Glosario de Artificial Intelligence aplicada a negocios
Cada término incluye una definición directa y un ejemplo de uso real. Usa el índice lateral para navegar rápido. Si un concepto te genera dudas sobre cómo aplicarlo en tu empresa, baja hasta la sección de consulta.
Actualizado junio 2025
Revisado por especialistas
Enfoque empresarial
AAprendizaje automático (Machine Learning)
Rama de la inteligencia artificial donde los sistemas mejoran su rendimiento a partir de datos sin ser programados explícitamente para cada caso. Un algoritmo de aprendizaje automático recibe datos históricos, detecta patrones y genera predicciones o clasificaciones.
Ejemplo: una tienda online entrena un modelo con las compras de los últimos dos años para predecir qué productos necesitará reabastecer el mes siguiente. El modelo ajusta sus predicciones cada semana con datos nuevos.
RRedes neuronales artificiales
Arquitectura computacional inspirada en la estructura del cerebro humano. Consiste en capas de nodos (neuronas) que procesan información de forma jerárquica. Las redes profundas (deep learning) apilan muchas capas y son la base de los modelos de lenguaje actuales.
Ejemplo: un hotel en Sevilla usa una red neuronal para analizar reseñas de huéspedes y detectar automáticamente si mencionan problemas de limpieza, ruido o atención al cliente, clasificando cada comentario sin intervención humana.
NProcesamiento de lenguaje natural (NLP)
Conjunto de técnicas que permiten a las máquinas entender, interpretar y generar texto humano. Abarca desde la corrección ortográfica hasta la generación de resúmenes, la traducción y el análisis de sentimiento.
Ejemplo: un despacho de abogados automatiza la extracción de cláusulas relevantes de contratos de arrendamiento. El sistema lee el documento completo y devuelve un resumen con las fechas, importes y condiciones de rescisión en menos de 30 segundos.
VVisión artificial (Computer Vision)
Disciplina que enseña a los ordenadores a interpretar imágenes y vídeo. Permite detectar objetos, leer texto en fotografías, medir dimensiones y reconocer defectos en líneas de producción.
Ejemplo: una almazara instala cámaras que analizan las aceitunas en la cinta transportadora. El sistema descarta automáticamente las unidades con daño visible, reduciendo el tiempo de inspección manual de cuatro horas a veinte minutos por lote.
LModelos de lenguaje grande (LLM)
Redes neuronales entrenadas con cantidades masivas de texto que pueden generar, resumir y transformar lenguaje con fluidez notable. GPT, Claude y Gemini son ejemplos conocidos. Su utilidad depende de cómo se integren en los procesos reales de cada empresa.
Ejemplo: una agencia de viajes conecta un LLM a su base de datos de destinos. Cuando un cliente escribe "quiero playa tranquila, presupuesto medio, sin niños", el modelo filtra opciones y redacta una propuesta personalizada en segundos.
PIngeniería de prompts
Práctica de diseñar instrucciones precisas para obtener resultados útiles de un modelo de lenguaje. No se trata solo de "hacer buenas preguntas": implica definir formato de salida, proporcionar ejemplos y establecer restricciones claras.
Ejemplo: en lugar de pedir "resume este informe", un prompt bien diseñado dice "extrae los cinco hallazgos principales de este informe financiero, cada uno en una frase de máximo 20 palabras, ordenados por impacto económico descendente". La diferencia en calidad de respuesta es enorme.
GGeneración aumentada por recuperación (RAG)
Técnica que combina un modelo de lenguaje con una base de conocimiento propia de la empresa. Antes de generar una respuesta, el sistema busca información relevante en documentos internos y la usa como contexto. Esto reduce las respuestas inventadas (alucinaciones) y mantiene la información actualizada sin reentrenar el modelo.
Ejemplo: un fabricante de maquinaria conecta sus manuales técnicos (más de 2.000 páginas) a un sistema RAG. Los técnicos de campo preguntan "¿cómo cambiar el filtro del modelo X-400?" y reciben instrucciones extraídas directamente del manual correcto, con la página de referencia.
FAjuste fino (Fine-tuning)
Proceso de reentrenar parcialmente un modelo preexistente con datos específicos de un dominio o empresa. El modelo base ya sabe "hablar"; el ajuste fino le enseña el vocabulario, estilo y reglas particulares de tu sector.
Ejemplo: una clínica veterinaria ajusta un modelo para que responda preguntas frecuentes de sus clientes usando la terminología exacta de sus tratamientos y tarifas, en lugar de dar respuestas genéricas que no coinciden con sus servicios reales.
EÉtica en inteligencia artificial
Marco de principios que guía el desarrollo y uso responsable de sistemas de IA. Incluye transparencia sobre cómo se toman decisiones automatizadas, protección de datos personales, reducción de sesgos y supervisión humana en decisiones críticas. La regulación europea (AI Act) ya establece obligaciones concretas según el nivel de riesgo del sistema.
Ejemplo: antes de implementar un sistema de filtrado automático de currículos, una empresa revisa si el modelo penaliza candidatos por edad, género o código postal. El equipo documenta los criterios del modelo y establece una revisión humana para el 20 % de las decisiones.
AAutomatización inteligente
Combinación de IA con herramientas de automatización de procesos (RPA, flujos de trabajo, integraciones API) para ejecutar tareas repetitivas con criterio adaptativo. A diferencia de la automatización clásica basada en reglas fijas, la automatización inteligente puede manejar excepciones y variaciones en los datos de entrada.
Ejemplo: una gestoría recibe facturas en formatos distintos (PDF, foto, correo electrónico). Un sistema de automatización inteligente extrae los datos relevantes de cada formato, los valida contra el CIF del proveedor y los introduce en el programa contable. Las facturas con datos ambiguos se derivan a un revisor humano.
