EN: Large Language Model (LLM) — Modelo de IA entrenado con cantidades masivas de texto para entender y generar lenguaje natural. Claude, GPT-5 y Gemini son LLMs: predice la siguiente palabra con tanta calidad que el resultado es razonamiento útil, redacción y código. Se usa vía chat, API o integrado en herramientas.
Token
EN: Token — Unidad mínima de texto con la que un LLM procesa el lenguaje: puede ser una palabra, parte de una palabra o un signo. Los modelos cobran por millón de tokens de entrada y salida, y su ventana de contexto se mide en tokens. En inglés, 1 token equivale de media a unos 4 caracteres.
Ventana de contexto
EN: Context window — Cantidad máxima de tokens que un modelo puede 'ver' a la vez en una conversación o tarea, incluyendo tus instrucciones, archivos y sus respuestas. Una ventana grande permite trabajar con libros completos o bases de código enteras; Claude y los modelos de gama alta de 2026 superan los 200.000 tokens.
Alucinación
EN: Hallucination — Respuesta de un modelo de IA que suena segura pero es incorrecta o inventada: citas que no existen, APIs que nunca existieron, datos fabricados. Se reduce con prompting claro (pedir citar fuentes), RAG para dar datos reales y verificación humana en decisiones de impacto.
Multimodal
EN: Multimodal — Capacidad de un modelo de procesar y combinar varios tipos de datos: texto, imágenes, audio y video. Un modelo multimodal puede describir una captura de pantalla, analizar un gráfico o transcribir audio y razonar sobre ello en la misma conversación.
Modelo de razonamiento
EN: Reasoning model — Modelo que dedica una fase interna de 'pensamiento' antes de responder: descompone el problema, evalúa caminos y verifica su lógica. Ejemplos: Claude con extended thinking, o3 de OpenAI. Cuesta más tokens y tiempo, pero mejora en matemáticas, código complejo y análisis multi-paso.
GEO
EN: Generative Engine Optimization (GEO) — Optimización de contenido para que los motores generativos (ChatGPT, Perplexity, Claude, Gemini) lo citen en sus respuestas. Técnicas clave: respuesta directa en las primeras 60 palabras, datos estructurados (Schema.org), llms.txt y estadísticas originales citables. Es al SEO lo que las respuestas de IA a la lista azul de enlaces.
Embedding
EN: Embedding — Representación numérica (vector) del significado de un texto que permite a las máquinas comparar similitud semántica. Dos textos con significado parecido tienen vectores cercanos: es la base de la búsqueda semántica, las bases de datos vectoriales y el RAG.
RAG
EN: Retrieval-Augmented Generation (RAG) — Técnica que combina búsqueda y generación: antes de responder, el sistema recupera documentos relevantes (con embeddings) y los inyecta en el contexto del modelo. Resultado: respuestas ancladas a tus datos reales, con menos alucinaciones y posibilidad de citar la fuente.
Base de datos vectorial
EN: Vector database — Base de datos especializada en almacenar y buscar embeddings por similitud semántica en lugar de por coincidencia exacta. Qdrant, Pinecone, pgvector o Chroma permiten 'buscar por significado' y son el almacén típico del componente R en RAG.
Fine-tuning
EN: Fine-tuning — Reentrenamiento adicional de un modelo base con datos propios para especializarlo en un dominio, tono o formato. Hoy en día, para la mayoría de casos es más rentable usar prompting avanzado y RAG; el fine-tuning queda para necesidades de formato muy estables o dominios muy especializados.
Código abierto
EN: Open source — Software cuyo código es público y puede usarse, modificarse y redistribuirse bajo una licencia (MIT, Apache 2.0...). Los recursos que curamos en PackIA (skills, MCP, agentes, prompts) son open source de GitHub: el valor añadido está en la curación, documentación y organización por nicho.
Agentes y MCP
Agente de IA
EN: AI agent — Sistema de IA que ejecuta tareas completas de forma autónoma: recibe un objetivo, planifica pasos, usa herramientas (buscar, escribir código, llamar APIs) y verifica su propio resultado. A diferencia de un chat, no solo responde: actúa. Claude Code y Codex CLI son agentes de desarrollo.
Subagente
EN: Subagent — Agente especializado que vive dentro de otro agente orquestador: tiene su propio system prompt, herramientas permitidas y descripción de cuándo activarse. En Claude Code se definen como archivos markdown en .claude/agents y el agente principal les delega tareas para mantener el contexto limpio.
MCP
EN: Model Context Protocol (MCP) — Protocolo abierto (creado por Anthropic) que estandariza cómo los modelos de IA se conectan a herramientas y datos externos: archivos, GitHub, Notion, bases de datos, navegadores. Un 'servidor MCP' expone herramientas que el modelo invoca de forma autónoma. Es el 'USB-C' del ecosistema de IA.
Servidor MCP
EN: MCP server — Programa que implementa el protocolo MCP y expone un conjunto de herramientas de un servicio concreto (por ejemplo: el MCP de GitHub expone crear issues y PRs; el de Postgres, consultar la base de datos). Se configura en el cliente (Claude Desktop, Claude Code, Codex CLI) y queda disponible en cada sesión.
Orquestación multiagente
EN: Multi-agent orchestration — Coordinación de varios agentes especializados que colaboran en una tarea: uno investiga, otro escribe, otro revisa. Frameworks como CrewAI, AutoGen y LangGraph implementan patrones de orquestación (secuencial, debate, jerárquico). Más potencia, pero también más coste de API y puntos de fallo.
Bucle agéntico
EN: Agentic loop — Ciclo de trabajo de un agente: observar el estado → pensar → actuar con una herramienta → observar el resultado → repetir hasta completar el objetivo. Es lo que permite que Claude Code edite un archivo, ejecute los tests, lea el error y corrija sin intervención humana en cada paso.
Uso de herramientas
EN: Tool use / function calling — Capacidad de un LLM de invocar funciones definidas por el desarrollador cuando la tarea lo requiere: buscar en la web, consultar una API, ejecutar código. El modelo decide cuándo y con qué argumentos llamar cada función; es el mecanismo subyacente que usan los agentes y los servidores MCP.
Claude Code
EN: Claude Code — Herramienta de Anthropic que convierte a Claude en agente de desarrollo en tu terminal: lee tu código, edita archivos, ejecuta comandos y tests, y hace commits. Trabaja con CLAUDE.md como memoria del proyecto, soporta subagentes, skills y servidores MCP. Es el competidor directo de Codex CLI.
Codex CLI
EN: OpenAI Codex CLI — Agente de desarrollo en terminal de OpenAI, equivalente a Claude Code: opera sobre tu repositorio con modelos GPT, ejecuta comandos y edita código. Se configura con config.toml y soporta servidores MCP. Muchos flujos profesionales mantienen ambos para comparar resultados.
CLAUDE.md
EN: CLAUDE.md — Archivo de instrucciones en la raíz de un proyecto que Claude Code lee automáticamente al iniciar: convenciones de código, comandos de build y test, arquitectura y reglas del equipo. Es la 'memoria permanente' del agente en tu repositorio y la forma estándar de estandarizar su comportamiento.
Rate limit
EN: Rate limit — Límite de solicitudes o tokens que un proveedor de IA permite por minuto/día según tu plan. Los agentes intensivos los alcanzan rápido: conviene elegir modelo por tarea (mini para lo rutinario), cachear resultados y vigilar los encabezados de uso de la API.
Prompts
Prompt
EN: Prompt — Instrucción que le das a un modelo de IA: pregunta, tarea, o combinación de contexto, rol y formato de salida deseado. La calidad del resultado depende directamente de la especificidad del prompt: rol experto, contexto concreto, entregable definido y restricciones claras producen respuestas profesionales.
Ingeniería de prompts
EN: Prompt engineering — Disciplina de diseñar, probar y sistematizar prompts para obtener resultados consistentes de un LLM. Incluye técnicas como few-shot (dar ejemplos), chain-of-thought (pedir razonamiento paso a paso), delimitación de secciones y plantillas con variables. En producción se versiona como código.
System prompt
EN: System prompt — Instrucción de fondo que define el comportamiento permanente del modelo antes de cualquier conversación: identidad, tono, límites y formato. En un subagente de Claude Code, el system prompt ES su definición; en productos de IA, es donde vive tu personalidad de marca.
Few-shot
EN: Few-shot prompting — Técnica de incluir ejemplos de entrada-salida deseados dentro del prompt para que el modelo imite el patrón: dos o tres ejemplos bien elegidos suelen valer más que un párrafo de instrucciones. El extremo opuesto es zero-shot: solo instrucciones, sin ejemplos.
Chain-of-thought
EN: Chain-of-thought (CoT) — Técnica de prompting que pide al modelo razonar paso a paso antes de la respuesta final, mejorando precisión en matemáticas, lógica y análisis. Los modelos de razonamiento modernos lo hacen internamente; en modelos estándar se activa con frases como 'piensa paso a paso y muestra tu razonamiento'.
Temperature
EN: Temperature — Parámetro de API que controla la aleatoriedad de la generación: valores bajos (0-0.3) producen salidas deterministas y consistentes (ideal para extracción y código); valores altos (0.7-1) más creativas y variadas (ideal para brainstorming y copy). Es el dial entre precisión y creatividad.
Desarrollo
API
EN: API — Interfaz que permite a un programa comunicarse con otro: envías una petición estructurada y recibes una respuesta. Los LLMs se consumen vía API (envías mensajes y recibes texto), y las integraciones de negocio (Stripe, GitHub, Notion) exponen APIs que los MCP convierten en herramientas del modelo.
n8n
EN: n8n — Herramienta de automatización de flujos de trabajo open source, alternativa a Zapier/Make con opción self-hosted. Conecta cientos de servicios con lógica visual y nodos de IA: es la base habitual de las automatizaciones con agentes (webhook entra → LLM procesa → acción sale).
Zapier
EN: Zapier — Plataforma no-code de automatización que conecta más de 7.000 aplicaciones con reglas simples (cuando pasa X, haz Y). Su función de IA permite insertar pasos de LLM en los flujos. Más caro que n8n pero sin mantenimiento: ideal para equipos sin perfil técnico.
Webhook
EN: Webhook — Mecanismo por el cual un sistema avisa a otro en tiempo real: cuando ocurre un evento (venta, formulario, issue), envía una petición HTTP a la URL que hayas registrado. Es el punto de entrada habitual de las automatizaciones con IA: algo pasa → webhook dispara → agente procesa.
Scraping web
EN: Web scraping — Extracción automatizada de datos de páginas web: precios, contenido, catálogos. Herramientas como Firecrawl o Crawlee lo estructuran para IA (convierten HTML a markdown limpio). Con un MCP de scraping conectado, el modelo puede investigar competencia y tendencias por sí mismo.
Self-hosted
EN: Self-hosted — Software que ejecutas en tu propio servidor en lugar del servicio en la nube del proveedor. Ventajas: control total de datos, costes predecibles, personalización. n8n, modelos abiertos como Llama y muchas herramientas del ecosistema IA tienen versión self-hosted para requisitos de privacidad.
Markdown
EN: Markdown — Formato de texto plano con notación simple para estructura (# títulos, **negrita**, listas). Es el estándar de facto del ecosistema de IA: los LLMs lo generan y lo entienden mejor que HTML, y archivos como CLAUDE.md, SKILL.md y los READMEs de GitHub usan esta notación.
Negocio
MRR
EN: Recurring Revenue (MRR) — Ingresos recurrentes: la métrica clave de negocios con suscripción. Convertir una venta única en una suscripción multiplica el valor del cliente a lo largo del tiempo (LTV) y da previsibilidad de caja. Por eso los modelos de producto digital añaden planes de pago recurrente junto al pago único.
Lead magnet
EN: Lead magnet — Recurso gratuito de valor (pack, plantilla, guía, herramienta) que se entrega a cambio de un email para construir una lista de suscriptores. El suscriptor que descarga algo útil confía más rápido: la newsletter resultante es el canal de venta con mejor ROI en productos digitales.
Programa de afiliados
EN: Affiliate program — Sistema de comisiones por recomendar productos: cada afiliado recibe un enlace con seguimiento y cobra un porcentaje de las ventas que genera (en IA, entre el 20% y el 50% recurrente es habitual). Permite crecer con el tráfico de creadores sin coste fijo de marketing.
SEO programático
EN: Programmatic SEO — Creación de páginas optimizadas a escala combinando plantillas con datos estructurados: 100 nichos × 4 tipos de recursos = 400+ páginas que capturan búsquedas long-tail de baja competencia. HubSpot y Zapier construyeron su tráfico inicial con esta estrategia; con IA, el contenido de cada página se personaliza por datos.
Long-tail
EN: Long-tail keyword — Búsqueda específica y de bajo volumen individual pero alta intención: 'mejores skills de Claude para marketing' frente a 'skills'. Competir por long-tail es viable para sitios nuevos porque las cabezas de búsqueda están copadas; el SEO programático las ataca sistemáticamente.
LTV
EN: Customer Lifetime Value (LTV) — Valor total que un cliente aporta durante toda su relación con el negocio: compras iniciales + suscripciones + upsells. Aumenta con actualizaciones incluidas, comunidad y nuevos productos para el mismo público. El Plan a Medida y la suscripción recurrente son palancas directas de LTV.
Producto digital
EN: Digital product — Activo que se crea una vez y se vende infinitas veces sin coste marginal: packs, plantillas, cursos, software. El modelo 'construye una vez, vende muchas' de los infoproductos — combinado con curación y actualización continua, se convierte en un activo que aprecia con el tiempo.