¿Qué términos define este glosario?
Treinta, en orden alfabético. Cada término tiene su propio enlace, así que puedes mandarle a un colega una sola definición.
- Agente a medida
- Agente de IA
- Alucinación
- Automatización de CRM
- Automatización de procesos de negocio (BPA)
- Base de datos vectorial
- Chatbot
- Despliegue
- Embedding
- Fine-tuning
- Function calling
- Guardrails
- Human-in-the-loop
- Integración
- MCP (Model Context Protocol)
- Modelo de lenguaje grande (LLM)
- Orquestación
- Prompt engineering
- RAG (generación aumentada por recuperación)
- RPA (automatización robótica de procesos)
- Salida estructurada
- Scope
- Sistema multiagente
- System prompt
- Token
- Tool use
- Ventana de contexto
- Workflow
- Workflow agéntico
Los términos en inglés que ya son estándar en el sector —embedding, prompt, token, fine-tuning, RAG, RPA— se mantienen tal cual, porque así aparecen en la documentación técnica que tu equipo va a leer. La explicación va en español.
A
Agente a medida
Un agente construido alrededor del proceso específico de una empresa en lugar de configurado desde una plantilla. La lógica de decisión, las integraciones y las salidas salen de las reglas propias de esa empresa. Black Ops los entrega con la especificación aprobada antes de que empiece la construcción y despliegue en 4 semanas.
Agente de IA
Software que persigue un objetivo definido: lee contexto, elige una acción, llama a una herramienta o a un sistema y verifica el resultado antes de continuar. Lo que lo distingue es la acción, no la conversación: un agente actualiza un registro del CRM, genera un asiento contable o manda un seguimiento. Black Ops los construye como agentes a la medida alrededor de un solo proceso, y la definición larga está en la guía sobre qué es un agente de IA para empresas.
Alucinación
Una salida fluida, segura de sí misma y equivocada: un número de factura inventado, una política que no existe, una cita que no apunta a nada. Ocurre porque un modelo de lenguaje genera texto plausible en lugar de consultar hechos. La recuperación, la salida estructurada, el tool use y la revisión humana la reducen. Nada la elimina por completo.
Automatización de CRM
Software que mantiene y actúa sobre los datos dentro de un CRM sin que un vendedor lo haga a mano: enriquecer contactos, actualizar etapas de negocio, registrar actividad, rutear leads, redactar seguimientos. La automatización por reglas se dispara con los disparadores que tú defines. La basada en agentes lee el contexto del negocio y decide cuál es la siguiente acción.
Automatización de procesos de negocio (BPA)
La práctica de correr un proceso de negocio completo —recepción de pedidos, aprobación de facturas, onboarding de empleados— con software en lugar de pasos manuales. El BPA es el resultado; los agentes, el RPA y las herramientas no-code son el medio. Un proyecto de BPA se gana o se pierde en la definición del proceso y en la calidad de los datos, mucho antes de que la tecnología importe.
B
Base de datos vectorial
Un almacén construido para guardar embeddings y devolver las coincidencias más cercanas a una consulta en milisegundos. Es la mitad de recuperación del RAG. Para conjuntos pequeños de documentos suele ser innecesaria; para cientos de miles de registros es la diferencia entre una respuesta en un segundo y una respuesta en treinta.
C
Chatbot
Una interfaz que responde preguntas dentro de una conversación y ahí termina. Recupera información y genera texto; no cambia el estado de tus sistemas. Un chatbot que además puede actualizar un registro, disparar un reembolso o agendar una entrega dejó de ser un chatbot y se convirtió en un agente. La comparación entre agentes y chatbots desarrolla las consecuencias prácticas.
D
Despliegue
El punto en el que un agente corre contra datos reales y hay trabajo que depende de él. Un despliegue cubre credenciales, permisos, monitoreo, rutas de escalamiento y un plan de reversión, no solo el modelo. Un despliegue de Black Ops toma 4 semanas desde el scope aprobado, con revisión en staging antes de que algo toque producción.
E
Embedding
Una representación numérica de un texto que coloca los significados parecidos cerca unos de otros en un espacio matemático. Los embeddings permiten encontrar los tres párrafos más relevantes entre diez mil documentos sin buscar por palabra clave. Son la capa de recuperación que hay debajo del RAG y la razón por la que existe una base de datos vectorial.
F
Fine-tuning
Entrenar un modelo existente con tus propios ejemplos para que adopte un formato, un tono o un comportamiento de clasificación específico. El fine-tuning cambia cómo responde el modelo; no le da acceso a datos actuales, eso lo hace la recuperación. La mayoría de la automatización de negocio necesita mejores prompts, mejores herramientas y mejor recuperación, no fine-tuning.
Function calling
El mecanismo por el que un modelo pide que se ejecute un pedazo concreto de código con argumentos concretos, en lugar de escribir un párrafo al respecto. La aplicación ejecuta la llamada y devuelve el resultado. El function calling es lo que convierte la generación de texto en un sistema que lee y escribe registros reales.
G
Guardrails
Las restricciones que definen qué puede y qué no puede hacer un agente: en qué sistemas puede escribir, qué montos requieren aprobación, qué solicitudes rechaza, qué nunca envía sin revisión. Los guardrails son configuración y código, no un párrafo dentro de un prompt. Un agente sin ellos es una demostración, no un sistema en producción.
H
Human-in-the-loop
Un diseño en el que una persona aprueba, corrige o revierte acciones específicas del agente antes de que surtan efecto. El circuito es focalizado, no universal: el agente absorbe el volumen rutinario y manda a una persona con nombre las excepciones, las decisiones de alto valor y todo lo que quede por debajo de un umbral de confianza. Es la configuración estándar de un primer despliegue.
I
Integración
La conexión por la que un agente lee y escribe en un sistema existente: CRM, ERP, mesa de tickets, correo, data warehouse. Las integraciones vienen en tres formas: una API documentada, acceso directo a la base de datos o una exportación de archivos programada. La forma determina si el agente corre casi en tiempo real o por lotes.
M
MCP (Model Context Protocol)
Un estándar abierto para conectar aplicaciones de IA con herramientas y fuentes de datos externas a través de una interfaz común, de modo que una capacidad construida una vez la pueda reutilizar cualquier cliente compatible. El MCP importa en lo operativo porque reduce la cantidad de conectores a la medida que un despliegue tiene que construir y después mantener durante años.
Modelo de lenguaje grande (LLM)
Un modelo entrenado con grandes volúmenes de texto para predecir qué viene después, lo que en la práctica significa que puede resumir, clasificar, extraer, traducir y redactar. Un LLM es un componente, no un producto. Por sí solo no tiene memoria de tu negocio, ni acceso a tus sistemas, ni capacidad de actuar.
O
Orquestación
La capa que decide qué agente, modelo o herramienta corre y cuándo, maneja reintentos y tiempos de espera, guarda el estado entre pasos y escala cuando algo falla. La orquestación es la parte sin glamour que determina si una automatización sobrevive una mala semana. La mayoría de las fallas en producción son fallas de orquestación, no del modelo.
P
Prompt engineering
Escribir y estructurar las instrucciones que recibe un modelo para que la salida sea lo bastante consistente como para depender de ella: definición de la tarea, formato, ejemplos, restricciones y condiciones de rechazo. En producción es un artefacto versionado y probado contra casos reales, no una frase ingeniosa. Complementa los guardrails y la recuperación; no los reemplaza.
R
RAG (generación aumentada por recuperación)
Un patrón donde el sistema primero busca en tus propios documentos y registros, y después le entrega al modelo los pasajes recuperados como contexto para su respuesta. El RAG mantiene las respuestas ancladas en datos internos actuales y las hace rastreables hasta una fuente. Es la forma estándar de volver útil un modelo sobre una base de conocimiento privada.
RPA (automatización robótica de procesos)
Software que repite una secuencia fija de acciones sobre la interfaz de usuario: abrir la pantalla, copiar el campo, pegarlo, dar clic en enviar. El RPA es rápido, barato por ejecución y muy predecible sobre sistemas estables con datos estructurados. Se rompe cuando cambia la pantalla, el formato o la regla, que es también su principal costo de mantenimiento. La comparación lado a lado está en agentes de IA vs RPA vs no-code.
S
Salida estructurada
Salida del modelo restringida a una forma definida —un objeto JSON con campos y tipos obligatorios— en lugar de prosa libre. La salida estructurada es lo que permite que un sistema aguas abajo consuma el resultado sin adivinar cómo interpretarlo, y elimina una clase entera de fallas en la frontera entre el modelo y tu base de datos.
Scope
La definición escrita de qué se va a construir, con qué se conecta, qué deliberadamente no va a hacer, cómo se mide el éxito y cuál es el rango de inversión. En Black Ops el scope se escribe después de la primera conversación y llega dentro de 48 horas. La construcción arranca después de la aprobación, no antes.
Sistema multiagente
Un arreglo donde varios agentes especializados se reparten partes de una tarea y se pasan el trabajo entre ellos: uno extrae, otro valida, otro escribe en el sistema de registro. Compra fronteras más claras y depuración más fácil a cambio de más piezas en movimiento. Se usa cuando las instrucciones de un solo agente crecieron tanto que ya no se pueden probar.
System prompt
El conjunto de instrucciones permanentes que define el rol de un agente, su tono, sus acciones permitidas y sus reglas de rechazo, aplicado a cada solicitud antes de cualquier entrada del usuario. Ahí vive la política operativa del agente. No es una frontera de seguridad: todo lo que deba hacerse cumplir va en los guardrails y en los permisos.
T
Token
La unidad que un modelo lee y escribe, más o menos una palabra corta o un fragmento de una. Los tokens son la medida de las ventanas de contexto y la unidad con la que se cobra la inferencia, tanto de entrada como de salida. Consecuencia práctica: mandar un documento entero en cada solicitud cuesta más que recuperar los tres párrafos que importan.
Tool use
La capacidad de un agente de llamar sistemas externos —consultar una base de datos, mandar un correo, crear un ticket, correr un cálculo— y usar el resultado en su siguiente decisión. El tool use es la línea que separa a un modelo que describe una acción de un agente que la ejecuta, y es lo que vuelve necesario el diseño de permisos.
V
Ventana de contexto
La cantidad máxima de texto que un modelo puede considerar de una sola vez. Se mide en tokens e incluye el system prompt, la conversación, los documentos recuperados y la salida del modelo. Cuando se llega al límite, el contenido más viejo se cae. El tamaño de la ventana pone un techo duro a cuánto puede razonar un agente en una sola pasada.
W
Workflow
El conjunto ordenado de pasos, decisiones, responsables y traspasos que llevan un proceso desde el disparador hasta el cierre. Automatizar cualquier cosa empieza por escribir el workflow como corre de verdad, excepciones incluidas, no como lo describe el manual de procedimientos. Los pasos sin documentar son la razón más común por la que un despliegue se atasca en la semana tres.
Workflow agéntico
Un proceso donde la secuencia de pasos la decide un modelo en tiempo de ejecución, en lugar de quedar fijada de antemano por un desarrollador. El agente lee el estado actual, elige la siguiente acción, la ejecuta y vuelve a evaluar. La automatización clásica recorre siempre el mismo camino; un workflow agéntico adapta el camino al caso que tiene enfrente.
¿Cuáles de estos términos deciden la forma de un despliegue?
Cuatro, en la práctica. El scope decide qué se construye. La integración decide si el agente corre casi en tiempo real o por lotes. Los guardrails y el human-in-the-loop deciden qué tiene permitido hacer sin una persona. Todo lo demás en esta página es detalle de implementación por debajo de esas cuatro decisiones.
Si quieres ver el vocabulario aplicado a un ejercicio real de presupuesto, lee qué determina el costo de automatizar un proceso con IA. Si lo quieres aplicado a una decisión de tecnología, lee la comparación entre agentes, RPA y no-code. Si lo quieres aplicado a una región, lee cómo funciona la automatización con IA en Latinoamérica. Las preguntas frecuentes de Black Ops responden las dudas comerciales que estas definiciones levantan.