glosario

las palabras quese usan a la ligera.

ingeniero desplegado (FDE): un ingeniero que trabaja dentro de tu equipo y tu código en lugar de entregar a distancia. el modelo que popularizó Palantir y al que Anthropic, OpenAI, AWS y Microsoft pusieron dinero en 2026. la idea: quien define el alcance es quien lo entrega.; leer la definición completa de ingeniero desplegado (FDE)
consultoría de ia: asesoría que termina en algo funcionando, no en una presentación. una evaluación de preparación, un plan por escrito y normalmente la implementación. haz dos preguntas: cuánto cuesta y quién hace exactamente el trabajo.
evaluación de preparación para ia: una revisión breve de si tus datos, sistemas y equipo pueden sostener el trabajo que estás considerando. debe nombrar los flujos que vale la pena cambiar y los que no están listos, y decir 'todavía no' cuando esa sea la respuesta.
implementación de ia: el paso entre decidir usar ia y tenerla en producción: la integración, los permisos, el plan de reversión y la entrega a quien la mantendrá. la mayoría de los proyectos que se atascan se atascan aquí, no en el modelo.
gobernanza de ia: las reglas escritas de cómo se usa la ia en una empresa: qué datos puede ver, quién aprueba, qué queda registrado y cómo se detecta una salida errónea. en concreto: un documento de política, un registro de auditoría y un plan de reversión.
piloto de ia: una prueba limitada de un flujo antes de comprometerse con él. un piloto sirve cuando tiene un criterio de salida escrito de antemano. sin él se convierte en eso que corre un año y nunca sale a producción.
capacitación en ia: formación que cambia lo que el equipo hace el lunes, no lo que sabe el viernes. fechas de cohorte, una evaluación real y trabajo producido durante el programa en lugar de un certificado de asistencia.
modelo de lenguaje grande (llm): un modelo entrenado para predecir texto, por eso la misma pregunta puede dar dos respuestas distintas. útil cuando la tarea admite revisión; arriesgado cuando una salida sin revisar llega directa a un cliente o a un asiento contable.
generación aumentada por recuperación (rag): dar al modelo tus documentos en el momento de la pregunta en lugar de entrenarlos dentro. así un asistente responde desde tus políticas y no desde internet, y suele ser más barato y fácil de corregir que el fine-tuning.
agente de ia: un modelo con herramientas y permiso para actuar: enviar el correo, actualizar el registro, llamar a la api. el problema de ingeniería no es el razonamiento, sino decidir qué puede tocar y qué debe consultar antes con una persona.
eval: una prueba repetible que puntúa la salida de un modelo frente a respuestas correctas conocidas. sin ella no sabes si un cambio de prompt mejoró algo o solo lo cambió. es la diferencia entre enviar y adivinar.
ajuste fino (fine-tuning): entrenamiento adicional de un modelo existente con tus propios ejemplos para que adopte un formato o un estilo. vale la pena para la consistencia; suele ser la herramienta equivocada para enseñarle hechos, donde la recuperación funciona mejor.