Workshop 1→N · Clase 2

Glosario
de IA práctica

Para alumnos del workshop. Cada término trae qué es (sin jerga), una analogía cotidiana y un ejemplo del workshop. Si algo no cuadra, pregunta en clase — este glosario reemplaza googlear definiciones contradictorias.

19 términos · 4 secciones · sin jerga
Fundamentos del LLM
01

LLM

Large Language Model
Qué es

Un modelo de IA entrenado con cantidades enormes de texto para predecir qué palabra viene después. Cuando le escribes algo, no piensa como humano: calcula la continuación más probable basándose en patrones que aprendió.

🪞 Analogía

Un escritor que leyó casi todos los libros, artículos y conversaciones de Internet. Cuando le pides algo, no recuerda de dónde sacó la idea, pero puede improvisar en cualquier estilo porque vio millones de ejemplos.

🛠️ En el workshop

Claude, ChatGPT y Gemini son LLMs. Cuando le pides a Claude redacta un correo profesional para cobrar a un cliente moroso, está generando palabra por palabra usando lo que aprendió de millones de correos similares.

02

Token

Unidad mínima de texto
in creí ble mente
Qué es

La unidad mínima con la que el modelo procesa texto. No es ni una letra ni una palabra completa: es un fragmento. Hola es 1 token, increíblemente puede ser 3 tokens, un emoji es 1-2 tokens.

🪞 Analogía

Las fichas de Scrabble. El idioma no se mueve letra por letra ni frase por frase, sino en pedazos. El modelo arma respuestas pegando fichas, no escribiendo a mano.

🛠️ En el workshop

Cuando ves que un modelo cuesta $3 por millón de tokens, significa que cada conversación consume fichas. Un correo de 200 palabras ≈ 250-300 tokens. Por eso conversaciones largas se vuelven caras y lentas.

03

Ventana de contexto

Memoria de trabajo
PDF
Chat
Notas
Nuevo
Inicio
Qué es

La cantidad máxima de tokens que el modelo puede ver al mismo tiempo: tu pregunta, los archivos que adjuntaste, el historial y la respuesta que va a generar. Todo cabe ahí o no cabe.

🪞 Analogía

El escritorio de tu oficina. Cabe cierto número de carpetas abiertas a la vez. Si metes una nueva, alguna vieja se cae al piso (el modelo la olvida). Más grande el escritorio, más cosas en paralelo, pero ningún escritorio es infinito.

🛠️ En el workshop

Claude 4 maneja ~200,000 tokens de ventana (≈ un libro de 500 páginas). Si pegas un PDF gigante + 3 horas de conversación previa, eventualmente el modelo deja de recordar lo del inicio.

04

Prompt

La instrucción al modelo
Resume en 3 bullets…
→
Qué es

La instrucción que le das al modelo. Puede ser una pregunta, una orden, un texto a editar, o una mezcla. Es el input completo: lo que escribes + los archivos que adjuntas + el rol que asignaste.

🪞 Analogía

El brief que le pasas a un freelancer. Si es vago (hazme algo bonito), el resultado será genérico. Si es específico (audiencia, tono, ejemplos, formato), el entregable se acerca a lo que tienes en la cabeza.

🛠️ En el workshop

Resume esto es un prompt malo. Resume este correo en 3 bullets, máximo 15 palabras cada uno, enfocados en las acciones que debo tomar esta semana es un prompt que funciona.

05

Modelo

Claude · GPT · Gemini
Haiku
$
Sonnet
$$
Opus
$$$
Qué es

El cerebro específico que está detrás de una interfaz. Cada empresa entrena varios: unos más rápidos y baratos, otros más caros y potentes. La interfaz es solo la ventana — el modelo es lo que piensa.

🪞 Analogía

Marcas y motores de auto. ChatGPT, Claude y Gemini son las marcas. Dentro de cada una hay motores distintos (GPT-5, Claude Opus 4.7, Gemini 2.5 Pro). Eliges el motor según el viaje: ciudad, carretera, off-road.

🛠️ En el workshop

Para escribir un correo rápido, usas un modelo barato (Haiku, GPT-mini). Para analizar un contrato legal de 40 páginas, usas un modelo grande (Opus, GPT-5). Saber elegir el modelo correcto es la mitad de la eficiencia.

Cómo interactuamos con la IA
06

Prompt Engineering

Patrones de redacción
Malo "hazme algo bonito"
Bueno rol + contexto + formato + ejemplos
Qué es

El arte de redactar prompts para que el modelo entregue lo que necesitas. No es magia ni código: son patrones probados (dar contexto, ejemplos, estructura, rol). Incluye Zero-shot, Few-shot, Chain-of-Thought, Role Playing y Red Team.

🪞 Analogía

Aprender a delegarle bien a un asistente nuevo. Las primeras semanas le explicas todo mal; con práctica encuentras la forma exacta de pedir las cosas para que salgan al primer intento.

🛠️ En el workshop

En Clase 1 vimos cómo el mismo prompt mal escrito da resultados genéricos, y reescrito con rol + contexto + formato esperado da resultados usables. Esa diferencia es prompt engineering.

07

Zero-shot

Sin ejemplos previos
Clasifica este correo
→
urgente
Qué es

Pedirle al modelo que haga una tarea sin darle ningún ejemplo previo. Solo la instrucción.

🪞 Analogía

Decirle a alguien hazme una tortilla sin mostrarle cómo. Si la persona es experimentada, sale bien. Si no, sale rara.

🛠️ En el workshop

Clasifica este correo como urgente o no urgente. El modelo decide solo, sin ejemplos tuyos de qué es urgente para ti.

08

Few-shot

Con 2-5 ejemplos
📧 → urgente 📧 → archivo 📧 → delegable
↓
📧 nuevo → urgente
Qué es

Darle al modelo 2-5 ejemplos del tipo de respuesta que esperas, antes de pedirle la tarea real. El modelo imita el patrón.

🪞 Analogía

Antes de pedirle al asistente que conteste tus correos, le muestras 3 correos tuyos respondidos como referencia. Aprende tu tono.

🛠️ En el workshop

Para el Analizador de Correos: le das 3 ejemplos de cómo TÚ clasificarías correos (urgente / delegable / archivo). El modelo aprende tu criterio en segundos.

09

Chain-of-Thought

Cadena de Pensamiento
  1. Listar riesgos
  2. Listar beneficios
  3. Comparar con estándares
  4. ✓ Veredicto
Qué es

Pedirle al modelo que razone paso a paso antes de dar la respuesta final. Mejora la precisión en tareas con lógica, matemáticas o decisiones de varios pasos.

🪞 Analogía

Pedirle a alguien que muestre el procedimiento de la cuenta, no solo el resultado. Si se equivoca, ves dónde — y muchas veces, al pensarlo en voz alta, ya no se equivoca.

🛠️ En el workshop

Analiza si este contrato me conviene. Primero lista los riesgos, luego los beneficios, luego compara con estándares de la industria, y al final da tu veredicto.

10

Skill

Capacidad pre-empaquetada
/daily-sync 1. Leer journal
2. Calendario
3. Plan del día
Receta
Qué es

Una capacidad pre-empaquetada que le enseñas al modelo una vez y reutiliza siempre. Contiene instrucciones, archivos de referencia, scripts y ejemplos. Se invoca con un trigger.

🪞 Analogía

Un recetario plastificado en la cocina. No tienes que explicarle al cocinero cómo hacer pasta cada vez: dice receta 7 y ejecuta. Las skills son recetas que el modelo aplica cuando detecta el momento correcto.

🛠️ En el workshop

Cuando le dices a Claude corre el daily sync, se activa una skill que ya sabe qué archivos leer, qué calcular, qué escribir y dónde guardarlo. No le explicas el procedimiento cada mañana.

11

Agente

Modelo con autonomía
Qué es

Un modelo configurado para ejecutar tareas con autonomía: decide qué pasos seguir, qué herramientas usar y cuándo terminar. No solo responde — actúa.

🪞 Analogía

Un agente de viajes. No le dices compra el vuelo X. Le dices necesito ir a CDMX la próxima semana, barato y con buen horario. Él investiga, compara, decide y te trae la opción final.

🛠️ En el workshop

Un agente puede revisar tus correos sin leer, clasificar los importantes, redactar borradores y dejarlos listos para que solo apruebes. Tú no orquestas paso por paso: defines el resultado y deja que se las arregle.

Integraciones e infraestructura
12

API

Application Programming Interface
Tu app
API
Modelo
Qué es

Un enchufe estándar que permite que dos programas se hablen entre sí. Cuando una app dice usa la API de OpenAI, quiere decir que se conecta directamente al modelo sin pasar por la web.

🪞 Analogía

El menú de servicio a la habitación de un hotel. Tú no entras a la cocina — pides desde una lista predefinida y recibes el plato. La cocina (el modelo) no cambia, solo recibe pedidos por un canal estándar.

🛠️ En el workshop

Cuando integras Claude en tu app de notas, tu app le habla a Claude por API. Cada mensaje cuesta tokens. La API es lo que permite construir tus propias herramientas sin abrir la web de Claude.

13

MCP

Model Context Protocol
Obsidian Gmail Calendar Wallet
→
Claude
Qué es

Un protocolo estándar que conecta modelos de IA con herramientas externas (tu calendario, tus correos, tu Obsidian, tu base de datos). Antes, cada integración era un parche; con MCP se conectan como módulos plug-and-play.

🪞 Analogía

El estándar USB. Antes, cada dispositivo traía su propio cable raro. Con USB, todo se conecta igual. MCP es el USB de la IA: conectas el puerto MCP de Google Drive y el modelo ya puede leer tus archivos sin código adicional.

🛠️ En el workshop

Claude en mi máquina tiene MCPs conectados a Obsidian, Gmail, Calendar y Wallet. Cuando le pido revisa mi semana, lee del calendario, del journal y de las finanzas — sin que yo copie y pegue nada.

14

Integración

Conexión a herramientas
Qué es

Cualquier conexión entre el modelo y una herramienta externa (app, base de datos, servicio web). MCPs son un tipo de integración; también las hay vía API directa, plugins de cada plataforma, o automatizaciones tipo Zapier.

🪞 Analogía

Los electrodomésticos de la cocina conectados al tomacorriente. La licuadora sola no hace jugo; conectada a la pared, sí. La integración es lo que le da al modelo acceso al mundo real.

🛠️ En el workshop

Conectar ChatGPT con tu Google Drive es una integración. Conectar Claude con Notion vía MCP, otra. Sin integraciones, el modelo solo trabaja con lo que pegas manualmente en el chat.

15

CLI

Command Line Interface
$ claude
✓ session ready
›
Qué es

Una forma de interactuar con programas escribiendo comandos en texto, en vez de hacer clic en botones. Más rápido y poderoso para tareas repetitivas, pero requiere aprender los comandos.

🪞 Analogía

Pedirle al mesero por nombre del platillo en vez de señalarlo en la carta con fotos. Al principio es incómodo; cuando ya te sabes los nombres, pides más rápido y con más precisión.

🛠️ En el workshop

Claude Code es un CLI: en vez de abrir una web, escribes claude en la terminal y conversas con el modelo directamente desde donde están tus archivos. Ideal para flujos serios.

16

Terminal

La ventana de comandos
~/proyecto — zsh
Last login: Mon 09:30
$
Qué es

La aplicación negra (o de cualquier color) donde escribes comandos. Es la ventana donde corren los CLIs. En Mac se llama Terminal o iTerm; en Windows, PowerShell o WSL.

🪞 Analogía

El tablero del coche. No es el motor ni las llantas — es donde escribes y lees lo que pasa. La terminal por sí sola no hace nada útil: es el lugar desde el cual operas todo lo demás.

🛠️ En el workshop

Para usar Claude Code, primero abres la terminal. Ahí escribes claude y empiezas la conversación. La terminal es el punto de entrada al mundo CLI.

17

Cron Job

Tarea programada
09:30 → daily sync ✓
Qué es

Una instrucción para que algo se ejecute automáticamente en un horario fijo: todos los lunes a las 9am, cada 15 minutos, el primer día del mes. No requiere que estés presente.

🪞 Analogía

La cafetera programada. La dejas lista la noche anterior; a las 7am se enciende sola y prepara el café. Tú no haces nada — solo defines el horario y la receta.

🛠️ En el workshop

Mi sistema tiene un cron job que cada mañana a las 9:30am dispara el daily sync: lee mi journal, revisa el calendario, calcula mi plan del día y me lo deja escrito antes de que abra la laptop.

Apéndice — Second Brain
18

Second Brain

Conocimiento externo
Tú
Vault
IA
Qué es

Un sistema externo donde guardas y organizas tu conocimiento (notas, ideas, referencias, proyectos) para que tu cerebro biológico no tenga que recordarlo todo. Cuando se combina con IA, el modelo puede leer tu Second Brain y trabajar contigo sobre lo que ya sabes.

🪞 Analogía

Tu archivero personal + biblioteca + agenda, todo en un solo lugar y todo buscable. La diferencia con Notion o Evernote: el Second Brain está diseñado para que TÚ y tu IA lo consulten juntos.

🛠️ En el workshop

Mi Second Brain vive en Obsidian. Cuando le pido a Claude analiza mi semana, lee notas que escribí hace meses + journal + proyectos activos. La IA no inventa: trabaja con MI material.

19

Capa Raw / Wiki / Output

Estructura mínima
Raw crudo · journal · capturas
Wiki conceptos · frameworks
Output posts · proyectos · decisiones
Qué es

La estructura mínima de un Second Brain. Raw: material crudo sin procesar (clippings, journal diario, capturas). Wiki: conocimiento procesado y enlazado (conceptos, personas, frameworks). Output: lo que produces hacia afuera (posts, proyectos entregados, decisiones).

🪞 Analogía

Una cocina. Raw es la despensa (ingredientes crudos). Wiki es el recetario y los preparados base. Output son los platos servidos al cliente. Sin las tres capas, o cocinas sin orden o sirves ingredientes crudos.

🛠️ En el workshop

En Clase 1 vimos por qué importa esta separación: si mezclas raw con output, terminas buscando información en un caos. Si las separas, tu IA sabe a qué carpeta acudir según lo que le pidas.

Esto es una pieza del Workshop 1→N

El glosario te da el vocabulario. El taller te da la práctica: 4 semanas, sistemas reales, IA aplicada a tu trabajo.

Ver el taller →

Glosario v1 · evoluciona con el cohort. Si encuentras un término que falta, dilo en clase.