Explicaciones cortas de los conceptos que vas a encontrar en los casos, las noticias y la comparativa de modelos. Cada una cita sus fuentes y termina con qué significa para tu pyme.
Un modelo de lenguaje grande es un programa entrenado con enormes cantidades de texto para predecir la siguiente palabra. Esa habilidad, a gran escala, le permite redactar, resumir, traducir, clasificar y responder preguntas.
Un agente de IA es un modelo de lenguaje que, además de responder, decide qué pasos dar y usa herramientas (buscar, consultar una planilla, enviar un mensaje) hasta cumplir una tarea.
RAG (generación aumentada por recuperación) busca primero en tus documentos los fragmentos relevantes y se los da al modelo para que responda con esa información, en lugar de depender solo de lo que aprendió en su entrenamiento.
MCP es un estándar abierto para conectar modelos de IA con herramientas y datos externos. Un servidor MCP expone, por ejemplo, tu calendario o tu base de clientes, y cualquier aplicación compatible puede usarlo.
El fine-tuning (ajuste fino) entrena un poco más un modelo existente con ejemplos propios para que adopte un estilo, un formato o una tarea específica. No es la primera opción para darle información de tu negocio: para eso suele bastar RAG.
Un benchmark es una prueba estándar para comparar modelos. Una eval propia es una prueba con tus casos reales. Los benchmarks sirven para hacer una lista corta; la eval propia decide.
Los modelos cobran por tokens, pedazos de texto que el modelo procesa. Se paga por los tokens de entrada (lo que le envías) y por los de salida (lo que responde), con precios distintos para cada uno.
Un buen prompt dice quién es el asistente, qué tarea cumple, con qué datos, en qué formato responde y qué no debe hacer. Las guías oficiales de OpenAI, Anthropic y Google coinciden en lo esencial: claridad, contexto y ejemplos.
Comparativa de modelos Open source y pesos abiertos Noticias del día Plan de 90 días