Lo veo cada semana: un dueño de empresa sale de una reunión con un proveedor de IA y tiene la cabeza llena de siglas que no pidió. RAG, fine-tuning, agentes, tokens… El vendedor las tiró como si fueran obvias, y el dueño asintió porque preguntar se sentía como admitir que no sabía. No lo es. La mayoría de esos términos son más simples de lo que suenan, y algunos se usan a propósito para que no preguntes demasiado.
Escribí esto pensando en esas reuniones. No está ordenado de la A a la Z como un diccionario, sino en el orden en que los conceptos aparecen cuando un proyecto pasa de la idea a algo que funciona. Cada término viene con lo que significa de verdad, un ejemplo concreto, y cuando me parece necesario, mi opinión honesta de cuánto caso hacerle.
Lo que le pides y cómo se comporta
Todo empieza con un prompt: la instrucción que le escribes al modelo, lo que tú o tu cliente teclea en el momento. Es la materia prima de cada respuesta, y conviene tomárselo en serio, porque un buen prompt resuelve más que un modelo más caro. La mayoría de los problemas de calidad de un proyecto no se arreglan cambiando de modelo; se arreglan escribiendo mejor lo que se le pide.
Detrás de ese pedido del momento hay otro que quien conversa nunca ve: el prompt del sistema. Es la instrucción de fondo que tú configuras una sola vez y que fija el rol, el tono y las reglas para toda la conversación. Si el prompt es lo que pide el cliente, el prompt del sistema son las reglas de la casa: ahí le dices al agente lo que no debe hacer, cómo tiene que sonar y hasta dónde puede llegar. Es tu primera línea de control y, en el fondo, de marca. Confundir ambos es típico, y la diferencia importa: uno lo escribe el usuario cada vez; el otro lo escribes tú una vez y manda siempre.
Hay un dial más que conviene conocer, la temperatura, que regula cuán predecible o creativa es la respuesta. Para extraer datos o clasificar la quieres baja, para que el modelo no se ponga creativo donde no debe; para redactar o proponer ideas, un poco más alta. No es magia, es un acelerador con dos posiciones útiles.
De un chatbot que habla a un agente que hace
Acá es donde se juega la mitad de las confusiones (y de los sobreprecios). Un chatbot responde texto: pregunta y respuesta, nada más. Un copiloto va un paso más allá: asiste a una persona mientras trabaja, sugiere, pero no decide; la persona mantiene el control y revisa. Y un agente es el escalón de arriba: ejecuta una tarea de varios pasos por su cuenta, con permiso, usando herramientas para conseguir cosas en el mundo real.
Esa capacidad de usar herramientas tiene nombre técnico: function calling. Es lo que le permite al modelo consultar una base de datos, mandar un correo o calcular algo, en vez de solo hablar de ello. Sin herramientas no hay agente que valga; con ellas, un modelo deja de ser un conversador y empieza a ser un trabajador. Cuando la tarea encadena varios de esos pasos (recuperar un dato, decidir, actuar, confirmar), eso se llama , y es justo el punto donde un experimento bonito se convierte en algo que de verdad resuelve un proceso.