Este glosario define 35 términos que aparecen al implantar inteligencia artificial en una empresa española, desde agente de IA, RAG o MCP hasta el AI Act y el encargado del tratamiento del RGPD. Cada definición se entiende sola, lleva un ejemplo cuando ayuda y enlaza a la guía que trata el tema a fondo.
Las definiciones normativas y técnicas están comprobadas en su fuente oficial (BOE, Comisión Europea, AEPD y la documentación de cada estándar), enlazada en cada término. Para saber cuántas empresas españolas usan cada tecnología, están los datos del INE sobre la IA en las empresas.
Revisado el
La AESIA (Agencia Española de Supervisión de Inteligencia Artificial) es el organismo público que supervisa en España los sistemas de inteligencia artificial y vela por que se cumpla la normativa sobre IA. Su estatuto se aprobó por el Real Decreto 729/2023 y tiene su sede en A Coruña. Puede supervisar de oficio los sistemas que se usan en España, proponer medidas correctoras y tramitar procedimientos sancionadores.
Un agente autónomo es un agente de IA que encadena varias decisiones y acciones sin que una persona apruebe cada paso: recibe un objetivo, planifica cómo alcanzarlo, usa herramientas y comprueba el resultado antes de seguir. Cuanta más autonomía tiene, más importan sus límites: qué sistemas puede tocar, cuándo debe parar y en qué casos tiene que pedir confirmación a una persona.
Ejemplo: Un agente que revisa cada mañana los pedidos retrasados, consulta al transportista y avisa al cliente, y solo pide permiso cuando hay que hacer un reembolso.
Guía: RPA, IA generativa o agentes autónomos: qué automatización elegir.
Un agente de IA es un programa que usa un modelo de lenguaje para entender una petición, decidir qué pasos dar y ejecutarlos con las herramientas a las que está conectado, como el CRM, el ERP, el calendario o el correo. A diferencia de un chatbot que solo contesta, un agente completa tareas: consulta datos reales, actualiza registros y pasa el caso a una persona cuando no puede resolverlo.
Ejemplo: En una tienda online, el agente mira el estado del pedido en el ERP, cambia la dirección de entrega y se lo confirma al cliente por WhatsApp.
Guía: Agentes de IA para empresas: qué son y cómo implantarlos.
Un agente de voz es un agente de IA que habla por teléfono con voz natural: transcribe lo que dice la persona, decide qué responder con un modelo de lenguaje y contesta con voz sintética, todo en tiempo real. Puede atender llamadas y hacerlas, consultar o anotar datos en los sistemas de la empresa y pasar la llamada a una persona cuando la conversación se sale de lo previsto.
Ejemplo: Una clínica que confirma, cambia o anula citas por teléfono a cualquier hora sin que nadie del equipo tenga que coger la llamada.
Más información: Agentes de voz con IA para empresas.
El AI Act, o Reglamento de Inteligencia Artificial, es el Reglamento (UE) 2024/1689, la norma europea que regula la inteligencia artificial según el riesgo de cada uso: prohíbe algunas prácticas, fija requisitos estrictos para los sistemas de alto riesgo y obliga a ser transparente, por ejemplo avisando a las personas de que hablan con una IA. Entró en vigor el 1 de agosto de 2024 y se aplica por fases.
Según la Comisión Europea, las obligaciones de transparencia se aplican desde el 2 de agosto de 2026, y las de los sistemas de alto riesgo del anexo III se aplazaron al 2 de diciembre de 2027.
Guía: AI Act: qué tiene que hacer tu empresa.
Fuente: Comisión Europea, Ley de IA; Reglamento (UE) 2024/1689 (AI Act), texto en el BOE.
Una alucinación es una respuesta de un modelo de IA que suena correcta pero es falsa o no se apoya en ningún dato: una cifra inventada, una cita que no existe o una condición comercial que la empresa nunca ha ofrecido. Se reduce dando al modelo las fuentes que debe usar, por ejemplo con RAG, pidiéndole que cite de dónde saca cada dato y revisando sus respuestas antes de que lleguen al cliente.
Ejemplo: Un asistente sin acceso al catálogo que se inventa un plazo de entrega que la tienda no ofrece.
Guía: Fine-tuning, RAG o context engineering: cuándo usar cada uno.
La automatización de procesos es el uso de software para que las tareas repetitivas de una empresa se hagan solas: pasar datos de un sistema a otro, generar documentos, enviar avisos o aprobar solicitudes según reglas. Con IA se pueden automatizar también pasos que antes exigían a una persona, como leer un correo, entender una factura o decidir a quién se asigna una incidencia.
Guía: Cómo construir un stack de automatización con agentes de IA.
Una base de conocimiento es el conjunto ordenado de documentos e información de una empresa (manuales, políticas, fichas de producto, procedimientos, preguntas frecuentes) que un agente de IA consulta para responder con datos propios y no con lo que el modelo aprendió en general. La calidad de las respuestas depende de ella: si un documento está desactualizado, el agente repetirá el error con total seguridad.
Una base de datos vectorial es un sistema que guarda textos, imágenes u otros contenidos como embeddings, es decir, como listas de números que representan su significado, y permite buscar por parecido de significado y no solo por palabras exactas. Es la pieza con la que un sistema RAG encuentra, entre miles de documentos, los fragmentos que responden a una pregunta. Ejemplos conocidos son pgvector, Qdrant, Pinecone y Weaviate.
Un chatbot es un programa que conversa por escrito con personas en una web, una aplicación o WhatsApp. Los clásicos siguen un árbol de opciones y solo entienden lo previsto; los que usan un modelo de lenguaje entienden frases libres y responden con naturalidad. Cuando además consulta los sistemas de la empresa y ejecuta acciones, como reservar o modificar un pedido, se suele hablar de agente de IA.
Guía: Chatbot de WhatsApp para empresas: qué se puede automatizar.
Los embeddings son representaciones numéricas del significado de un texto, una imagen o un audio: cada fragmento se convierte en una lista de números de modo que los contenidos con un sentido parecido quedan cerca entre sí. Sirven para buscar por significado, agrupar documentos parecidos o recomendar contenido, y son la base de las búsquedas que hace un sistema RAG sobre los documentos de una empresa.
El encargado del tratamiento es, según el artículo 4 del RGPD, la persona física o jurídica, autoridad pública, servicio u otro organismo que trata datos personales por cuenta del responsable del tratamiento. Cuando una empresa contrata un chatbot, un agente de voz o un servicio de IA que maneja datos de sus clientes, el proveedor suele actuar como encargado, y el artículo 28 exige firmar con él un contrato de encargo.
Guía: IA para clínicas: citas y datos de salud bajo el RGPD.
Fuente: Reglamento (UE) 2016/679 (RGPD), texto en el BOE; AEPD, directrices para contratos entre responsables y encargados.
La evaluación de impacto relativa a la protección de datos (EIPD) es el análisis que el artículo 35 del RGPD obliga a hacer antes de un tratamiento de datos personales que probablemente entrañe un alto riesgo para los derechos de las personas, en particular si usa nuevas tecnologías. Describe el tratamiento, valora si es necesario y proporcionado, identifica sus riesgos y fija las medidas para reducirlos.
Fuente: Reglamento (UE) 2016/679 (RGPD), texto en el BOE; AEPD, evaluaciones de impacto.
El fine-tuning, o ajuste fino, es el reentrenamiento de un modelo de IA ya existente con ejemplos propios para que adopte un estilo, un formato o una tarea concreta. No es la mejor vía para darle el conocimiento actualizado de una empresa, para eso se usa RAG, pero sirve cuando hay que repetir siempre la misma estructura de respuesta o clasificar textos con criterios propios.
Guía: Fine-tuning, RAG o context engineering: cuándo usar cada uno.
La IA generativa es la inteligencia artificial que crea contenido nuevo, como texto, imágenes, audio, vídeo o código, a partir de una instrucción, en lugar de limitarse a clasificar datos o hacer predicciones. Los modelos de lenguaje de ChatGPT, Claude o Gemini son IA generativa. El AI Act exige que el audio, la imagen, el vídeo y el texto sintéticos que generan estos sistemas lleven una marca legible por máquina.
En el primer trimestre de 2025, el 53,9 % de las empresas españolas de 10 o más empleados que usaban IA la empleaba para generar imágenes, vídeos, sonidos o audio, según el INE. Datos del INE sobre la IA en las empresas.
Guía: RPA, IA generativa o agentes autónomos: qué automatización elegir.
Fuente: Reglamento (UE) 2024/1689 (AI Act), texto en el BOE.
La IA on-premise es la que se ejecuta en servidores de la propia empresa o en un centro de datos que ella controla, en lugar de usar el servicio en la nube de un proveedor. Se elige cuando los datos no deben salir de la organización, como en salud, defensa, despachos o industria con secretos de fabricación, o para no depender de un tercero, a cambio de gestionar el hardware, los modelos y su mantenimiento.
El IDP (procesamiento inteligente de documentos, por sus siglas en inglés) es la automatización que lee documentos como facturas, albaranes, contratos o formularios, identifica qué es cada dato y lo pasa al sistema que corresponda, como el ERP o el programa de contabilidad. Combina el OCR, que lee el texto, con modelos de IA que lo interpretan y lo validan, y deja a una persona solo los casos dudosos.
La integración por API es la conexión entre dos programas a través de su interfaz de programación (API), un conjunto de llamadas documentadas para pedir o enviar datos. Es la forma habitual de que un agente de IA lea y escriba en el CRM, el ERP o la tienda online de manera fiable, sin que nadie copie datos a mano y sin tener que simular clics en la pantalla.
Guía: Integración de LLM en el CRM, el ERP y los sistemas que ya tienes.
El IVR (respuesta de voz interactiva) es el sistema telefónico que atiende con un menú grabado del tipo «pulse 1 para facturación, pulse 2 para averías» y dirige la llamada según la tecla o la palabra que elige quien llama. Solo entiende las opciones previstas. Un agente de voz con IA puede sustituirlo porque entiende lo que la persona dice con sus propias palabras y resuelve parte de las gestiones.
Un LLM (modelo de lenguaje de gran tamaño) es un modelo de IA entrenado con enormes cantidades de texto para predecir cómo sigue un texto, lo que le permite redactar, resumir, traducir, clasificar y razonar sobre lenguaje. GPT, Claude, Gemini, Llama y Mistral son familias de LLM. Es el motor de los chatbots y de los agentes de IA actuales, pero por sí solo no conoce los datos de ninguna empresa.
Guía: Integración de LLM en el CRM, el ERP y los sistemas que ya tienes.
El MCP (Model Context Protocol) es un estándar abierto para conectar aplicaciones de IA con sistemas externos: fuentes de datos, herramientas y flujos de trabajo. Su documentación oficial lo compara con un puerto USB-C para la IA, porque permite conectar cualquier asistente compatible de la misma forma. Anthropic lo presentó en noviembre de 2024 y, en diciembre de 2025, lo cedió a la Agentic AI Foundation, un fondo de la Linux Foundation.
Ejemplo: Un servidor MCP que da acceso de solo lectura al catálogo y al stock del ERP para que cualquier asistente compatible pueda consultarlos.
Relacionado: Cómo crear un servidor MCP para tu empresa.
Guía: MCP para empresas: qué es y por qué cambia tu stack.
Fuente: Documentación oficial de MCP; Anthropic, presentación de MCP (25-11-2024); Anthropic, cesión de MCP a la Agentic AI Foundation (09-12-2025).
Un modelo de IA de uso general es, según el AI Act, un modelo que presenta un grado considerable de generalidad, es capaz de realizar de manera competente una gran variedad de tareas distintas y puede integrarse en muchos sistemas o aplicaciones. Los grandes modelos de lenguaje lo son. Sus proveedores tienen obligaciones desde el 2 de agosto de 2025, como documentar el modelo y publicar un resumen del contenido usado para entrenarlo.
Guía: AI Act: qué tiene que hacer tu empresa.
Fuente: Reglamento (UE) 2024/1689 (AI Act), texto en el BOE; Comisión Europea, Ley de IA.
n8n es una herramienta de automatización de flujos de trabajo con licencia fair-code que combina funciones de IA con la automatización de procesos de negocio, según su documentación oficial. Conecta aplicaciones mediante nodos que se enlazan de forma visual y admite código cuando hace falta. A diferencia de Zapier o Make, se puede instalar en servidores propios, de modo que los datos no tienen que salir de la empresa.
Guía: n8n, Zapier o Make: qué herramienta elegir.
Fuente: Documentación oficial de n8n.
El OCR (reconocimiento óptico de caracteres) es la tecnología que convierte en texto editable lo que aparece en una imagen o en un documento escaneado, como una factura en PDF, un albarán fotografiado o un DNI. Por sí solo extrae letras y números, pero no sabe qué significa cada uno; por eso se combina con modelos de IA que identifican el proveedor, la fecha o el importe.
La orquestación es la coordinación de varios agentes de IA, herramientas y pasos dentro de un mismo proceso: decide qué agente actúa en cada momento, qué información recibe, en qué orden se hacen las tareas y qué ocurre si una falla. Hace falta cuando un proceso es demasiado largo o variado para un solo agente, como gestionar un pedido desde que entra hasta que se factura.
Un prompt es la instrucción o el texto que se da a un modelo de IA para obtener una respuesta. En una aplicación de empresa incluye la pregunta del usuario y también las instrucciones de sistema, que fijan el papel del asistente, el tono, los límites y los datos que puede usar. La calidad de la respuesta depende en buena parte de lo claro y completo que sea el prompt.
Guía: Fine-tuning, RAG o context engineering: cuándo usar cada uno.
El prompt injection, o inyección de instrucciones, es un ataque en el que alguien mete órdenes ocultas en el texto que procesa un modelo de IA, como un correo, una página web o un documento, para que ignore sus instrucciones y haga otra cosa, por ejemplo revelar datos o ejecutar acciones no autorizadas. El proyecto OWASP lo sitúa en primer lugar de su lista de riesgos de las aplicaciones con modelos de lenguaje.
Guía: Seguridad de agentes de IA frente al prompt injection.
Fuente: OWASP, LLM01:2025 Prompt Injection.
El RAG (generación aumentada por recuperación) es una técnica en la que, antes de responder, el sistema busca en los documentos de la empresa los fragmentos relevantes para la pregunta y se los pasa al modelo de lenguaje junto con ella. Así el modelo contesta con información propia y actualizada, y puede indicar de dónde la ha sacado. La técnica se describió en un artículo de investigación publicado en 2020.
Guía: RAG corporativo: cuándo tiene sentido.
Fuente: Lewis et al., Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks (2020).
El responsable del despliegue es, según el AI Act, la persona física o jurídica, autoridad pública u organismo que utiliza un sistema de IA bajo su propia autoridad, salvo cuando se trata de un uso personal no profesional. Una empresa que instala en su web el chatbot de un proveedor es responsable del despliegue, no proveedor, y tiene obligaciones propias, como avisar cuando difunde una ultrasuplantación creada con IA.
Guía: AI Act: qué tiene que hacer tu empresa.
Fuente: Reglamento (UE) 2024/1689 (AI Act), texto en el BOE.
La RPA (automatización robótica de procesos) es un tipo de software que imita los clics y las pulsaciones de teclado de una persona en las aplicaciones para repetir tareas basadas en reglas fijas, como copiar datos de un correo a un formulario. Es fiable mientras el proceso no cambia, pero se rompe si cambia una pantalla y no entiende textos libres, que es donde entra la IA.
Guía: RPA, IA generativa o agentes autónomos: qué automatización elegir.
Un sistema de IA es, según el artículo 3 del AI Act, un sistema basado en una máquina diseñado para funcionar con distintos niveles de autonomía, que puede adaptarse tras su despliegue y que infiere de la información que recibe cómo generar resultados, como predicciones, contenidos, recomendaciones o decisiones, que pueden influir en entornos físicos o virtuales. Es la definición que marca qué regula la norma.
Guía: AI Act: qué tiene que hacer tu empresa.
Fuente: Reglamento (UE) 2024/1689 (AI Act), texto en el BOE.
Un token es la unidad de texto con la que trabaja un modelo de lenguaje: una palabra corta, un trozo de palabra o un signo de puntuación. Los modelos leen y escriben tokens, y en tokens se miden el límite de lo que pueden procesar de una vez, la ventana de contexto, y el consumo en los servicios que se pagan por uso. Una palabra larga o poco frecuente puede dividirse en varios tokens.
La transcripción automática, o reconocimiento automático del habla, es la tecnología que convierte la voz en texto escrito, ya sea una llamada, una reunión, un dictado o un audio de WhatsApp. Es el primer paso de un agente de voz, que necesita el texto para entender lo que se le pide, y también sirve para documentar conversaciones y buscar en ellas después.
El INE la mide como la tecnología de IA que «convierte el lenguaje hablado en formato legible por una máquina»: la usaba el 36,0 % de las empresas españolas de 10 o más empleados que empleaban IA en el primer trimestre de 2025. Datos del INE sobre la IA en las empresas.
La ventana de contexto es la cantidad máxima de texto, medida en tokens, que un modelo de lenguaje puede tener en cuenta a la vez: las instrucciones, la conversación, los documentos adjuntos y su propia respuesta. Lo que no cabe, el modelo no lo ve. Por eso, en vez de pegar todos los documentos de una empresa, se seleccionan los fragmentos relevantes con técnicas como RAG.
Guía: Fine-tuning, RAG o context engineering: cuándo usar cada uno.
Un webhook es un aviso automático que una aplicación envía a otra, mediante una petición web a una dirección acordada, en el momento en que ocurre algo: entra un pedido, se firma un documento o llega un formulario. Permite que una automatización o un agente de IA reaccione al instante, sin tener que preguntar cada pocos minutos si hay novedades.
Revisado el . Si echas en falta un término, escríbenos.
NAXIA diseña, implanta y mantiene agentes de IA, agentes de voz y automatizaciones conectadas a los sistemas de cada empresa. Si quieres saber qué tiene sentido automatizar en tu caso, la primera consulta y el diagnóstico no tienen coste.
Pedir la primera consulta