Glosario de agentes de IA
Estas son las palabras que aparecen cuando una universidad, un instituto o una academia de formación empieza a decidir si pone un agente de IA dentro de un curso. Cada una está definida aquí en lenguaje claro, sin marketing, para que la conversación sobre un agente se pueda tener en los mismos términos entre quienes enseñan, quienes deciden la compra y quienes lo construyen.
Para ver estos términos en producción, lee cómo el agente de IA para Moodle responde a los alumnos con el material del curso y cita la unidad y la página.
Agente de IA
Un agente de IA es un sistema de software que recibe un objetivo o una pregunta en lenguaje natural, decide qué necesita, lo recupera, razona y ejecuta una tarea. A diferencia de un bot con guion, no elige de una lista fija de respuestas escritas de antemano.
Agente autónomo
Un agente autónomo decide su siguiente paso en lugar de seguir un camino fijo. Lee lo que recibió, elige qué acción aplica y puede reintentar, ramificar o detenerse y pedir ayuda a una persona. Autónomo describe cómo elige los pasos, no la ausencia de supervisión humana.
Chatbot vs agente
Un chatbot compara lo que escribe el usuario contra una lista de intenciones definidas antes y devuelve una respuesta guardada. Un agente de IA lee la pregunta, recupera de una fuente real, razona y puede ejecutar una acción. La diferencia aparece en las preguntas que nadie anticipó, que son la mayoría.
RAG (generación aumentada por recuperación)
RAG, o generación aumentada por recuperación, es una técnica en la que el sistema busca en una colección de documentos los pasajes relevantes para una pregunta y redacta la respuesta con esos pasajes. El modelo aporta el lenguaje, los documentos aportan los hechos y la respuesta puede citar su fuente.
LLM (modelo grande de lenguaje)
Un modelo grande de lenguaje, o LLM, es un modelo entrenado con grandes cantidades de texto para entender y generar lenguaje. Maneja bien la comprensión y la redacción. No es un almacén confiable de datos concretos sobre tu negocio, y por eso los sistemas en producción le dan una fuente que leer.
Moodle
Moodle es un sistema de gestión de aprendizaje de código abierto que usan universidades, institutos, academias y equipos de capacitación para dictar cursos en línea. Guarda contenidos, actividades, evaluaciones y cuentas de alumnos, y se puede extender para que herramientas como un tutor de IA corran dentro del curso.
LMS (sistema de gestión de aprendizaje)
Un sistema de gestión de aprendizaje, o LMS, es la plataforma con la que una institución dicta y administra cursos en línea. Guarda el material, sigue el avance de los alumnos y gestiona las inscripciones. Moodle es el LMS de código abierto más usado y es la plataforma donde E-comienza despliega agentes de curso.
Anclaje (grounding)
El anclaje, o grounding, consiste en limitar un sistema de IA para que responda desde una fuente definida, como el material de un curso o un conjunto de registros financieros, y no desde lo que el modelo absorbió al entrenarse. Una respuesta anclada se puede rastrear hasta un documento concreto y comprobar.
Alucinación
Una alucinación es una respuesta segura de un sistema de IA que ninguna fuente real sustenta. Es peligrosa porque se lee igual que una respuesta correcta. El anclaje, la cita de la fuente y una negativa explícita cuando falta el material son las defensas habituales contra ella.
Atribución de fuente
La atribución de fuente, o cita, es que un sistema de IA indique de dónde salió una respuesta, por ejemplo la unidad y la página de un curso. Permite que quien lee verifique la afirmación y lea el pasaje completo en contexto, y permite revisar el sistema contra el material original.
Sistema multiagente
Un sistema multiagente usa varios agentes de IA especializados, cada uno a cargo de una parte de la tarea, en lugar de un solo agente que hace todo. Dividir el trabajo hace que cada agente sea más fácil de instruir, probar y depurar, y deja claro qué paso produjo un mal resultado.
Prompt
Un prompt es el conjunto de instrucciones y contexto que recibe un modelo de lenguaje antes de responder. En un agente en producción el prompt no es una frase ingeniosa. Es configuración trabajada que cubre el rol, las reglas, el material recuperado y qué debe hacer el agente cuando no está seguro.
Fine-tuning vs RAG
El fine-tuning ajusta un modelo con entrenamiento adicional para que adopte un estilo o un comportamiento. RAG deja el modelo intacto y le entrega los documentos correctos al momento de responder. Para responder desde material que cambia y que debe citarse, como el contenido de un curso, RAG suele ser la opción adecuada.
Índice vectorial
Un índice vectorial guarda pasajes de texto como representaciones numéricas para que el sistema los encuentre por significado y no por coincidencia exacta de palabras. Es lo que permite a un agente con RAG recuperar la parte correcta de una unidad cuando el alumno formula la pregunta con palabras que el material nunca usa.
