La IA, en las palabras de quien decide.
Treinta voces esenciales, definidas desde el punto de vista de la alta dirección y ancladas al marco normativo europeo. La terminología sigue el texto español del Reglamento (UE) 2024/1689.
A
Accountability
La responsabilidad demostrable: quien decide debe poder rendir cuentas de las decisiones tomadas con y sobre los sistemas de IA. En el marco europeo la responsabilidad recae siempre en personas y organizaciones, nunca en el sistema. Para la alta dirección significa funciones claras, decisiones trazadas y la capacidad de explicar, a posteriori, por qué una decisión se delegó o se retuvo.
AESIA
La Agencia Española de Supervisión de la Inteligencia Artificial, con sede en A Coruña: la primera agencia nacional europea dedicada a la supervisión de la IA. Es la autoridad de vigilancia del mercado designada por España para la mayor parte de los ámbitos del Reglamento europeo, junto a autoridades sectoriales como la AEPD. Para las empresas que operan en España, es el interlocutor supervisor de referencia en materia de IA.
Agentes de IA (sistemas agénticos)
Sistemas de IA diseñados para perseguir objetivos con grados de autonomía: planifican pasos intermedios, usan herramientas externas y actúan sin una orden humana para cada acción. Para quien gobierna, desplazan la pregunta del «qué responde el sistema» al «qué puede hacer el sistema»: perímetros de actuación, límites y supervisión humana se convierten en decisiones de alta dirección.
AI literacy
La fórmula inglesa para la alfabetización en materia de IA prevista por el artículo 4 del Reglamento europeo. Véase la voz Alfabetización en materia de IA.
AIO
Artificial Intelligence Optimization: la vigilancia del conjunto de la presencia de una organización en el ecosistema de la IA generativa — respuestas de los modelos, buscadores aumentados, asistentes conversacionales. El término da título al libro de Rafael Patron dedicado al paso de las búsquedas a las respuestas y a sus consecuencias competitivas.
Alfabetización en materia de IA
La obligación del artículo 4 del Reglamento europeo: proveedores y responsables del despliegue garantizan, en la medida de lo posible, un nivel suficiente de alfabetización del personal que opera con sistemas de IA, considerando conocimientos, experiencia y contexto de uso. En vigor desde febrero de 2025, alcanza a toda organización que usa IA: la formación de la alta dirección y de los primeros niveles directivos forma parte del cumplimiento.
Alineamiento
La disciplina que busca que los sistemas de IA persigan los objetivos y valores de quien los emplea, evitando comportamientos indeseados. Para la alta dirección es la versión técnica de una pregunta antigua del gobierno corporativo: cómo garantizar que un agente — humano o artificial — persigue el mandato recibido y no una interpretación desviada.
Alucinación
La producción, por parte de un modelo de lenguaje, de contenidos falsos presentados con forma de certeza: hechos inventados, fuentes inexistentes, detalles plausibles pero erróneos. Es un límite estructural, no un defecto ocasional. Todo proceso decisorio que usa resultados generativos requiere un paso de comprobación humana proporcionado a lo que está en juego.
B
Bias (sesgo)
Distorsiones sistemáticas en los datos o en el modelo que producen resultados desequilibrados hacia grupos, categorías o desenlaces concretos. En los procesos que afectan a personas — selección, crédito, evaluación — el sesgo es un riesgo legal y reputacional antes incluso que técnico. El Reglamento europeo impone a los sistemas de alto riesgo requisitos de calidad de los datos precisamente en este frente.
C
Capital decisorio
La capacidad de una organización de tomar decisiones buenas, oportunas y defendibles: experiencia de la alta dirección, calidad de la información, claridad de las funciones, cultura del disenso. En la lectura de Antropic es el activo que la automatización no sustituye y que, al contrario, se vuelve más escaso y valioso a medida que la ejecución se automatiza.
D
Delegación algorítmica
La entrega de una decisión, o de una parte de ella, a un sistema automático. La pregunta relevante para la alta dirección no es si delegar, sino dónde pasa el límite: qué decisiones pueden delegarse con supervisión, cuáles requieren al ser humano en el circuito, cuáles siguen siendo indelegables. Trazar ese límite de forma explícita es un acto de gobierno corporativo.
E
Era post-automatización
La fase en la que la automatización de la ejecución deja de ser la ventaja competitiva, porque está al alcance de todos, y el valor se desplaza hacia lo que no se automatiza: dirección, criterio, responsabilidad, confianza. Es el marco de investigación de Antropic: cuando las respuestas se convierten en commodity, la ventaja es formular las preguntas adecuadas.
Explicabilidad
La capacidad de explicar por qué un sistema de IA ha producido un determinado resultado, en términos comprensibles para quien debe usarlo o soportar sus efectos. No es un requisito absoluto: el nivel de explicabilidad necesario depende del uso. Una decisión sobre crédito exige explicaciones que un borrador de texto no exige. Fijar ese nivel es una decisión de gobierno.
F
Fine-tuning
El entrenamiento adicional de un modelo existente con datos específicos para especializar su comportamiento: tono, dominio, formatos. Para quien decide, lo relevante es contractual y de responsabilidad: quien modifica sustancialmente un modelo puede asumir obligaciones de proveedor según el Reglamento europeo, además de responder de la calidad de los datos empleados.
Foundation model (modelo fundacional)
Un modelo entrenado con enormes cantidades de datos, capaz de desempeñar tareas muy diversas y de servir de base a innumerables aplicaciones. La versión jurídica europea de este concepto es el modelo de IA de uso general. Para las organizaciones significa dependencia estratégica: gran parte de las herramientas de la empresa se apoya en pocos modelos de pocos proveedores.
G
GEO (Generative Engine Optimization)
La optimización de la presencia de contenidos y marcas en los motores generativos: sistemas que responden componiendo textos en lugar de devolver listas de enlaces. El GEO trabaja sobre fuentes citables, autoridad y estructura de la información. Es el sucesor funcional del SEO en el paso de las búsquedas a las respuestas, y se suma al LLMO.
GPAI
El acrónimo inglés (General-Purpose AI) de los modelos de IA de uso general del Reglamento europeo. Véase la voz dedicada.
L
LLMO
Large Language Model Optimization: la disciplina que vigila cómo los modelos de lenguaje describen a una marca, una empresa o una persona en sus respuestas. Comprende el análisis de la representación actual, el trabajo sobre las fuentes que consultan los modelos y la medición en el tiempo. El primer libro italiano sobre el tema, «Fatti trovare da ChatGPT», fue escrito por Rafael Patron con AIPIA.
M
Modelos de IA de uso general
En el Reglamento europeo, modelos capaces de desempeñar con competencia una gran variedad de tareas distintas, entrenados normalmente con grandes volúmenes de datos: la base de los sistemas generativos en uso en las empresas. Sus proveedores tienen obligaciones propias — documentación, políticas de derechos de autor, transparencia sobre el entrenamiento — en vigor desde agosto de 2025.
O
Oficina de IA (AI Office)
La estructura de la Comisión Europea que vela por la aplicación del Reglamento de IA, con competencia directa sobre los modelos de IA de uso general. Coordina a las autoridades nacionales, desarrolla códigos de buenas prácticas y puede requerir información a los proveedores de los modelos. Es el interlocutor que define, en la práctica, cómo se aplican las reglas europeas.
P
Prácticas de IA prohibidas
Los usos de la IA que el Reglamento europeo prohíbe por completo, en vigor desde febrero de 2025: manipulación dañina, explotación de vulnerabilidades, puntuación social, reconocimiento de emociones en el lugar de trabajo salvo excepciones, y otros supuestos del artículo 5. Son el perímetro exterior del marco: antes de cualquier evaluación de riesgo va la comprobación de que el uso no está prohibido.
Prompt
La instrucción en lenguaje natural con la que se pide algo a un sistema generativo. La calidad del resultado depende en gran medida de la calidad de la petición: contexto, condiciones, formato esperado. En las organizaciones el prompt deja de ser un gesto individual y se convierte en un artefacto que se diseña, se comparte y se mantiene como cualquier otra herramienta de trabajo.
Proveedor
En el Reglamento europeo, quien desarrolla un sistema de IA o un modelo de uso general y lo introduce en el mercado con su propio nombre o marca. Al proveedor corresponden las obligaciones más exigentes sobre los sistemas de alto riesgo: gestión del riesgo, calidad de los datos, documentación técnica, marcado CE. Distinguir proveedor y responsable del despliegue es el primer paso de todo análisis de cumplimiento.
R
RAG
Retrieval-Augmented Generation: la arquitectura que conecta un modelo de lenguaje con fuentes documentales externas, de modo que las respuestas se apoyen en contenidos recuperados y citables en lugar de solo en la memoria del modelo. Reduce las alucinaciones y mantiene el control sobre las fuentes: por eso es el enfoque más extendido en los usos empresariales de la IA generativa.
Red teaming
La comprobación adversarial de un sistema de IA: equipos dedicados intentan deliberadamente hacerlo fallar — sortear los límites, extraer datos, producir contenidos dañinos — antes y después de su puesta en marcha. Nacido en la ciberseguridad, se ha convertido en práctica de gobierno de la IA: para la alta dirección es la diferencia entre fiarse de las declaraciones del proveedor y disponer de evidencias propias.
Reglamento de Inteligencia Artificial (AI Act)
El Reglamento (UE) 2024/1689, primera ley integral del mundo sobre inteligencia artificial. Adopta un enfoque basado en el riesgo: prácticas prohibidas, sistemas de alto riesgo con obligaciones estrictas, obligaciones de transparencia para los usos de riesgo limitado y reglas propias para los modelos de uso general. Se aplica también a organizaciones de fuera de la UE cuando el resultado de sus sistemas se utiliza en la Unión.
Responsable del despliegue (deployer)
En el Reglamento europeo, la persona física o jurídica que utiliza un sistema de IA bajo su propia autoridad en el marco de una actividad profesional. La mayoría de las empresas son responsables del despliegue, no proveedores: las obligaciones — uso conforme a las instrucciones, supervisión humana, control de los datos de entrada, alfabetización del personal — nacen aquí.
S
Sandbox normativo (entorno de pruebas)
Un espacio de experimentación controlada previsto por el Reglamento europeo: las empresas prueban nuevos sistemas de IA bajo la supervisión de las autoridades, con obligaciones moduladas y diálogo directo con el regulador. Cada Estado miembro debe establecer al menos uno; en España la gobernanza de estos entornos de pruebas forma parte del proyecto de ley en tramitación. Es un canal para reducir la incertidumbre regulatoria antes de la puesta en el mercado.
Sistemas de IA de alto riesgo
La categoría central del Reglamento europeo: sistemas usados en ámbitos que afectan a la seguridad y a los derechos fundamentales — selección de personal, crédito, educación, infraestructuras críticas, justicia — o como componentes de seguridad de productos regulados. Comportan las obligaciones más exigentes para proveedores y responsables del despliegue: gestión del riesgo, datos de calidad, supervisión humana, registro.
Supervisión humana
El requisito del artículo 14 del Reglamento europeo: los sistemas de alto riesgo deben poder ser supervisados eficazmente por personas físicas, capaces de comprender sus límites, interpretar su resultado, decidir no usarlo o detenerlo. El responsable del despliegue encomienda esta función a personas con la competencia, la formación y la autoridad necesarias: una decisión organizativa, antes que técnica. Es también el eje del proyecto de ley español de gobernanza de la IA.