Saltar al contenido
Cursos/IA desde cero/Modelo, chat y LLM: las palabras que necesitas para orientarte
Revisión editorial · 22 jul 20263 fuentes primarias

Modelo, chat y LLM: las palabras que necesitas para orientarte

Distingue modelo, interfaz, contexto y flujo de trabajo sin perderte en jerga técnica.

Lección 2 de 12 ≈ 20 min Fundamentos Sin herramienta obligatoria

Aprende haciendo una decisión pequeña

Explica con tus palabras la diferencia entre un modelo y la aplicación con la que conversas.

Sin cuenta, cookies ni seguimiento personal
Resultado de esta misiónUn mapa mental mínimo para comparar herramientas sin confundir sus capas.
Hazlo en tres pasos 0/3 durante esta visita
Comprueba tu criterio

¿Qué afirmación describe mejor un chat de IA?

Termina la misión cuando puedas demostrarlo

0/3 pasos · falta elegir la respuesta correcta

Completa y guarda una evidencia opcional

Escribe solo información ficticia o no confidencial. El texto no sale de este navegador salvo que exportes tu progreso.

81/2000

Los pasos y respuestas usan memoria temporal. Solo la evidencia se conserva cuando pulsas el botón de guardar. Contenido CC BY 4.0 · código MIT.

Pon nombre al criterio antes de avanzar

Antes de empezar: Haber completado «Qué puede hacer la IA generativa y qué no conviene delegarle» o poder explicar su idea principal con tus propias palabras.

Al terminar podrás

  • Distinguir modelo e interfaz
  • Reconocer qué forma parte del contexto
  • Detectar cuándo una respuesta necesita búsqueda externa

Vocabulario esencial

modeloLLMinterfazcontexto

Lección superada: cuando puedes completar la misión, explicar tu decisión y conservar la evidencia sin copiar la respuesta del ejemplo.

Explicación y ejemplos

Un modelo es un sistema entrenado para reconocer y producir patrones. Un LLM es un modelo de lenguaje de gran tamaño: predice y genera texto en función de lo que ha visto durante su entrenamiento y de lo que recibe en la conversación. Una aplicación de chat es la interfaz que te permite usar uno o varios modelos.

No necesitas memorizar arquitectura interna para empezar. Sí conviene distinguir estas cuatro capas:

CapaPregunta que responde
Modelo¿Qué capacidad de razonamiento, idioma o modalidad ofrece?
Interfaz¿Cómo conversas, subes archivos o guardas un proyecto?
Contexto¿Qué instrucciones, documentos y conversación tiene delante ahora?
Flujo¿Qué hace la persona antes y después de recibir la respuesta?

Dos ideas que evitan errores

El modelo no «recuerda» tu empresa por defecto. Puede usar el documento que adjuntas o una instrucción guardada por la aplicación, pero debes comprobar qué información se conserva, durante cuánto tiempo y con qué permisos.

El modelo no consulta Internet por defecto. Algunas aplicaciones ofrecen búsqueda o conectores; otras no. Si una respuesta depende de una fecha, una ley, un precio o una fuente concreta, pide referencias y abre la fuente original.

Resumen

  • Chat y modelo no son lo mismo.
  • El contexto cambia radicalmente el resultado.
  • Una función de búsqueda no elimina la necesidad de abrir y verificar la fuente.
Revisión editorial ·
Revisión periódica Revisar cada 30 días

Alcance revisado: Diferencias conceptuales entre modelo, interfaz, contexto y herramientas.

Fuentes primarias de referencia

Este estado describe una revisión editorial. No afirma que exista código ejecutable en una lección conceptual.

Si has guardado la evidencia de esta lección, continúa con «Chat, automatización, RAG y agentes: no son sinónimos». Si no, repite la comprobación antes de avanzar.

Ver cómo encaja este cursoConsulta el mapa solo cuando lo necesites.

Mapa completo de Aulafy

Cómo se relacionan todos los cursos

No es una lista que debas completar. Empieza por la base, elige un resultado y profundiza solo cuando tu proyecto necesite más control.

  1. 1Comprender
  2. 2Aplicar o construir
  3. 3Operar con confianza
01

Empieza aquí

Crea una base común: qué puede hacer la IA, cómo pedir resultados y cómo comprobarlos antes de especializarte.

Desde esta base puedes aplicar la IA a una tarea o aprender a construir con código.

02

Elige una aplicación

Convierte la base en un resultado visible: una web, una mejora de negocio, contenido o una experiencia interactiva.

Si necesitas mantener código, datos o infraestructura, continúa por la rama técnica.

03

Construye con código

Prepara el entorno, trabaja con agentes de programación y aprende a ejecutar modelos con control sobre tus proyectos.

Esta rama prepara los conocimientos necesarios para diseñar y operar sistemas de IA fiables.

04

Lleva sistemas a producción

Combina recuperación, agentes, evaluación, seguridad, despliegue y adaptación de modelos cuando el problema lo exija.

No es obligatorio completarlo todo: elige solo la pieza que tu sistema necesita y vuelve al mapa cuando crezca.

Ver catálogo completo