Conceptos por grupo

¿Qué es la inteligencia artificial?

La IA es un campo de investigación e ingeniería que crea sistemas capaces de producir predicciones, recomendaciones, decisiones o contenido a partir de entradas. Incluye aprendizaje automático, percepción, reconocimiento de patrones y modelos generativos.

Un filtro de spam, una previsión de demanda y un asistente de escritura pueden usar IA de maneras muy diferentes. En una automatización determinista, las mismas entradas y condiciones producen el mismo resultado; un modelo generativo puede variar. Pregunta qué tarea realiza el sistema, cómo se evaluó y dónde puede fallar.

En un sistema basado en reglas, las personas escriben condiciones como “si ocurre X, haz Y”. En el aprendizaje automático, el entrenamiento ajusta parámetros a partir de ejemplos para reconocer patrones. Las personas siguen eligiendo datos, objetivos y evaluación; reglas y modelos pueden trabajar juntos.

La IA predictiva estima un resultado, como una recomendación musical, una hora de llegada o una señal de posible fraude. La IA generativa crea texto, imágenes, audio o código nuevos. Esta división describe el uso principal: los modelos generativos también hacen predicciones al generar.

¿Qué es MCP?

Model Context Protocol es un estándar abierto para conectar aplicaciones de IA con sistemas externos. Un cliente MCP puede descubrir y utilizar recursos o herramientas ofrecidos por servidores, como archivos, bases de datos y servicios especializados.

MCP no es un modelo ni vuelve correcta una respuesta por sí solo. Amplía lo que un asistente puede consultar o hacer; cada conexión necesita permisos adecuados, límites claros y cuidado con los datos compartidos.

RAG, agentes y herramientas

RAG recupera fragmentos de documentos para apoyar una respuesta. Un agente puede planificar pasos, consultar herramientas y revisar resultados; una herramienta es una capacidad externa, como búsqueda o acceso a archivos.

La recuperación no valida automáticamente una fuente. Un agente también puede realizar una acción errónea si recibe permisos amplios o instrucciones maliciosas en contenido externo. Limita el acceso y pide confirmación para acciones importantes.

Cómo se combinan los conceptos

Un asistente puede usar un LLM para interpretar una pregunta, RAG para recuperar documentos y MCP para acceder a una herramienta. Un agente coordina los pasos. Entrenamiento, inferencia, contexto y tokens describen otras partes del proceso.

Al leer un lanzamiento, identifica qué cambió: modelo, interfaz, integración o disponibilidad. Así evitas comparar anuncios que hablan de cosas diferentes.

Aprendizaje automático, entrenamiento e inferencia

El aprendizaje automático es una parte de la IA en la que los modelos ajustan parámetros a partir de ejemplos. El entrenamiento es esa etapa de ajuste; la inferencia usa el modelo ya entrenado para producir una salida ante una entrada nueva.

Una conversación normal con un asistente no significa, por sí sola, que hayan cambiado los parámetros del modelo. Historial, memoria del producto y entrenamiento son mecanismos distintos; consulta la política del servicio para saber cómo puede usar tus datos.

¿Qué es un LLM?

LLM significa Large Language Model, o gran modelo de lenguaje. Aprende patrones de grandes conjuntos de datos y genera una secuencia de tokens según el contexto. Puede resumir, redactar, clasificar y ayudar a programar.

La fluidez no garantiza verdad. El modelo puede generar un error convincente, omitir detalles o reflejar sesgos. Para usos importantes hacen falta fuentes, pruebas y revisión humana.

Un modelo es una estructura matemática cuyos parámetros se ajustan durante el entrenamiento. Piensa en él como un motor, no como un cerebro humano. ChatGPT es el producto con interfaz y funciones propias; GPT nombra una familia de modelos que puede utilizarse en ese producto. Una aplicación puede ofrecer distintos modelos.

Tokens, ventana de contexto y memoria

Los tokens son unidades con las que el modelo procesa la entrada y genera la salida. Como referencia inicial, 1.000 tokens corresponden a unas 750 palabras en inglés común; la proporción cambia según el idioma, el texto y el modelo. La ventana de contexto limita cuánto material cabe en el procesamiento y varía según el modelo y el producto.

Una ventana mayor no garantiza recordar cada detalle con la misma precisión. La memoria persistente es una función separada, cuando está disponible. Para tareas largas, divide el trabajo, pide referencias a pasajes y comprueba el documento original.