Comisión de Lexicografía-RedACTE
Este glosario, elaborado por la Comisión de Lexicografía de la RedACTE, reúne los términos de mayor uso en el ámbito de la inteligencia artificial que resultan pertinentes para la labor de la corrección y la edición de textos. Está sujeto a revisión y ampliación conforme evolucione el uso de estos términos en el ámbito hispanohablante.
Terminología
alucinación: Respuesta incorrecta, inventada o carente de fundamento en los datos de origen que un sistema de inteligencia artificial presenta con la misma seguridad y fluidez que una respuesta verídica. Para el trabajo editorial, constituye uno de los riesgos centrales: obliga a verificar citas, datos, fechas, referencias bibliográficas y atribuciones generados por IA antes de incorporarlos a un texto. Uso: la FundéuRAE confirma que «alucinación» y el verbo «alucinar» son una ampliación de significado válida del sentido ya recogido en el DLE (por analogía con la alucinación humana), y no un anglicismo ni un calco. En consecuencia, no requieren comillas ni cursiva.
ajuste fino (fine-tuning): Proceso de reentrenamiento de un modelo de IA ya preentrenado, con un conjunto de datos más reducido y específico, para especializarlo en una tarea, estilo o dominio determinado (p. ej., un modelo ajustado para seguir un manual de estilo editorial concreto). Uso: se recomienda mantener el término inglés en cursiva; no está asentada una alternativa española de uso mayoritario.
algoritmo: Conjunto ordenado y finito de reglas u operaciones que permite resolver un problema o ejecutar una tarea. En el contexto de la IA, secuencia de instrucciones sobre la que se construyen los modelos de aprendizaje automático.
aprendizaje automático (machine learning): Rama de la inteligencia artificial que permite a los sistemas mejorar su desempeño en una tarea a partir del análisis de datos, sin ser programados explícitamente para cada caso.
aprendizaje profundo (deep learning): Subcampo del aprendizaje automático basado en redes neuronales de múltiples capas, capaz de procesar grandes volúmenes de datos no estructurados (texto, imagen, audio) y de identificar patrones complejos sin intervención humana directa.
asistente de escritura: Herramienta de IA generativa orientada a apoyar tareas de redacción, corrección o estilo (sugerencia de sinónimos, reformulación de oraciones, corrección gramatical y ortográfica). No sustituye el criterio profesional del corrector ni del editor, especialmente en decisiones de registro, tono y adecuación al público destinatario.
chatbot: Programa basado en IA diseñado para mantener conversaciones con personas mediante texto o voz, simulando un diálogo natural. Puede sustentarse en un modelo de lenguaje. Uso: la FundéuRAE indica que chatbot (formado a partir de «chat» y «bot», ambos ya recogidos en el DLE) se considera un uso válido en español: se escribe con minúscula inicial y sin comillas ni cursiva. Su plural es «chatbots».
corpus de entrenamiento: Conjunto de textos u otros datos utilizados para entrenar un modelo de lenguaje. Su composición condiciona directamente el vocabulario, los registros, las variedades dialectales y los posibles sesgos que el modelo reproducirá en sus salidas.
corrección automática: Detección y propuesta de enmienda de errores ortográficos, gramaticales o de puntuación mediante herramientas informáticas. En su forma más avanzada, se apoya en modelos de IA capaces de considerar el contexto, y no solo reglas fijas, aunque esto no la exime de errores ni de decisiones inadecuadas de estilo.
deepfake (alternativa recomendada: ultrafalso): Contenido audiovisual (imagen, vídeo o audio) manipulado o generado mediante IA para suplantar la apariencia o la voz de una persona real de manera realista, con fines diversos que van desde el entretenimiento hasta la desinformación. Uso: la FundéuRAE recomienda ultrafalso como alternativa en español, por reunir los dos sentidos del anglicismo (deep, mediante el prefijo ultra-, y fake, mediante falso). Si se opta por mantener la voz inglesa, debe ir en cursiva (o entrecomillada si no se dispone de cursiva) y en minúscula.
derechos de autor e IA: Ámbito jurídico y ético en discusión que aborda la autoría, la titularidad y la posible infracción de derechos cuando un contenido es generado, total o parcialmente, por un sistema de IA, así como el uso de obras protegidas para entrenar modelos. Cuestión de creciente relevancia para editores que deben decidir sobre la publicación de textos generados o asistidos por IA.
detección de plagio: Proceso, cada vez más asistido por IA, de identificación de coincidencias textuales entre un documento y fuentes previas, con el fin de detectar copia no atribuida. Distinta de la detección de texto generado por IA, aunque ambas suelen confundirse.
detector de texto generado por IA: Herramienta que estima la probabilidad de que un texto haya sido producido por un sistema de IA generativa. Su fiabilidad es limitada y variable, por lo que sus resultados deben tratarse como indicio y no como prueba concluyente.
embedding: Representación numérica (vector) del significado de una palabra, frase o fragmento de texto, que permite a los modelos de IA operar matemáticamente con el lenguaje y establecer relaciones de similitud semántica entre unidades textuales. Uso: como es un extranjerismo crudo, se recomienda cursiva. No hay constancia de una alternativa española recomendada por una fuente normativa; en textos divulgativos se ve a veces «representación vectorial» o «vector semántico» como glosa descriptiva, pero son soluciones ad hoc, no equivalencias fijadas.
ética de la inteligencia artificial: Campo de reflexión y conjunto de principios orientados a garantizar que el desarrollo y el uso de sistemas de IA respeten derechos, eviten daños y sean transparentes, justos y responsables. Incluye cuestiones de autoría, veracidad y transparencia especialmente relevantes para el ejercicio editorial.
ingeniería de prompts (prompt engineering): Diseño y formulación estratégica de instrucciones (ver también prompt) dirigidas a un sistema de IA con el fin de obtener resultados más precisos, pertinentes y ajustados a un objetivo determinado.
inteligencia artificial (IA): Campo de la informática que desarrolla sistemas y programas capaces de ejecutar tareas que, realizadas por una persona, requerirían procesos cognitivos como el razonamiento, el aprendizaje, la percepción o la comprensión del lenguaje.
IA generativa: Tipo de inteligencia artificial capaz de crear contenido nuevo —texto, imágenes, audio, vídeo o código— a partir de instrucciones (prompt), mediante el aprendizaje de patrones presentes en grandes volúmenes de datos.
IA responsable: Enfoque de desarrollo y uso de la IA que incorpora criterios de transparencia, rendición de cuentas, equidad y minimización de daños. En el ámbito editorial, se traduce en prácticas como declarar el uso de IA en un proceso de creación o corrección y someter sus resultados a revisión humana.
LLM (large language model): Modelo de lenguaje de gran tamaño. La sigla permanece invariable en plural: se escribe «los LLM», nunca «los LLMs», «LLMS» ni «LLM’s». Si se quiere marcar el plural de forma explícita, se hace con el determinante: «los LLM analizados», «algunos LLM». Los equivalentes españoles recomendados son «modelo extenso de lenguaje» o «gran modelo de lenguaje» (esta última, recogida en la base terminológica IATE de la UE); sus plurales son «modelos extensos de lenguaje» y «grandes modelos de lenguaje». Si se desarrolla la sigla en inglés (large language model), va en minúscula y en cursiva; la sigla LLM en sí se escribe en redonda, no en cursiva.
modelo de lenguaje: Sistema de inteligencia artificial entrenado con grandes volúmenes de texto para reconocer patrones lingüísticos y generar lenguaje natural coherente, tanto en tareas de comprensión como de producción textual.
posedición (post-editing): Revisión y corrección de un texto generado por un sistema de IA (traducción automática o redacción generativa) con el fin de ajustarlo a criterios de calidad, precisión, estilo y adecuación editorial. Constituye una de las tareas emergentes más directamente vinculadas con el oficio de la corrección.
procesamiento del lenguaje natural (PLN) (natural language processing [NLP]): Área de la inteligencia artificial dedicada al desarrollo de sistemas capaces de comprender, interpretar y generar lenguaje humano, tanto escrito como oral.
prompt: Instrucción, pregunta o conjunto de indicaciones que una persona proporciona a un sistema de IA generativa para obtener una respuesta o un contenido determinado. Uso: como es un extranjerismo crudo, se escribe en cursiva. No cuenta con equivalente español de uso consolidado, aunque se han propuesto «indicación» o «instrucción».
red neuronal (artificial): Modelo computacional inspirado en el funcionamiento del cerebro humano, compuesto por capas de nodos («neuronas») interconectados que procesan información y ajustan sus conexiones durante el entrenamiento. Es la base técnica del aprendizaje profundo.
revisión humana (human in the loop): Principio y práctica según los cuales una persona interviene en el proceso de generación, corrección o validación de contenidos producidos por IA, a fin de garantizar su calidad, precisión y adecuación. Constituye un fundamento deontológico para el uso de la IA en tareas editoriales.
sesgo algorítmico: Distorsión sistemática en las salidas de un sistema de IA, derivada de desequilibrios o prejuicios presentes en los datos de entrenamiento (corpus de entrenamiento), que puede traducirse en un uso poco inclusivo o poco equitativo del lenguaje (estereotipos de género, origen, edad, discapacidad, etc.). Aspecto que el corrector y el editor deben vigilar de manera activa en los textos asistidos por IA.
texto generado por IA: Contenido textual producido, total o parcialmente, por un sistema de IA generativa. Su identificación y, en su caso, su declaración explícita, constituye una cuestión creciente de transparencia y de ética editorial.
token: Unidad mínima de procesamiento de un modelo de lenguaje, puede corresponder a una palabra completa, a una parte de ella o a un signo de puntuación, según el sistema de segmentación empleado. El número de tokens que un modelo puede procesar de una vez determina su ventana de contexto.
traducción automática (machine translation): Traducción de un texto de una lengua a otra realizada por un sistema informático, hoy generalmente basado en modelos de IA. Su resultado suele requerir posedición antes de su publicación.
transparencia algorítmica: Principio según el cual el funcionamiento, los criterios y los datos empleados por un sistema de IA deben ser comprensibles y verificables, y su uso en la producción de un contenido, declarado cuando corresponda.
ventana de contexto (context window): Cantidad máxima de texto (medida en tokens) que un modelo de lenguaje puede tener en cuenta simultáneamente al generar una respuesta, ya sea como instrucción de entrada o como memoria de la conversación en curso.
Índice de siglas y extranjerismos
| Forma | Desarrollo/equivalencia | Tratamiento ortotipográfico | Fuente |
| IA | Inteligencia artificial | Sigla, redonda; con minúscula inicial en «inteligencia artificial» | FundéuRAE (palabra del año 2022) |
| PLN | Procesamiento del lenguaje natural | Sigla, en redonda | Uso general |
| LLM | «modelo extenso de lenguaje» / «gran modelo de lenguaje» | Sigla, en redonda, invariable en plural («los LLM», no «LLMs»); si se desarrolla en inglés, en minúscula y cursiva | FundéuRAE (ficha específica) |
| chatbot | Sin cursiva ni comillas, en minúscula, porque ya está adaptado al español; plural «chatbots» | FundéuRAE (ficha específica) | |
| alucinación / alucinar | Sin cursiva ni comillas, porque es ampliación de sentido y no un extranjerismo | FundéuRAE (ficha específica) | |
| prompt | instrucción, indicación, consulta, aviso (sin consenso) | En cursiva | FundéuRAE confirma que no hay alternativa fijada |
| token | En cursiva (criterio general, sin ficha específica), porque no tiene equivalencia normativa localizada | Sin ficha FundéuRAE localizada | |
| fine-tuning | ajuste fino | En cursiva; se prefiere el equivalente español, de uso ya mayoritario | Sin ficha FundéuRAE localizada para el anglicismo; «ajuste fino» es una forma asentada en la práctica |
| embedding | En cursiva; pendiente de revisión y sin equivalencia normativa confirmada | Sin ficha FundéuRAE localizada | |
| deepfake | ultrafalso | En cursiva si se usa la voz inglesa; se prefiere el equivalente español | FundéuRAE (ficha específica) |
| machine learning | aprendizaje automático | En cursiva si se usa la voz inglesa; se prefiere el equivalente español | FundéuRAE (ficha específica) |
Referencias bibliográficas
IATE (Interactive Terminology for Europe): Base de datos terminológica de la Unión Europea. [Fuente de la equivalencia gran modelo de lenguaje / grandes modelos de lenguaje para LLM].
ISO/IEC JTC 1/SC 42: Artificial Intelligence. Organización Internacional de Normalización / Comisión Electrotécnica Internacional. [Definiciones estándar para machine learning, deep learning, neural networks y context window].
FundéuRAE (Fundación del Español Urgente):
Alucinación y alucinar: Doctrina sobre la ampliación analógica de significado en el ámbito de la IA.
Chatbot: Ficha específica sobre la adaptación léxica, el uso de minúsculas y la formación de su plural (chatbots).
Deepfake / Ultrafalso: Recomendación oficial para el empleo del neologismo adaptado ultrafalso frente al anglicismo crudo.
Inteligencia artificial: Declaración como Palabra del Año 2022 y pautas de escritura en minúscula para la denominación completa.
LLM / Grandes modelos de lenguaje: Doctrina sobre la invariabilidad de la sigla en plural (los LLM), tratamiento tipográfico de su desarrollo en inglés (large language model) y alternativas recomendadas en español.
Prompt / Machine learning: Criterio de marcación ortotipográfica en cursiva para anglicismos crudos y promoción de equivalentes en español.
UNESCO. (2023). Guidance for generative AI in education and research. UNESCO.
* Comisión de Lexicografía-RedACTE: Claudia Dorado Sánchez (ASPPECTO), Diana Gamarnik (PLECA), Raquel Rodríguez (UniCo), Tania Fernández (Panamá)
