Test de nivel de IA: ¿en qué punto está?

Respuesta correcta: Puede ser inventado: hay que comprobarlo en una fuente oficial.

• Incorrecta Es fiable: el asistente ha comprobado sus fuentes antes de responder. No: un asistente produce el texto más verosímil. Incluso cuando busca en la web, puede leer o copiar mal una fuente.
• Correcta Puede ser inventado: hay que comprobarlo en una fuente oficial. Correcto. Un asistente puede generar información falsa pero muy convincente, con un número o una referencia que no existe: es lo que se llama una alucinación. Para algo importante, se comprueba en la fuente.
• Incorrecta Es falso con seguridad: una IA no sabe nada de derecho. No: la respuesta suele ser correcta. El problema es que no se puede saber si lo es sin comprobarlo.
• Incorrecta Es fiable si la respuesta es larga y detallada. No: el detalle y el tono seguro no demuestran nada. Una alucinación puede ser muy precisa.

Ficha del glosario: Alucinación

Respuesta correcta: La petición o instrucción que usted escribe a la IA.

• Correcta La petición o instrucción que usted escribe a la IA. Correcto. El prompt es su mensaje: una pregunta o una instrucción, quizá con contexto y ejemplos. Cuanto más claro, mejor es la respuesta.
• Incorrecta La respuesta que redacta la IA. No: la respuesta es lo que la IA produce a partir del prompt, no el prompt en sí.
• Incorrecta La versión de pago de un asistente. No: el prompt no tiene nada que ver con la suscripción. Se escriben prompts tanto en las versiones gratuitas como en las de pago.
• Incorrecta Un programa que se instala en el ordenador. No: un prompt es un simple texto que se escribe directamente en el cuadro de texto del asistente.

Ficha del glosario: Prompt (instrucción)

Respuesta correcta: Porque sus conocimientos se detienen en una fecha: el final de sus datos de entrenamiento.

• Incorrecta Porque los asistentes se niegan a hablar de deporte. No: nada impide a un asistente hablar de deporte. El problema está en lo que ha podido aprender.
• Incorrecta Porque lo olvida todo al final de cada conversación. No: la memoria de una conversación a otra es otro tema. Aunque tuviera buena memoria, no puede conocer un hecho que nunca ha visto.
• Correcta Porque sus conocimientos se detienen en una fecha: el final de sus datos de entrenamiento. Correcto. Un modelo aprende con textos reunidos hasta una fecha determinada, llamada fecha de corte de conocimiento. Sin acceso a la web, ignora lo que pasó después y puede inventarse una respuesta.

Ficha del glosario: Fecha de corte de conocimiento

Respuesta correcta: La contraseña de su banco o el número de su tarjeta.

• Incorrecta Una receta de cocina que quiere adaptar para cuatro personas. Ningún riesgo: una receta no contiene nada personal.
• Incorrecta Una duda de gramática u ortografía. Ningún riesgo: la pregunta no revela nada sobre usted.
• Correcta La contraseña de su banco o el número de su tarjeta. Correcto. Según el servicio y sus ajustes, las conversaciones pueden conservarse, revisarse o servir para mejorar los modelos. Ningún asistente necesita sus contraseñas ni sus números de tarjeta: no los dé nunca.
• Incorrecta El texto de un artículo público que quiere resumir. Poco riesgo: el texto ya es público. Solo evite añadirle información personal.

Ficha del glosario: RGPD e IA

Respuesta correcta: El agente puede actuar para lograr un objetivo: navegar, rellenar un formulario, usar herramientas, paso a paso.

• Incorrecta El agente siempre es más inteligente. No: un agente puede funcionar con el mismo modelo que un chatbot. Lo que cambia es lo que se le permite hacer.
• Incorrecta El agente funciona sin conexión a internet. No: la mayoría de los agentes, al contrario, necesitan internet para actuar en sitios web y servicios.
• Incorrecta El agente es una persona real que responde en su lugar. No: un agente de IA es un programa, no un operador humano.
• Correcta El agente puede actuar para lograr un objetivo: navegar, rellenar un formulario, usar herramientas, paso a paso. Correcto. Un chatbot responde con texto; un agente encadena acciones para completar una tarea. Es más práctico, pero un error también tiene más consecuencias: por eso conviene reservarse la validación de las acciones sensibles.

Ficha del glosario: Agente de IA

Respuesta correcta: Un fragmento de texto (palabra, parte de palabra, signo de puntuación) que el modelo procesa.

• Incorrecta Una contraseña que protege su cuenta. No: en IA la palabra significa otra cosa. No lo confunda con los tokens de autenticación que se usan en informática.
• Incorrecta Una frase completa. No: una frase suele equivaler a varios tokens.
• Correcta Un fragmento de texto (palabra, parte de palabra, signo de puntuación) que el modelo procesa. Correcto. El modelo divide el texto en tokens antes de leerlo y escribe su respuesta token a token. La longitud de las conversaciones y la facturación de las API se cuentan en tokens.
• Incorrecta Una criptomoneda para pagar el asistente. No: aunque la palabra sea la misma, no tiene nada que ver con los tokens de las criptomonedas.

Ficha del glosario: Token

Respuesta correcta: La conversación se acerca o supera su ventana de contexto: la cantidad de texto que puede tener en cuenta a la vez.

• Incorrecta Se cansa a partir de cierto número de mensajes. No: un modelo no se cansa. Trata cada respuesta de la misma manera.
• Incorrecta Su temperatura está demasiado alta. No: la temperatura influye en la variedad de las respuestas, no en la cantidad de texto que el modelo puede tener en cuenta.
• Incorrecta El servicio ha borrado sus primeros mensajes para liberar espacio en sus servidores. No: sus mensajes siguen ahí. Lo que está limitado es lo que el modelo puede leer de una vez.
• Correcta La conversación se acerca o supera su ventana de contexto: la cantidad de texto que puede tener en cuenta a la vez. Correcto. Más allá de ese límite, las partes más antiguas pueden cortarse o resumirse, e incluso antes, las instrucciones perdidas en un intercambio largo a veces se siguen peor. Solución: recordar las instrucciones o empezar una conversación nueva con un resumen.

Ficha del glosario: Ventana de contexto

Respuesta correcta: El grado de azar en la elección de las palabras: baja da respuestas más previsibles; alta, respuestas más variadas.

• Correcta El grado de azar en la elección de las palabras: baja da respuestas más previsibles; alta, respuestas más variadas. Correcto. Una temperatura baja conviene para extraer datos o escribir código; una más alta, para lluvias de ideas o escritura creativa. Se ajusta sobre todo mediante las API y algunas herramientas avanzadas.
• Incorrecta La velocidad a la que responde el modelo. No: la velocidad depende del modelo, de la longitud de la respuesta y de la carga de los servidores, no de la temperatura.
• Incorrecta La exactitud de los datos: cuanto más alta, más fiable es el modelo. No: más bien al contrario. Una temperatura alta aumenta la variedad, lo que puede aumentar los errores.
• Incorrecta El calor de los servidores donde funciona el modelo. No: pese a su nombre, este ajuste no tiene nada de físico. Es un parámetro matemático de la elección de palabras.

Ficha del glosario: Temperatura

Respuesta correcta: Que sus pesos, los parámetros aprendidos durante el entrenamiento, se pueden descargar y usar en sus propias máquinas, según una licencia.

• Incorrecta Que es totalmente de código abierto, incluidos los datos y el código de entrenamiento. No: la mayoría de los modelos de pesos abiertos no publican sus datos de entrenamiento. «Pesos abiertos» no significa «totalmente de código abierto».
• Incorrecta Que se puede usar para cualquier fin, sin ninguna condición. No: cada modelo tiene su licencia, y algunas imponen condiciones (uso comercial, atribución, restricciones de uso). Hay que leerla.
• Correcta Que sus pesos, los parámetros aprendidos durante el entrenamiento, se pueden descargar y usar en sus propias máquinas, según una licencia. Correcto. Así se puede ejecutar el modelo en casa o en servidores propios, adaptarlo y mantener los datos en la organización, respetando la licencia.
• Incorrecta Que es un modelo ligero, pensado para ordenadores pequeños. No: «pesos» designa los parámetros del modelo, no su tamaño. Hay modelos de pesos abiertos de todos los tamaños, algunos muy pesados.

Ficha del glosario: Modelo de pesos abiertos

Respuesta correcta: Nada seguro: la puntuación mide un conjunto de pruebas concreto, a veces inflada si las preguntas acabaron en los datos de entrenamiento.

• Incorrecta Que será el mejor en todo lo que le pida. No: un benchmark solo cubre un tipo de ejercicios. Un modelo puede destacar en matemáticas y ser peor redactando en su idioma.
• Correcta Nada seguro: la puntuación mide un conjunto de pruebas concreto, a veces inflada si las preguntas acabaron en los datos de entrenamiento. Correcto. Un benchmark es una pista útil para comparar, no una garantía. También puede estar sesgado por la contaminación (el modelo ya ha visto las preguntas). La mejor prueba sigue siendo probarlo con sus propios casos.
• Incorrecta Que ya no comete errores factuales. No: ninguna puntuación garantiza que no haya errores. Incluso los mejores modelos alucinan a veces.
• Incorrecta Que lo ha certificado una autoridad independiente. No: un benchmark es un conjunto de pruebas, no una certificación. Las puntuaciones suelen publicarlas los propios creadores del modelo.

Ficha del glosario: Benchmark

Respuesta correcta: Buscar los fragmentos útiles en una base de documentos y dárselos al modelo junto con la pregunta, para que responda apoyándose en ellos.

• Incorrecta Reentrenar el modelo con sus documentos para que los aprenda. No: eso es el fine-tuning (ajuste fino). La RAG no modifica el modelo.
• Incorrecta Una técnica que elimina por completo las alucinaciones. No: la RAG las reduce, pero el modelo aún puede leer mal un fragmento o recibir uno que no viene al caso. Siempre hay que comprobar las fuentes citadas.
• Incorrecta Un formato de compresión que reduce el tamaño de un modelo. No: reducir el tamaño de un modelo depende de otras técnicas, como la cuantización.
• Correcta Buscar los fragmentos útiles en una base de documentos y dárselos al modelo junto con la pregunta, para que responda apoyándose en ellos. Correcto. El modelo sigue siendo el mismo; en el momento de la pregunta recibe los extractos pertinentes (a menudo encontrados gracias a los embeddings). Así puede responder sobre documentos recientes o internos y citar sus fuentes.

Ficha del glosario: RAG (generación aumentada por recuperación)

Respuesta correcta: Conectar el asistente a una base documental actualizada que consulta en cada pregunta (RAG).

• Correcta Conectar el asistente a una base documental actualizada que consulta en cada pregunta (RAG). Correcto. Basta con actualizar los documentos para que las respuestas cambien, y el asistente puede indicar de dónde sale la información.
• Incorrecta Hacer un fine-tuning (ajuste fino) del modelo cada mes con los nuevos procedimientos. No: el fine-tuning sirve sobre todo para ajustar un estilo, un formato o un comportamiento. Es más lento y costoso de repetir, y no garantiza que el modelo reproduzca fielmente datos concretos que cambian.
• Incorrecta Subir la temperatura para que el asistente sea más creativo. No: una temperatura más alta daría respuestas más variadas y, por tanto, menos fieles a los procedimientos.
• Incorrecta Elegir el modelo mejor clasificado en los benchmarks. No: ningún modelo, por bien clasificado que esté, conoce los documentos internos de una empresa.

Ficha del glosario: Ajuste fino (fine-tuning)

Respuesta correcta: Una lista de números (un vector) que representa el significado de un texto: dos textos de significado parecido tienen vectores cercanos.

• Incorrecta La integración de un vídeo o un widget en una página web. No: ese es el sentido de «embed» en desarrollo web, pero en IA el término significa otra cosa.
• Incorrecta Un método de cifrado que protege los datos enviados al modelo. No: un embedding no cifra nada. No protege los datos y no debe considerarse una forma de anonimización.
• Correcta Una lista de números (un vector) que representa el significado de un texto: dos textos de significado parecido tienen vectores cercanos. Correcto. Es lo que permite buscar por significado y no por palabras clave: se encuentra un fragmento que habla de «días libres» al buscar «vacaciones». Es la base de muchos sistemas de RAG.
• Incorrecta Un resumen del texto redactado por la IA. No: un embedding no es legible por una persona. Es una serie de números, no una frase.

Ficha del glosario: Embedding (vector semántico)

Respuesta correcta: Es un estándar abierto para conectar las aplicaciones de IA con herramientas y fuentes de datos (archivos, programas, bases de datos) de forma común.

• Incorrecta Es un modelo de lenguaje especializado en código. No: el MCP no es un modelo. Es una forma estándar de conectar herramientas a las aplicaciones de IA.
• Correcta Es un estándar abierto para conectar las aplicaciones de IA con herramientas y fuentes de datos (archivos, programas, bases de datos) de forma común. Correcto. Publicado por Anthropic a finales de 2024 como estándar abierto, permite escribir un conector (un «servidor MCP») una sola vez y usarlo en todas las aplicaciones compatibles. Ojo: cada conector da accesos, así que conviene elegirlos con cuidado.
• Incorrecta Es un reglamento europeo que regula la IA. No: la norma europea que regula la IA es el Reglamento de IA (AI Act). El MCP es un protocolo técnico.
• Incorrecta Es un benchmark que mide la memoria de los modelos. No: el MCP no mide nada. Define cómo dialoga una aplicación de IA con las herramientas.

Ficha del glosario: Model Context Protocol (MCP)

Respuesta correcta: El modelo redacta una petición estructurada (nombre de la herramienta y parámetros); la aplicación la ejecuta y le devuelve el resultado, que él usa para continuar.

• Incorrecta El modelo ejecuta él mismo código en internet. No: el modelo solo produce texto. Es el programa que lo rodea el que ejecuta (o no) la acción.
• Incorrecta Una persona toma el relevo para hacer la acción. No: la llamada a herramientas es automática. Se puede añadir una validación humana, pero eso no es lo que define el mecanismo.
• Incorrecta El modelo descarga una nueva versión de sí mismo para adquirir la habilidad. No: el modelo no cambia. Las herramientas disponibles se le describen en la petición.
• Correcta El modelo redacta una petición estructurada (nombre de la herramienta y parámetros); la aplicación la ejecuta y le devuelve el resultado, que él usa para continuar. Correcto. Es la aplicación la que decide ejecutar la acción: ahí es donde se ponen los controles (permisos, confirmación, límites). Es el mecanismo básico de los agentes.

Ficha del glosario: Llamada a herramientas (function calling)