Glosario de datos e IA

Conceptos de uso empresarial, con límites de interpretación y lenguaje preciso.

Agente de IA: Sistema que usa un modelo para interpretar una tarea y proponer o ejecutar pasos mediante herramientas autorizadas. La autonomía no elimina la necesidad de controles y supervisión.
Datos oscuros: Información almacenada que no se utiliza de forma sistemática para decidir. Puede ser estructurada o no estructurada; no equivale necesariamente a datos personales.
Dato no estructurado: Información sin un esquema tabular uniforme: documentos, texto, imágenes o audio. Debe extraerse y validarse antes de convertirse en indicadores.
ETL / ELT: Procesos de extracción, transformación y carga de datos. Cambian el orden de transformación y carga, pero ambos requieren controles de calidad y linaje.
RAG: Generación aumentada por recuperación: aporta documentos relevantes al modelo para responder con contexto. No elimina errores ni garantiza que una cita sustente una conclusión.
Embedding: Representación numérica de información utilizada para comparar similitud semántica. La proximidad vectorial no demuestra equivalencia factual.
Alucinación: Contenido generado que parece plausible pero no está respaldado por los datos o es incorrecto. Se mitiga con evidencia, evaluación y abstención, no solo con un prompt.
Linaje del dato: Registro del origen, transformaciones y usos de un dato. Permite explicar qué fuente sostiene un indicador y cómo se calculó.
KPI: Indicador vinculado a un objetivo. Debe definir fórmula, periodo, unidad, fuente y responsable para ser comparable.
Churn: Pérdida de clientes o ingresos durante un periodo. Churn de clientes y churn de ingresos tienen denominadores diferentes.
CLV: Valor de vida del cliente estimado a partir de ingresos, margen, permanencia y coste. Es un modelo con supuestos, no una cifra cierta del futuro.
RFM: Segmentación por recencia, frecuencia y valor monetario. Describe comportamiento observado y necesita adaptación al ciclo comercial.
ABC / XYZ: Clasificaciones por importancia económica y variabilidad de demanda. Ayudan a priorizar inventario, pero no sustituyen las restricciones operativas.
Backtesting: Evaluación de una predicción usando cortes históricos que simulan el momento real de decisión. Evita validar con información futura.
Deriva: Cambio en distribución de datos o relación con el objetivo que puede degradar un modelo. Se detecta con métricas y revisiones periódicas.
Seudonimización: Sustitución de identificadores manteniendo información adicional que puede reidentificar. Los datos siguen estando sujetos al RGPD.
Anonimización: Tratamiento que impide razonablemente identificar personas. Requiere evaluar riesgo de reidentificación; eliminar nombres no basta.
GEO: Prácticas de evaluación de presencia en respuestas de búsqueda con IA. La metodología y las herramientas deben documentarse; no garantiza citaciones.
Core Web Vitals: Métricas de experiencia web de Google: LCP, INP y CLS. Evalúan carga, interacción y estabilidad visual, no toda la calidad de un sitio.
Inferencia causal: Estimación del efecto de una intervención bajo supuestos explícitos. Una correlación o una predicción por sí solas no demuestran causalidad.

Referencias: NIST AI RMF · AEPD · Google Search Central.