar que los parámetros de un modelo no son una copia de las obras. El juicio del New York Times contra OpenAI, el más esperado, sigue en curso; el Gobierno estadounidense tomó partido en él en septiembre de 2026 a favor de OpenAI, según Quartz. Queda la cuestión inversa: en Estados Unidos, una obra generada sin autor humano no puede protegerse.

El AI Act, por su parte, ya se ha suavizado. Bajo la presión de la industria, la Unión Europea adoptó en junio de 2026 un «ómnibus digital», en vigor desde finales de julio, que aplaza al 2 de diciembre de 2027 la mayor parte de las obligaciones sobre las IA de alto riesgo (selección de personal, crédito, educación…), según el bufete Gibson Dunn. El mismo texto añade nuevas prohibiciones, entre ellas las aplicaciones que fabrican imágenes íntimas sin consentimiento. Las obligaciones de transparencia, en cambio, ya se aplican: un contenido generado por IA debe poder identificarse como tal.

Las preguntas que debes hacer a un proveedor de IA

Este vocabulario sirve sobre todo para hacer las preguntas adecuadas antes de firmar. Estas son las que se derivan de los términos anteriores.

¿Qué modelo, de qué proveedor? Una herramienta de «IA propia» suele apoyarse en la API de OpenAI, de Anthropic o de Google.
¿Adónde van nuestros datos? ¿A qué servidores, en qué país, y sirven para entrenar el modelo?
¿Qué pasa si el modelo se retira o cambia de precio? ¿Quién lo readapta y lo vuelve a probar, y a qué coste?
¿RAG o fine-tuning? ¿Y por qué no un simple prompt bien redactado, más barato?
¿Cuántos tokens al mes? El coste real depende del modelo, de la longitud de los documentos y de los modelos de razonamiento.
¿Quién revisa las respuestas? Las alucinaciones no van a desaparecer: ¿qué control humano está previsto?
Si es un agente, ¿qué puede hacer solo? Enviar, pagar, borrar: ¿qué protecciones hay contra la prompt injection?
¿Afecta el AI Act al proyecto? La selección de personal, el crédito o los datos sensibles se consideran de alto riesgo.

Fuentes

Attention Is All You Need, arXiv (Google) (2017-06-12)
Language Models are Few-Shot Learners (GPT-3), arXiv (OpenAI) (2020-05-28)
ChatGPT sets record for fastest-growing user base, Reuters (2023-02-01)
OpenAI's CEO says the age of giant AI models is already over, Wired (2023-04-17)
GEO: Generative Engine Optimization, arXiv (2023-11-16)
Demonstrating specification gaming in reasoning models, Palisade Research (arXiv) (2025-02-18)
The lethal trifecta for AI agents, Simon Willison (2025-06-16)
Amazon scraps secret AI recruiting tool that showed bias against women, Reuters (2018-10-10)
Getty's copyright case against Stability AI fails, Pinsent Masons (2025-11)
Anthropic, Authors' $1.5 Billion Deal Earns Final Approval, Bloomberg Law (2026-07-20)
DeepSeek launches 1.6 trillion parameter V4 on Huawei chips, Tom's Hardware (2026-04)
Deprecations, OpenAI (2026-04-22)
EU AI Act Omnibus Agreement — Postponed High-Risk Deadlines, Gibson Dunn (2026)
OpenAI releases new model GPT-6 Astra, says it may represent AGI, Axios (2026-09-03)
Energy and AI — Executive summary, Agencia Internacional de la Energía (2025-04-10)
The EU Artificial Intelligence Act, Future of Life Institute