Glosario de IA, SEO y marketing digital
Este glosario reúne, en claro y sin humo, los términos de inteligencia artificial, agentes y automatización, y de SEO y marketing online que más se cruzan en nuestro trabajo. Cada definición vale por sí sola: si llegas desde una respuesta de ChatGPT, de Perplexity o de Google, aquí tienes la explicación corta y el enlace a lo que hacemos con ello.
Índice rápido: AGI · LLM · Token · Neurona artificial · Cuantización · Ventana de contexto · Prompt · Alucinación · RAG · Embeddings · Fine-tuning · Multimodal · Inferencia · Temperatura · Distilación · Pesos abiertos · Razonamiento · Agente de IA · Harness · MCP · Tool use · System prompt · Vibe coding · GEO y AEO · llms.txt · Citabilidad IA · Motor de respuestas · E-E-A-T · Core Web Vitals · LCP · INP · CLS · SERP · CTR · Enlace interno · Rastreo · Indexación · Hreflang · Schema.org · CRO · A/B testing · Embudo · Lead · Lead magnet · Tasa de conversión · Buyer persona · Remarketing · KPI · Evergreen
Inteligencia artificial y modelos
AGI (Inteligencia Artificial General)
AGI es la inteligencia artificial general: un sistema hipotético capaz de igualar a una persona en cualquier tarea intelectual — aprender, razonar, planear y corregirse en dominios que no conoce de antemano. No debe confundirse con la IA actual, que es estrecha: muy capaz en lo entrenada (texto, imágenes, código) y frágil fuera de ahí. En 2026 la AGI sigue siendo objetivo, no producto: cuando un fabricante anuncia «casi AGI», conviene leer la letra pequeña y quedarse con lo que el sistema hace de verdad.
LLM (modelo de lenguaje grande)
Un LLM (large language model, modelo de lenguaje grande) es el tipo de modelo que hay detrás de ChatGPT, Claude o Gemini: una red neuronal entrenada con cantidades enormes de texto para predecir la siguiente palabra. Ese entrenamiento hace que sepan redactar, resumir, traducir y programar. Para una pyme es el motor de los chatbots de atención, la redacción de borradores y la automatización de respuestas — nosotros los implantamos con criterio.
Token
Un token es la unidad mínima de texto con la que trabaja un modelo de IA: trozos de palabra, palabras enteras o signos. Como referencia, en inglés un token equivale a unos 0,75 palabras; el español, con más sílabas y acentos, gasta más tokens por palabra. Importa por tres razones: la ventana de contexto se mide en tokens, el precio de las APIs se cobra por token de entrada y salida, y textos en español salen algo más caros que en inglés.
Neurona artificial
Una neurona artificial es la unidad básica de una red neuronal: recibe números, los multiplica por unos pesos, los suma y aplica una función que decide cuánto «se activa». Miles de millones de neuronas organizadas en capas, con sus miles de millones de pesos (los parámetros), forman un modelo como GPT o Claude. La analogía con la neurona biológica es aproximada — sirve para entender la idea, no el funcionamiento real.
Cuantización
La cuantización (a veces escrito «cuantificación») es la técnica de reducir la precisión numérica de los pesos de un modelo — de 16 bits a 8 o a 4 — para que ocupe menos memoria y corra más rápido en hardware modesto. Es lo que permite ejecutar modelos potentes en un portátil o en un servidor pequeño. El coste es una pérdida mínima de calidad si se hace bien; para ejecutar IA en local es casi siempre el primer paso.
Ventana de contexto
La ventana de contexto es cuánto texto puede considerar un modelo a la vez, medido en tokens: instrucciones, documentos, conversación y respuesta comparten el mismo presupuesto. Unos modelos trabajan con decenas de miles; otros, con millones. En la práctica: si la conversación crece demasiado, el modelo «olvida» el principio — y por eso las buenas implantaciones seleccionan qué entra en el contexto en lugar de meterlo todo.
Prompt
Un prompt es la instrucción que le das a un modelo de IA. La calidad de la respuesta depende más del prompt de lo que parece: contexto suficiente, objetivo claro, formato pedido y ejemplos cuando aplica. A eso se dedica la ingeniería de prompts, que no es magia sino método — y que nosotros incluimos en cualquier implantación de IA porque un prompt malo tira por tierra un modelo excelente.
Alucinación
Una alucinación de IA es una respuesta falsa dicha con total seguridad: datos inventados, citas que no existen, cifras exageradas. Ocurre porque el modelo predice texto plausible, no verifica hechos. Las defensas que funcionan: dar al modelo la documentación real (ver RAG), pedirle fuentes y, sobre todo, revisión humana en lo que importa — por eso nuestras automatizaciones llevan controles y nunca dejan que la IA improvise sobre datos de negocio.
RAG (generación aumentada por recuperación)
RAG (retrieval-augmented generation, generación aumentada por recuperación) es la técnica de buscar primero en tus documentos y darle al modelo lo encontrado antes de responder. Así el chatbot contesta con tu información real y no con lo que recuerde de su entrenamiento — menos alucinaciones, respuestas actualizadas y con citas. Es la arquitectura estándar de los chatbots que responden sobre catálogos, manuales o procesos de una empresa.
Embeddings
Un embedding es la representación de un texto como una lista de números (un vector) que captura su significado. Dos textos con sentido parecido producen vectores cercanos, y eso permite buscar por significado y no por palabra exacta. Es la base técnica del RAG y de la búsqueda semántica: «cómo devolver dinero» encuentra el documento que habla de «política de reembolsos» aunque no comparta palabras.
Fine-tuning
El fine-tuning es entrenar de nuevo un modelo ya hecho con datos propios para ajustar su tono, formato o dominio. Suena atractivo, pero en la mayoría de pymes sale más a cuenta combinar un buen prompt con RAG: más barato, actualizable al momento y sin facturas de GPU. El fine-tuning tiene sentido cuando hay volúmenes grandes de ejemplos y una tarea muy repetitiva y estable.
Modelo multimodal
Un modelo multimodal entiende y produce más de un tipo de contenido: texto e imágenes, y en muchos casos audio o vídeo. En la práctica: describir fotos de productos, leer facturas escaneadas, transcribir y resumir reuniones. Para el negocio acorta procesos que antes mezclaban OCR, plantillas y manos.
Inferencia
La inferencia es usar un modelo ya entrenado para producir respuestas — todo lo que ocurre cada vez que le pides algo a ChatGPT o cuando tu automatización llama a una API. Es la parte que se factura por token y cuya latencia se siente. Entrenar es la inversión; la inferencia es el gasto operativo que conviene vigilar y optimizar (con cuantización, distilación o caché).
Temperatura
La temperatura es el control de aleatoriedad de un modelo: a temperatura baja las respuestas son estables y predecibles; a temperatura alta, más variadas y creativas. Regla práctica: extracción de datos, clasificación y respuestas de negocio a temperatura baja; lluvia de ideas y copy creativo, algo más alta. En automatizaciones serias, baja siempre — reproducibilidad vale más que sorpresa.
Distilación
La distilación entrena a un modelo pequeño para imitar las respuestas de uno grande: se queda con gran parte de la calidad a una fracción del coste y la latencia. Es la razón por la que hoy hay modelos de 7 mil millones de parámetros que resuelven tareas que hace dos años necesitaban los gigantes. Ideal cuando el volumen de uso aprieta la factura de inferencia.
Modelo de pesos abiertos (open weights)
Un modelo de pesos abiertos (open weights) es aquel cuyos pesos se pueden descargar y ejecutar en tu propia infraestructura — la familia Llama, Mistral, Qwen y muchas otras. Ventajas reales: tus datos no salen de casa, no hay factura por token ni dependencia del proveedor, y puedes hacer fine-tuning o cuantización a medida. El precio: tú gestionas el hardware y el mantenimiento.
Razonamiento (cadena de pensamiento)
Los modelos de razonamiento generan pasos intermedios antes de responder — una cadena de pensamiento — y con eso mejoran en matemáticas, código, planificación y tareas con varias condiciones. El coste: tardan más y consumen más tokens. Elegir bien es parte del diseño: modelo rápido y barato para lo repetitivo; modelo de razonamiento para las decisiones complicadas.
Agentes y automatización
Agente de IA
Un agente de IA es un modelo que no solo responde, sino que actúa hacia un objetivo: consulta herramientas, lee resultados, decide el siguiente paso y repite hasta terminar. Es la diferencia entre «redacta este correo» y «revisa la bandeja, clasifica, contesta los tickets simples y avísame de lo urgente». Con guardas bien puestas es el corazón de las automatizaciones de marketing actuales.
Harness (armazón de agente)
El harness (armazón) de un agente es toda la infraestructura que rodea al modelo y lo convierte en agente usable: el system prompt, la definición de herramientas, la gestión del contexto, los permisos, el bucle de trabajo, el manejo de errores y los límites de seguridad. Buena metáfora: el modelo es el motor; el harness, el coche entero — volante, frenos y cinturón. Por eso el mismo modelo rinde distinto en cada producto: lo que cambia casi siempre es el harness, no el motor.
MCP (Model Context Protocol)
MCP es un estándar abierto que conecta modelos y agentes con herramientas y datos de forma uniforme: un «servidor MCP» expone funciones (consultar un CRM, leer un calendario, buscar en archivos) y cualquier modelo compatible puede usarlas sin integraciones a medida. Hace por las automatizaciones lo que el USB hizo por los periféricos: un solo enchufe estándar en vez de un cable por aparato.
Tool use (function calling)
El tool use o function calling es la capacidad del modelo de llamar funciones definidas por ti — con nombres, parámetros y salidas estructuradas — en lugar de solo generar texto. Es el mecanismo con el que un modelo «consulta la API del tiempo» o «crea el pedido en el ERP». Es el cimiento sobre el que se montan los agentes y casi cualquier automatización seria con IA.
System prompt
El system prompt son las instrucciones fijas y ocultas que definen el papel, el tono y las reglas de un modelo antes de que llegue tu mensaje: quién es, a quién obedece, qué no puede hacer y en qué formato responde. Explica por qué dos productos con el mismo modelo se comportan tan distinto — en casi todos los casos, la diferencia está en el system prompt y el harness.
Vibe coding
Vibe coding es programar describiendo lo que quieres a una IA e iterando sobre su resultado, sin escribir (ni a veces leer) gran parte del código. Para prototipos y utilidades internas es una revolución de velocidad; para software de producción es un riesgo si no hay revisión, pruebas y criterio técnico detrás. Nosotros lo usamos acelerando, no sustituyendo: la IA escribe, y un profesional responde de la calidad — como en cualquier proyecto web.
SEO y rendimiento web
Core Web Vitals
Los Core Web Vitals son las tres métricas con las que Google mide la experiencia de uso de una página: velocidad de carga (LCP), capacidad de respuesta (INP) y estabilidad visual (CLS). Forman parte de su señal de ranking y, sobre todo, de lo que un usuario siente: una web lenta o que baila al cargar pierde visitas y ventas. Conseguir el sobresaliente es trabajo fino — es literalmente uno de nuestros servicios.
LCP
El LCP (Largest Contentful Paint) mide cuánto tarda en pintarse el elemento principal de la página — la imagen destacada, el titular grande. Google exige 2,5 segundos o menos, medido sobre usuarios reales. Casi siempre el culpable es una imagen sin optimizar o un servidor lento: se arregla con imágenes modernas (WebP/AVIF), caché y un buen hosting.
INP
El INP (Interaction to Next Paint) mide lo que tarda la página en reaccionar cuando alguien toca un botón, un menú o un formulario. Desde 2024 sustituyó al antiguo FID como métrica de interactividad de los Core Web Vitals. Un INP malo suele significar JavaScript que acapara el navegador: menos scripts, más HTML y CSS.
CLS
El CLS (Cumulative Layout Shift) mide cuánto «baila» el contenido mientras la página carga: el texto que se mueve, el botón que se escaquea justo cuando vas a pulsarlo. Cero es el objetivo. Las causas típicas son imágenes sin dimensiones declaradas, fuentes que cambian el texto y anuncios que empujan el contenido.
SERP
La SERP (Search Engine Results Page) es la página de resultados de un buscador. La SERP clásica eran diez enlaces azules; hoy mezcla fichas, mapas, vídeos y respuestas generadas por IA — y el objetivo del SEO y del GEO es ocupar el máximo de superficies distintas de esa página.
CTR
El CTR (click-through rate) es el porcentaje de personas que hacen clic sobre las que ven tu enlace. Un CTR bajo con buenas posiciones suele delatar un título o una description poco apetitosos: es la métrica que conecta la visibilidad con la visita. En campañas de pago mide lo mismo, y se cobra al clic.
Enlace interno
Un enlace interno conecta dos páginas de un mismo sitio. Es la señal que dice a Google y a las IAs qué contenido existe, qué importa y cómo se relaciona — y la herramienta más barata y desaprovechada del SEO: cada estudio, guía o servicio debería enlazar a sus páginas hermanas con textos descriptivos. Esta misma página es un ejemplo: fíjate en cuántos enlaces lleva.
Rastreo
El rastreo (crawling) es el proceso por el que los bots de buscadores — y ahora los rastreadores de IA — recorren la web siguiendo enlaces y leyendo páginas. Si una página no se rastrea, no existe: de ahí la importancia de un robots.txt bien configurado, un sitemap limpio y una arquitectura donde nada quede a más de unos clics de la portada.
Indexación
La indexación es el paso siguiente al rastreo: el buscador analiza la página y la guarda en su índice para poder mostrarla en resultados. Rastreado no es indexado — Google puede ver una página y decidir no indexarla si la considera duplicada, fina de contenido o sin valor. El estado real se consulta en Google Search Console, no en la barra de búsqueda.
Hreflang
Hreflang es el atributo que indica a Google qué idioma y país corresponde a cada versión de una página, para mostrar a cada usuario la suya. Solo tiene sentido con webs realmente multilingües: si tienes versiones en español, gallego e inglés, hreflang evita que compitan entre sí. Mal implementado (o usado sin necesidad) genera más problemas de los que resuelve.
Schema.org
Schema.org es el vocabulario estándar de datos estructurados que entienden Google, Bing, y las IAs: etiquetas que describen lo que es cada cosa — esta página es un artículo, esta entidad es una empresa con este teléfono, este bloque es una pregunta frecuente. Se implementa sobre todo en JSON-LD y es una de las bases de la citabilidad IA.
Marketing y conversión
CRO
CRO (conversion rate optimization, optimización de la tasa de conversión) es el trabajo sistemático de aumentar el porcentaje de visitantes que hacen lo que buscas — comprar, contactar, suscribirse — sin aumentar el tráfico. Se basa en medir, plantear hipótesis y probar: cambiar por cambiar es decoración, no optimización.
A/B testing
Un test A/B muestra dos versiones de una página a visitantes similares y mide cuál convierte mejor, con significancia estadística. Es la forma honesta de resolver discusiones de diseño: gana el dato, no el cargo. En webs con poco tráfico, los tests necesitan más tiempo del que la gente espera — y ahí suele estar la sorpresa.
Embudo de conversión
El embudo (funnel) es el recorrido desde que alguien te descubre hasta que compra: visita, se interesa, confía, compra. Cada fase pierde gente — de ahí su forma — y medir dónde se cae la gente dice exactamente dónde trabajar. Optimizar la última fase cuando el problema está en la primera es el error más común.
Lead
Un lead es un contacto que ha mostrado interés real en tu negocio: dejó su email, pidió presupuesto, reservó cita. No es un visitante ni un seguidor: es una oportunidad de venta con nombre y apellidos. Cualificar bien los leads — distinguir curiosos de compradores — es la mitad del trabajo de ventas.
Lead magnet
Un lead magnet es algo valioso que entregas a cambio del contacto: una herramienta gratuita, un informe, una guía. Funciona cuando resuelve un problema real en minutos. El nuestro: una auditoría de citabilidad IA gratis — y es literalmente lo que estás leyendo este glosario en una web que se mide a sí misma en público.
Tasa de conversión
La tasa de conversión es el porcentaje de visitantes que completan el objetivo de la página: si de 200 visitas llegan 6 contactos, es un 3 %. Referencia honesta: en muchas pymes mejora más la tasa que el tráfico, y sale mucho más barato.
Buyer persona
Una buyer persona es el retrato de tu cliente ideal: quién es, qué le duele, dónde busca solución y qué le frena a comprar. No es un ejercicio de marketing decorativo: define el tono, los contenidos y dónde invertir. Si tienes tres clientes muy distintos, necesitas tres personas — no una genérica.
Remarketing
El remarketing vuelve a mostrar tu mensaje a quien ya te visitó o interactuó: es publicidad a gente que ya conoce, y convierte varias veces mejor que el público frío. Con límites éticos y legales: consentimiento de cookies, frecuencia razonable y nada de perseguir.
KPI
Un KPI (key performance indicator) es el indicador que resume si vas bien o mal en lo que importa: coste por lead, tasa de conversión, ingresos por sesión. La trampa está en elegir KPIs vanidosos — seguidores, visitas — que suben mientras el negocio baja. Un KPI serio se conecta con dinero o con clientes.
Contenido evergreen
El contenido evergreen es el que sigue siendo útil años después de publicarse: guías, definiciones, comparativas y estudios de referencia — como este glosario o nuestra radiografía IA-SEO. Contrapone al post de actualidad que caduca en semanas: se escribe una vez y trabaja para siempre.
IA, buscadores y visibilidad
GEO y AEO
GEO (generative engine optimization) y AEO (answer engine optimization) son la evolución del SEO para la era de las respuestas de IA: no basta con aparecer en la lista azul de Google, hay que ser citado por ChatGPT, Perplexity o los resúmenes de Google. Comparten gran parte del trabajo técnico con el SEO — contenido claro, datos estructurados, web accesible y rápida — más piezas propias como el llms.txt. Mídelo gratis con nuestra herramienta de Citabilidad IA.
llms.txt
llms.txt es un archivo en formato Markdown que se publica en la raíz de una web (/llms.txt) para presentarse a los modelos de IA: quién eres, qué servicios ofreces, precios y enlaces a lo importante, en su formato favorito. Es el equivalente a robots.txt para la era generativa — con la diferencia de que no prohíbe, sino que invita. Nosotros lo publicamos desde el primer día y es una de las 17 comprobaciones de la Citabilidad IA.
Citabilidad IA
La citabilidad IA es la medida de lo fácil que resulta para un modelo de IA leer tu web (HTML real, sin bloqueos), entenderte (datos estructurados, jerarquía, entidad declarada) y citarte (preguntas y respuestas, identidad, velocidad). Es el término que acuñamos para nuestro propio estándar: 17 comprobaciones ponderadas con nota de 0 a 100, que puedes probar gratis aquí mismo.
Motor de respuestas
Un motor de respuestas (answer engine) es un buscador que devuelve una respuesta redactada en lugar de una lista de enlaces: Perplexity, el modo búsqueda de ChatGPT o las respuestas IA de Google. El cambio de fondo para cualquier negocio: el tráfico ya no pasa por tu título y tu meta description, sino por si la IA te elige como fuente. La estrategia de visibilidad se juega en el GEO.
E-E-A-T
E-E-A-T reúne las señales de confianza que valora Google — experiencia, conocimiento, autoridad y fiabilidad (Experience, Expertise, Authoritativeness, Trust) — y que también alimentan las citas de los modelos de IA. No es un plugin ni una etiqueta: son casos reales con números, autores con nombre, metodología pública y precios sin letra pequeña. Lo contamos a fondo en qué es E-E-A-T.