16 términos que todo aspirante a consultor de IA debe aprender (y 4 que debe evitar usar)

Aquí están los 16 términos: modelo de lenguaje de gran tamaño, token, ventana de contexto, inferencia, prompt, prompt del sistema, generación aumentada por recuperación, ajuste fino, embedding, agente, MCP, orquestación, supervisión humana, alucinación, guardarraíles y evals. Los cuatro a descartar: «impulsado por IA», «entrenado con tus datos», «AGI» y «100 % preciso». A todo aspirante a consultor de IA se le juzga por su vocabulario antes que por sus resultados, porque el vocabulario es lo único que un cliente potencial puede comprobar en la primera reunión. Estas definiciones son exactas a la fecha de publicación en agosto de 2026; el campo avanza rápido, por lo que debes considerar los detalles como una instantánea.

¿Cuáles son los términos fundamentales del modelo?

Cuatro términos describen a la propia máquina. Comprende bien estos y todo lo demás tendrá un lugar donde asentarse.

1. Modelo de lenguaje de gran tamaño (LLM). El motor detrás de ChatGPT, Claude y Gemini: un modelo entrenado con enormes cantidades de texto que predice el siguiente fragmento de lenguaje. Cuando un cliente dice «la IA», generalmente se refiere a esto.

2. Token. El pequeño fragmento de texto que los modelos leen y por el que facturan, generalmente un poco más corto que una palabra completa. El precio de la API (acceso de pago por uso a un modelo) se cotiza por token, por lo que es un término de costos, no un dato curioso.

3. Ventana de contexto. La memoria de trabajo del modelo: cuánto texto puede considerar a la vez. Cuando un cliente pregunta por qué la IA «olvidó» la página 40 de su manual de políticas, la ventana de contexto suele ser tu respuesta.

4. Inferencia. Ejecutar un modelo entrenado para obtener una respuesta, a diferencia de entrenarlo. La inferencia es la factura recurrente que tu cliente sigue pagando todos los meses después de lanzar el proyecto.

¿Qué términos sirven para obtener mejores respuestas?

Cinco términos cubren el arte de hacer que un modelo general sea útil para un negocio específico.

1. Prompt. La instrucción que le das al modelo. Hoy en día se construyen productos enteros a partir de una descripción escrita; los creadores basados en prompts convierten un párrafo en software funcional, razón por la cual un prompt es ahora un entregable, no un mensaje de chat.

2. Prompt del sistema. Las instrucciones fijas que recibe un modelo antes de que el usuario escriba cualquier cosa. Muchos de los «asistentes de IA personalizados» que se venden a pequeñas empresas son, mecánicamente, un prompt del sistema sobre un modelo existente. Ten esto en cuenta antes de fijar un precio.

3. Generación aumentada por recuperación (RAG). Buscar los documentos más relevantes y entregárselos al modelo en el momento de la consulta. Así es como logras que un modelo responda basándose en los manuales y políticas de un cliente sin modificar el modelo en sí.

4. Ajuste fino. Cambiar realmente los pesos de un modelo (sus parámetros internos) entrenándolo con nuevos ejemplos. Es costoso, más lento de actualizar y raras veces la herramienta inicial adecuada. La mayoría de los trabajos que los clientes llaman «entrenamiento» son en realidad RAG.

5. Embedding. Texto convertido en listas de números para que los significados similares queden cerca unos de otros. Los embeddings son el índice en el que busca RAG; sin ellos, «encontrar el documento relevante» no funciona.

¿Qué términos importan una vez que la IA empieza a trabajar?

Dar respuestas es la parte fácil. Estos cuatro términos cubren la IA que toma acciones, que es hacia donde se dirigen los proyectos de consultoría.

1. Agente. Una IA que trabaja en un bucle hacia un objetivo: planifica, usa herramientas, verifica resultados y vuelve a intentarlo, en lugar de devolver una sola respuesta. En los agentes también es donde se acumulan los errores, lo que hace que los últimos tres términos de esta lista sean facturables.

2. MCP (Model Context Protocol). El estándar abierto que permite que una aplicación de IA se conecte a herramientas y datos externos, a menudo descrito como un puerto USB-C para la IA. Comenzó en Anthropic a finales de 2024 y ahora está gobernado por la Agentic AI Foundation bajo la Linux Foundation, con soporte en ChatGPT, Claude, Cursor y Microsoft Copilot. Casi cualquier pregunta de un cliente del tipo «¿puede su IA hablar con nuestro sistema?» ahora pasa por MCP.

3. Orquestación. Coordinar varios modelos, herramientas y pasos en un solo flujo de trabajo: qué modelo maneja qué, en qué orden y qué sucede cuando falla un paso.

4. Supervisión humana. Una persona que revisa el trabajo de la IA antes de que tenga consecuencias. Decidir en qué punto se ubica esa persona es la verdadera decisión de diseño por la que los clientes pagan a un consultor.

¿Qué términos evitan problemas en los proyectos de los clientes?

Los últimos tres términos son los que te hacen sonar como un profesional en lugar de un fanático.

1. Alucinación. Una respuesta errónea pero dicha con seguridad y fluidez. Es un modo de fallo normal de estos sistemas, no un error que algún proveedor haya resuelto en secreto.

2. Guardarraíles. Límites estrictos sobre lo que el sistema puede decir o hacer: temas que rechaza, acciones que no puede realizar, umbrales que no puede superar.

3. Evals. Abreviatura de evaluaciones: pruebas repetibles que evalúan un sistema de IA frente a casos conocidos antes y después de cada cambio. Si vendes sistemas de IA sin evals, estás vendiendo meras impresiones. Este término cierra contratos.

¿Qué cuatro términos deberías evitar usar?

Cada uno de estos términos hace que un cliente potencial confíe menos en ti, por una razón diferente.

1. «Impulsado por IA». No describe nada y aparece en todas las presentaciones. En su lugar, nombra el mecanismo: RAG sobre sus documentos, un agente con revisión humana, un clasificador con ajuste fino.

2. «Entrenado con tus datos». Suele ser falso. La mayoría de los sistemas de clientes usan RAG o una ventana de contexto amplia, no entrenamiento, y la frase activa alarmas de privacidad que luego pasas toda la reunión desmintiendo. Di «fundamentado en tus datos» a menos que literalmente estés haciendo un ajuste fino.

3. «AGI». La inteligencia general artificial es un debate de investigación, no un término de alcance de proyecto. Si un cliente pregunta al respecto, responde con la verdad; solo no bases tu propuesta en ello, porque da pie a predicciones que no puedes respaldar.

4. «100 % preciso». También «libre de alucinaciones». Una garantía que nadie puede ofrecer honestamente. En su lugar, cita tasas de error medidas a partir de tus propias evals; un número real cierra más acuerdos que un cero prometido.

Entonces, ¿qué términos son realmente los más importantes?

Si la conversación con un cliente depende de cuatro de estos términos, serán RAG, agente, MCP y evals: lo que el sistema sabe, lo que puede hacer, a qué se conecta y cómo demuestras que funciona. Aprende esos a la perfección y usa el resto según sea necesario. La regla general: si no puedes definir un término para un cliente en una sola frase, no lo incluyas en tu propuesta.

Para ver este vocabulario en acción en un proyecto real, lee cómo los consultores de IA definen el alcance para reemplazar un SaaS interno. Para sentir la diferencia entre las palabras y una demostración, conecta tu propia IA mediante MCP al creador de Final y observa cómo un prompt se convierte en un punto de venta funcional. Y si tus clientes son comerciantes, la lista complementaria de 30 términos de POS que todo nuevo comerciante debería conocer cubre la otra mitad de la conversación.