glosario ampliado todos recursos. glosario ampliado todos recursos.
glosario ampliado todos recursos.
glosario ampliado todos recursos.
Glosario ampliado + todos los recursos
Introducción
Este glosario ampliado complementa el Glosario IA: 50 términos esenciales (artículo 04) con 80 términos adicionales, agrupados en nuevas categorías. Incluye también el índice completo de recursos de toda la campaña. El objetivo es ofrecer una referencia exhaustiva para profesionales técnicos que trabajan con agentes de IA.
1. Arquitectura de sistemas (ampliación)
51. Graph State: Representación del estado de un sistema multi-agente como un grafo, donde los nodos son agentes y las aristas son transiciones. Usado por LangGraph.
52. Subgraph Checkpointer: Mecanismo de persistencia que guarda el estado de ejecución de un subgrafo, permitiendo pausar y reanudar flujos complejos.
53. Supervisor Prompt Engineering: Técnica de diseño de prompts para el agente supervisor en sistemas multi-agente. Incluye directrices de descomposición de tareas, enrutamiento y síntesis.
54. Parallel Tool Calls: Capacidad de un agente para invocar múltiples herramientas simultáneamente. Debe desactivarse cuando las tareas son secuenciales.
55. Command Primitive: Primitiva de LangGraph que permite a las herramientas actualizar el estado y enrutar la ejecución dentro del grafo.
56. Tool Registry: Catálogo centralizado de herramientas disponibles para un agente, con sus esquemas, descripciones y metadatos de autenticación.
57. Error Handler (Agente): Componente del harness que define cómo recuperarse de fallos del LLM, de herramientas o del sistema.
58. Circuit Breaker: Mecanismo que detiene los intentos repetidos de una herramienta que falla, evitando consumo innecesario de recursos.
59. Agent Skills: Documentación estructurada que guía a los agentes de codificación, proporcionando instrucciones, modelos disponibles y enlaces a documentación viva.
60. Agent SDK: Kit de desarrollo que abstrae la infraestructura del agente, proporcionando interfaz unificada para LLMs, herramientas y observabilidad.
2. Evaluación y métricas (ampliación)
61. Golden Dataset: Conjunto de datos curado manualmente usado como referencia para evaluaciones offline. Limitado porque no cubre comportamientos emergentes.
62. Experimentos A/B en Producción: Técnica que envía cambios a un porcentaje de usuarios y compara tasas de señal contra un grupo de control.
63. Tasa de Abandono: Porcentaje de usuarios que cierran la sesión tras una interacción fallida con el agente. Indicador de salud del producto.
64. Clasificador Binario (Señal Implícita): Clasificador específico para detectar un problema concreto (frustración, jailbreak, rechazo). Más útil que puntuaciones genéricas.
65. Self-Diagnostics Avanzado: Herramientas de «reflexión» donde el agente analiza su propio comportamiento post-ejecución, identificando áreas de mejora.
66. Regeneration Rate: Frecuencia con la que se solicita regenerar una respuesta. Una tasa alta indica problemas de calidad no capturados por otras métricas.
67. Agentic Evaluation: Evaluación de agentes en entornos simulados donde compiten o colaboran, generando métricas de rendimiento relativo.
68. Verifier Rubric: Rúbrica de criterios explícitos que el verificador usa en el patrón generador-verificador. Sin ella, el verificador aprueba todo automáticamente.
69. Trace Tree: Árbol de decisiones que registra cada paso del agente: entrada, razonamiento, herramientas seleccionadas, resultados y decisión final.
70. Production Monitoring: Monitorización continua en producción que reemplaza la dependencia de evaluaciones offline para detectar comportamientos emergentes.
3. Protocolos y estándares (ampliación)
71. MCP Server: Servidor que expone herramientas y datos según el Model Context Protocol. Publica un manifiesto con las herramientas disponibles.
72. MCP Client: Agente que descubre y consume herramientas de servidores MCP. Puede conectarse a múltiples servidores dinámicamente.
73. A2A Card: Tarjeta de agente en el protocolo A2A que publica capacidades, limitaciones, autenticación y modelo de precios del agente.
74. Universal Commerce Protocol: Protocolo cerrado de Google para comercio entre agentes. Ejemplo de «jardín amurallado» en la fragmentación del ecosistema.
75. KYA (Know Your Agent): Marco de identidad verificable para agentes, con identificadores únicos y «mochila de datos» de cualificaciones.
76. ZK Proofs in AI: Pruebas de conocimiento cero aplicadas a verificar que una salida de IA es correcta sin revelar datos subyacentes.
77. Cypher Query Language: Lenguaje de consulta para bases de datos de grafos (Neo4j). Usado por agentes para navegar context graphs.
78. Gemini Interactions API: API unificada de Google para modelos y agentes, con gestión de estado del lado del servidor y ejecución en segundo plano.
79. Webhook Agent: Webhook específico para eventos de agentes. Notifica al agente cuando hay nuevos mensajes o cambios de estado en la plataforma.
80. OAuth for Agents: Mecanismo de autenticación OAuth para que los agentes accedan a plataformas en nombre de usuarios o equipos.
4. Frameworks y patrones de negocio
81. Agentic Business: Modelo empresarial donde los agentes de IA participan activamente en flujos de trabajo, con supervisión humana solo para excepciones.
82. Pricing Híbrido con Créditos: Modelo de precios que combina tarifa base + créditos de uso, donde los créditos abstraen la complejidad técnica.
83. Minimum Viable Segment (MVS): Grupo de usuarios con necesidades homogéneas que permite vender el mismo producto sin personalización.
84. Las 4 U’s: Marco de evaluación de problemas: Unworkable, Unavoidable, Urgent, Underserved.
85. Organization Nativa de IA: Empresa donde el conocimiento del dominio está integrado en cada capa del producto, combinando expertos del dominio con ingenieros de IA.
86. Fit Estratégico: Cómo las actividades de IA se refuerzan mutuamente creando un sistema difícil de replicar. Tres niveles: consistencia, refuerzo, optimización.
87. Trade-off Estratégico en IA: Decisiones sobre qué NO hacer: modelos públicos vs. propietarios, velocidad vs. precisión, automatización vs. supervisión humana.
88. Graceful Extensibility: Capacidad del sistema para adaptarse antes de saturarse. Los agentes expanden su capacidad para compensar a compañeros saturados.
89. Messy Nine: Heurística que identifica 9 formas de desorden en sistemas: congestión, cascada, conflicto, saturación, retardo, fricción, múltiples ritmos, sorpresa, dependencias enredadas.
90. Joint Activity: Diseño de sistemas donde los agentes son colaboradores conscientes de formar parte de un sistema mayor, con visibilidad y previsibilidad mutuas.
5. Índice completo de recursos de la Campaña IA
| Artículo | Título | Fuente principal |
|———-|——–|——————|
| 01 | ¿Qué es un AI Agent? | AI Agents Course |
| 02 | Evaluación de agentes | Lori Voss (AriseAI), Nicholas Kang (Mozilla) |
| 03 | Prompt Engineering en producción | Prakash Senapathi, Prompt Engineering Workshop |
| 04 | Glosario IA: 50 términos esenciales | (síntesis de todas las fuentes) |
| 05 | Sistemas multi-agente: patrones | AI Agents Course |
| 06 | Fine-Tuning vs. RAG | AI Engineer, Chris Lovejoy |
| 07 | MCP, A2A y comunicación entre agentes | Sentient Salon HK, Tom Moor (Linear) |
| 08 | LangGraph: orquestación | Kenny / AI Agents Course |
| 09 | Observabilidad en agentes | Amy Boyd (Microsoft), Raindrop |
| 10 | Context Graphs | Stephen Chin (Neo4j) |
| 11 | Estrategia de negocio en la era IA | Bill McDermott (ServiceNow) |
| 12 | Porter y ventaja competitiva | Michael Porter / Visual Summary |
| 13 | Liderazgo en equipos técnicos | Seth Godin |
| 14 | Agentes basados en eventos | Jonas Tempelstein (Iterate) |
| 15 | Pricing de agentes de IA | Mayank Pant (Stripe) |
| 16 | Descoordinación multi-agente | MASST Workshop |
| 17 | Expertise de dominio | Chris Lovejoy (Notius Labs) |
| 18 | Agentes conversacionales | Thor Schaeff (Google DeepMind) |
| 19 | Búsqueda agentic | Leonie Monigatti (Elastic) |
| 20 | AI Harnesses | Tejas Kumar (IBM), Tom Moor (Linear) |
| 21 | Etiqueta digital con IA | Harvard Business Review |
| 22 | Crisis de accesibilidad GPU | Open Models Course |
| 23 | AI Observability avanzada | Danny Gollapalli (Raindrop) |
| 24 | Estrategia vs. talento | Seth Godin |
| 25 | Flow State en ingeniería | Steven Kotler (Big Think) |
| 26 | Value Proposition Design | Harvard Business Review |
| 27 | Estrategia como práctica | Seth Godin / HBR |
| 28 | Glosario ampliado + recursos | (síntesis) |
| 29 | Predicciones IA 2027 | (síntesis de tendencias) |
Fuentes
Este glosario sintetiza conceptos de todas las charlas y cursos mencionados en la Campaña IA 2026. Las URLs completas están disponibles en cada artículo temático.
Atribución: Adaptación y síntesis de materiales del canal AI Engineer, AI Agents Course, Google DeepMind, Harvard Business Review, Seth Godin, Steven Kotler y otras fuentes citadas a lo largo de la campaña.
Artículos relacionados
Recursos en línea
Ver también: PARTE 3: La Habana 1762: cuando la logística falló | Viento en las velas: cómo la Royal Navy venció al escorbuto. Fuente: Glosario ampliado todos los recursos.
Deja una respuesta