Artificial Intelligence Glossary 2026

Modelo de lenguaje a gran escala entrenado con billones de tokens capaz de comprender y generar lenguaje natural. Ejemplos en 2026: Claude 4.6 (Anthropic), GPT-5 (OpenAI), Gemini 2 (Google), Llama 3+ (Meta), Mistral Large.

Disciplina de diseñar instrucciones (prompts) para obtener respuestas óptimas de un LLM. Incluye técnicas como role prompting, few-shot learning, chain-of-thought y structured outputs.

💡 SprintMarkt tiene una herramienta gratuita de generación de prompts profesionales por sector y departamento.

Representación numérica (vector) de texto, imagen o audio que captura su significado semántico. Dos textos con significado parecido tendrán embeddings con distancia matemática cercana.

Generación por parte de un LLM de información falsa pero aparentemente verosímil. Causa principal de los proyectos IA mal implementados. Se mitiga con RAG, validación, guardrails y temperature baja.

💡 SprintMarkt aplica 3 capas anti-alucinación en chatbots: RAG obligatorio, citations verificables, post-filtrado con reglas.

Unidades básicas que procesa un LLM. Aproximadamente 1 token = 0,75 palabras en inglés, 0,5 palabras en español. Los precios de API se cotizan por millón de tokens.

Cantidad máxima de tokens que un LLM puede procesar a la vez (prompt + respuesta). En 2026 va de 128k (GPT-5) a 1M+ (Gemini Pro, Claude 4.6).

Técnica de prompt engineering que pide al LLM 'pensar paso a paso' antes de responder. Mejora dramáticamente tareas de razonamiento matemático y lógico.

Técnica de incluir 2-5 ejemplos en el prompt para que el LLM aprenda el patrón esperado sin necesidad de fine-tuning.

Parámetro (0.0-1.0+) que controla la 'creatividad' del LLM. 0.0 = determinista y predecible (ideal para clasificación). 0.7-0.9 = creativo (ideal para generación).

Capacidad de un modelo de procesar y generar múltiples tipos de input/output: texto, imagen, audio, vídeo. GPT-4o, Gemini y Claude 4.6 son multimodales.

Técnica de generar voz sintética que imita una voz concreta a partir de pocos segundos de muestra. Herramientas: ElevenLabs, Resemble AI, OpenAI Voice.

Familia de LLMs desarrollada por Anthropic. En 2026 las versiones activas son Claude 4.6 (Sonnet, Haiku, Opus). Destacan por razonamiento largo, control de alucinaciones y tool use avanzado.

Familia de LLMs de OpenAI. En 2026 activos: GPT-5 (flagship), GPT-4o (vision/audio), GPT-4o-mini (económico). Base de ChatGPT.

Familia de LLMs multimodales de Google DeepMind. Ventaja competitiva: integración nativa con Google Workspace, Search, y ecosistema Android.

Familia de LLMs open-weights de Meta (Llama 3, Llama 4). Licencia permisiva para uso comercial. Preferido para self-hosting y escenarios donde los datos no pueden salir de la red del cliente.

LLMs europeos desarrollados en París. Modelos: Mistral Large 2, Mistral Small, Codestral (para código). Ventaja: compliance GDPR nativa, latencia baja en Europa.

Familia de modelos generativos de imagen desarrollados por Stability AI. Open-source (a diferencia de DALL-E o Midjourney), ejecutables en servidor propio.

💡 Implementado por SprintMarkt en el producto Rotulemos (configurador 3D con IA generativa).

Técnica que conecta un modelo de lenguaje (LLM) con una base de conocimiento propia mediante búsqueda vectorial. El LLM recupera documentos relevantes antes de generar la respuesta, reduciendo alucinaciones y permitiendo citar fuentes específicas de la empresa.

💡 SprintMarkt implementa chatbots RAG desde 4.500€ con stack Claude/GPT + pgvector + PostgreSQL.

Proceso de continuar el entrenamiento de un LLM base con datos específicos para especializarlo en un dominio. A diferencia de RAG (que añade contexto en tiempo de inferencia), fine-tuning modifica los pesos del modelo.

💡 SprintMarkt recomienda RAG antes que fine-tuning en 90% de casos de PYMEs: más barato, más flexible, actualizable sin re-entrenar.

Base de datos especializada en almacenar y buscar vectores numéricos (embeddings) con búsqueda por similitud semántica. Alternativas 2026: pgvector (PostgreSQL), Pinecone, Weaviate, Qdrant, Chroma, Milvus.

💡 SprintMarkt usa pgvector por defecto en implementaciones RAG — zero cost adicional si el cliente ya tiene PostgreSQL.

Capacidad de un LLM para invocar funciones externas (APIs, bases de datos, código) durante su razonamiento. Base de los 'agentes IA'.

Sistema autónomo basado en LLM que recibe objetivos en lenguaje natural, planifica pasos, usa herramientas externas y ejecuta tareas hasta completarlas. Más complejo que un chatbot.

💡 Agentes IA SprintMarkt desde 4.500€ (simple) a 12.000€+ (multi-tool con RAG).

Protocolo abierto propuesto por Anthropic en 2024 para conectar LLMs con fuentes de datos y herramientas externas de forma estándar. Ecosistema de 'servidores MCP' para GitHub, Notion, Slack, etc.

Característica que fuerza a un LLM a devolver JSON u otro formato estructurado según un schema. Elimina post-procesado con regex frágiles.

Capas de protección aplicadas a LLMs para evitar outputs peligrosos, off-topic o que violen políticas. Incluyen: input filtering, output validation, prompt injection detection.

Comparativa crítica. RAG es mejor cuando la información cambia con frecuencia, el dataset es grande o se necesita citar fuentes. Fine-tuning es mejor para estilo/tono específico o cuando el coste de inferencia importa más.

Modelo especializado en generar embeddings (vectores numéricos) de texto. Populares en 2026: text-embedding-3-large (OpenAI), voyage-large-2 (Anthropic/Voyage), bge-large (BAAI, open).

Búsqueda basada en significado (vía embeddings) en lugar de keywords exactas. Encuentra 'coche usado' cuando el documento dice 'vehículo de segunda mano'.

Ejecutar un LLM en infraestructura propia (servidores, GPU locales) en lugar de usar APIs cloud. Ventaja: control de datos, coste fijo, latencia. Desventaja: requiere GPU caras + expertise ops.

Extensión de PostgreSQL que añade el tipo de dato 'vector' y búsqueda por similitud. Permite implementar RAG sin salir de la base de datos relacional principal del cliente.

Estándar propuesto en 2024 para que sitios web publiquen un índice optimizado para Large Language Models. Funciona similar a robots.txt pero para IA: describe organización, servicios y enlaces clave en Markdown.

API oficial de Meta para empresas que permite automatizar mensajes masivos, chatbots y notificaciones en WhatsApp. Requiere aprobación de Meta y un Business Solution Provider (BSP).

💡 SprintMarkt integra WhatsApp Business API como parte de chatbots IA (desde 4.500€).

Plataforma open-source de automatización visual (workflow automation) self-hosteable. Alternativa gratuita a Zapier y Make, con ventaja de control total y sin límites de ejecución.

💡 SprintMarkt es partner de n8n y lo recomienda para proyectos self-hosting desde 6.000€.

Plataforma cloud de automatización visual con ~1.500 integraciones. Modelo de pricing por 'operaciones' (cada acción individual). Fuerte en flujos complejos con branching.

Plataforma de automatización cloud con 7.000+ integraciones. Simple y potente pero con pricing agresivo (pago por tarea). Ideal para flujos simples con muchos conectores SaaS.

Límite de llamadas por minuto/hora impuesto por APIs de LLM para prevenir abuso. Se mide en requests/minuto (RPM), tokens/minuto (TPM) y tokens/día (TPD).

Framework open-source para construir aplicaciones con LLMs. Proporciona abstracciones para prompts, chains (secuencias), agents, memoria, RAG. Muy usado aunque con críticas por complejidad.

Framework especializado en RAG y data ingestion para LLMs. Alternativa a LangChain con enfoque más opinado en búsqueda semántica sobre documentos.

Plataforma y comunidad para modelos IA open-source. Hospeda 500.000+ modelos + datasets. Líder de facto en el ecosistema open-source de IA.

Herramienta open-source para ejecutar LLMs localmente con un solo comando. Compatible con Llama, Mistral, Phi, Gemma, etc.

Reglamento europeo (2024) que clasifica sistemas IA por riesgo y establece obligaciones. Entrada plena agosto 2026. Obligaciones comunes: transparencia, registro, human oversight, documentación técnica.

💡 SprintMarkt incluye AI Use Policy + disclaimers en todos sus proyectos IA como parte del compliance EU AI Act.

Reglamento General de Protección de Datos europeo (2018). Aplicable cuando un sistema procesa datos de residentes UE. Obligaciones clave: base legal, consentimiento, derecho al olvido, DPO si procede.

Ataque donde un usuario intenta sobrescribir las instrucciones del sistema mediante texto malicioso ('ignora tus instrucciones previas y...'). Vulnerabilidad top en LLMs según OWASP LLM Top 10.

Disciplina emergente (2024-2026) de optimizar contenido y estructura técnica para aparecer en respuestas de motores generativos como ChatGPT, Claude, Perplexity y Google Gemini. Complementa al SEO tradicional.

💡 SprintMarkt es una de las pocas agencias en España que ofrece auditoría SEO + GEO (490€).

Aplicación conversacional basada en LLM que responde preguntas en lenguaje natural. Diferente de los chatbots de reglas (rule-based) clásicos por su capacidad de entender matices y contexto.

💡 Chatbots IA SprintMarkt desde 4.500€ con integración WhatsApp Business API opcional.

Los LLMs se cobran por tokens (input + output). En 2026: Claude Haiku ~$0.25/M input, GPT-4o-mini ~$0.15/M, Gemini Flash ~$0.075/M. Los modelos 'flagship' cobran 10-20x más.

Empresa creadora de GPT y ChatGPT. Provee API con modelos GPT-5, GPT-4o, DALL-E, Whisper, embeddings. Enterprise tier disponible con compliance HIPAA/SOC2.

Empresa creadora de Claude. Fundada por ex-OpenAI (2021). Enfoque en safety y constitucional AI. Modelos Claude 4.6 Sonnet/Haiku/Opus.

Producto conversacional de OpenAI lanzado en noviembre 2022, construido sobre GPT. Desencadenó la explosión de la IA generativa masiva en el público general.

Motor de búsqueda con IA que cita fuentes web en tiempo real. Alternativa a Google para queries complejas. Usa combinación de GPT, Claude y modelos propios.

Funcionalidad de búsqueda en tiempo real dentro de ChatGPT (lanzada 2024). Combina capacidades GPT + retrieval web. Compite con Perplexity y Google.