#45 Glosario mínimo de IA para docentes: las 20 palabras que sí necesitas conocer

En las juntas de consejo técnico ya se cuelan palabras como «prompt», «LLM» o «deepfake», y no siempre hay tiempo de preguntar qué significan sin sentir que una llegó tarde a la conversación. No necesitas un diplomado para ponerte al día. Necesitas un vocabulario base, y para eso armamos esta lista.

Las definiciones vienen de dos glosarios hechos pensando en docentes: el glosario de IA de la NEA, el sindicato docente de Estados Unidos, publicado en junio de 2025, y el glosario para educadores de CIRCLS, escrito por las investigadoras Pati Ruiz y Judi Fusco. Aquí van las 20 palabras, reescritas en español y en corto.

1. Inteligencia artificial (IA). Para CIRCLS, es una rama de las ciencias de la computación cuyos sistemas combinan hardware, algoritmos y datos para decidir, descubrir patrones y ejecutar acciones.

2. Algoritmo. Las reglas que determinan qué hace un sistema de IA; CIRCLS los llama su «cerebro».

3. Aprendizaje automático (machine learning). La clave, según CIRCLS: el algoritmo descubre por sí solo reglas y patrones en los datos, sin que nadie se los dicte. La NEA lo describe como la rama de la IA que permite a las computadoras aprender y predecir identificando patrones.

4. Red neuronal. Familia de algoritmos de aprendizaje automático inspirada en las conexiones entre neuronas y sinapsis del cerebro humano.

5. Aprendizaje profundo (deep learning). Redes neuronales con múltiples capas ocultas, capaces de reconocer patrones más sutiles y complejos.

6. IA generativa. Según la NEA, herramientas que generan texto, imágenes, video u otro contenido a partir de patrones y estructuras de datos existentes.

7. Modelo de lenguaje grande (LLM). La base de los sistemas de IA generativa; ahí entran los GPT de OpenAI, LLaMA de Meta, Grok de xAI y Gemini de Google.

8. Transformer. El tipo de modelo de lenguaje detrás de estas herramientas: una red neuronal clasificada dentro del aprendizaje profundo. La T de ChatGPT viene de aquí.

9. Mecanismo de atención. Lo que ayuda al sistema a determinar qué partes de la entrada son importantes.

10. Procesamiento de lenguaje natural (NLP). Campo entre la lingüística y la computación que trabaja con la estructura, la gramática y el significado de las palabras.

11. Datos de entrenamiento. El material con el que se entrena un modelo, que no apareció de la nada: lo fueron dejando personas mientras hacían su trabajo o vivían su día a día. Cada vez que un modelo «sabe» algo, alguien lo escribió antes.

12. Modelo fundacional. Un modelo entrenado con una cantidad enorme de datos que sirve de base para construir otros modelos.

13. Sesgo algorítmico. La definición de la NEA es de las mejores que he visto: «injusticia sistemática y no deseada en cómo una computadora detecta patrones o automatiza decisiones» (traducción).

14. Caja negra. Así llamamos a lo que no entendemos: en muchos algoritmos de aprendizaje automático no se puede ver qué pasa adentro.

15. IA explicable (XAI). Métodos y procesos para que los humanos entiendan mejor los resultados que arroja un algoritmo. Es la respuesta a la caja negra.

16. Transparencia. Para la NEA, «la divulgación abierta de cómo funciona un sistema de IA, cómo llega a sus decisiones y con qué datos» (traducción). Pregunta útil al evaluar cualquier plataforma escolar.

17. Deepfake. Imagen, video o audio generado por IA que reemplaza de manera convincente el rostro o la voz de una persona por los de otra.

18. IA general (AGI) e IA estrecha (ANI). Ojo con esta distinción: la IA general, capaz de aprender y resolver cualquier problema que un humano pueda, todavía no existe; lo que usamos hoy es IA estrecha, que resuelve problemas acotados, como el reconocimiento facial del celular.

19. Tutor inteligente y aprendizaje adaptativo. Sistemas que dan retroalimentación instantánea y personalizada al estudiante, y materiales que ajustan dificultad, ritmo y tipo de ayuda según las respuestas previas del alumno.

20. Alfabetización en IA. Según la NEA, comprender cómo funciona la IA, desarrollar las habilidades para dominar sus herramientas y navegar críticamente sus beneficios y riesgos. O sea, exactamente lo que estás haciendo al leer esto.

Si quieres el siguiente paso

Common Sense Education ofrece un curso gratuito, AI Basics for K-12 Teachers, pensado para «cualquiera que quiera entender lo básico de la IA generativa y su impacto en la educación» (traducción), que incluye un cuaderno de reflexión para planear dónde encaja la IA en tu práctica docente.

Y me quedo con una idea de CIRCLS que resume el espíritu de todo el glosario: el protagonismo en la educación es de las personas, y ningún sistema de IA está para reemplazar a un docente.

Imprime la lista, pégala en la sala de maestros y cuéntame: ¿qué palabra le agregarías tú?