(function(){
const CATS = [
{id:”fundamentos”, label:”Fundamentos del modelo”},
{id:”direccion”, label:”Cómo dirigir a la IA”},
{id:”rag”, label:”RAG y memoria externa”},
{id:”agentes”, label:”Agentes de IA”},
{id:”conectividad”, label:”Conectividad”},
{id:”n8n”, label:”Automatización no-code / low-code”},
{id:”claudecode”, label:”Agentes de código en terminal”},
{id:”infra”, label:”Infraestructura y seguridad”},
{id:”comparativas”, label:”Comparativas de modelos”}
];
const TERMS = [
{t:”LLM”, en:”Large Language Model”, cat:”fundamentos”,
def:`Un modelo entrenado con enormes cantidades de texto que predice, palabra por palabra, cuál es la siguiente más probable en una frase.`,
analogy:`Es el autocompletado de tu teléfono, pero con esteroides: no busca la respuesta en ninguna base de datos, predice qué palabra debería venir después según patrones que vio en libros, artículos, código y conversaciones de todo internet. No “sabe” nada de verdad — por eso puede inventar datos con la misma seguridad con la que afirmaría un hecho real.`,
use:`Explica por qué ChatGPT, Claude y Gemini suenan tan seguros de sí mismos incluso cuando se equivocan: no están pensando, están prediciendo.`},
{t:”Token”, en:”Token”, cat:”fundamentos”,
def:`El fragmento de una palabra en que la IA divide tu texto — la unidad con la que mide (y cobra) todo lo que procesa.`,
analogy:`Son como las fichas de un arcade: comprás un balde, cada acción gasta algunas, y cuando se acaba comprás más. Un token equivale aproximadamente a tres cuartos de una palabra.`,
use:`Explica por qué una frase corta casi no cuesta nada, pero pedirle a la IA un informe de diez páginas —o pasarle un documento enorme para leer— sí tiene un costo real.`},
{t:”Embeddings”, en:”vectores de significado”, cat:”fundamentos”,
def:`La forma de convertir texto en números (un vector) que representan su significado, no sus palabras exactas.`,
analogy:`Son coordenadas GPS del significado: “perro” y “cachorro” caen casi en la misma dirección; “perro” y “heladera” quedan a kilómetros. “Clima en Nueva York” y “pronóstico de temperatura para NYC” terminan en el mismo barrio aunque no compartan ni una palabra.`,
use:`Es lo que hace posible la búsqueda por significado, el RAG y los motores de recomendación: el sistema busca “vecinos” en ese mapa en vez de coincidencias de texto literal.`},
{t:”Ventana de contexto y memoria de la IA”, en:”context window”, cat:”fundamentos”,
def:`La cantidad de conversación que la IA puede tener “en la cabeza” a la vez — y por defecto, no recuerda nada entre una charla y la siguiente.`,
analogy:`Es un pizarrón con bordes: cada mensaje se escribe ahí, y cuando se llena, lo más viejo se borra para hacer lugar a lo nuevo. Existen tres tipos reales de memoria: la corta (el historial que se reinyecta en cada mensaje), la larga (notas guardadas afuera del modelo, en una base de datos, que se recuperan cuando son relevantes) y la paramétrica (lo que quedó fijo en el entrenamiento, que no se actualiza solo).`,
use:`Explica por qué las conversaciones largas “se rompen” y la IA olvida instrucciones anteriores — y por qué sin memoria externa bien diseñada, un asistente de IA es un juguete, no un empleado.`},
{t:”Temperatura”, en:”temperature”, cat:”fundamentos”,
def:`El parámetro que controla cuán predecible o creativa es la respuesta de la IA.`,
analogy:`Es un dial de creatividad: en 0, la IA sigue la receta al pie de la letra, siempre el mismo plato. En 1, improvisa, agrega una especia nueva, y a veces sale genial y a veces un desastre. El punto dulce por defecto en la mayoría de las herramientas es 0.7.`,
use:`Bajala a 0 cuando necesitás consistencia (mismo formato siempre); subila cuando querés variedad y creatividad.`},
{t:”Top-K”, en:”Top-K”, cat:”fundamentos”,
def:`Un parámetro que limita la cantidad exacta de palabras candidatas entre las que la IA puede elegir la siguiente.`,
analogy:`Cada vez que la IA elige la próxima palabra, mira un menú de opciones con probabilidades. Top-P suma probabilidades hasta cierto punto y descarta el resto. Top-K deja pasar exactamente una cantidad fija de opciones, sin importar cuánto sumen.`,
use:`Se usa junto con la temperatura para afinar cuán predecible o variada es la respuesta de un modelo.`},
{t:”Alucinación de la IA”, en:”hallucination”, cat:”fundamentos”,
def:`Cuando la IA inventa información con total confianza — no es un error raro, es cómo funciona por diseño.`,
analogy:`La IA nunca dice “no sé”, nunca rompe el personaje, siempre suena segura, porque su trabajo es predecir qué palabra sigue, no consultar un archivo de hechos. Si le pedís que resuma algo que no existe, va a inventar autores, título y hasta una fuente que “suena” real.`,
use:`Para reducirla: decile en el system prompt que “no sé” es una respuesta válida, dale una fuente real para verificar (grounding), y pedile que marque su nivel de confianza.`,
link:{url:”https://www.smartservices.com.ar/inteligencia-artificial-para-ventas/”, label:”IA para ventas”}},
{t:”Grounding”, en:”fundamentación”, cat:”fundamentos”,
def:`Darle a la IA una fuente real contra la cual verificar su respuesta, en vez de que conteste solo de memoria.`,
analogy:`Es la diferencia entre un estudiante que escribe de memoria (fluido, confiado, a veces incorrecto) y uno que escribe con el material de referencia abierto, donde cada afirmación se puede chequear.`,
use:`Si estás verificando todo lo que dice tu IA a mano, el problema no es que necesites un modelo mejor — es que le falta grounding.`},
{t:”AGI”, en:”Inteligencia Artificial General”, cat:”fundamentos”,
def:`Una IA capaz de razonar, aprender y adaptarse en cualquier tarea, al nivel de un humano — la meta final (todavía no alcanzada) de toda la industria.`,
analogy:`Los anuncios de “ya llegamos a la AGI” suelen convenirle al relato de quien los hace más que reflejar la realidad técnica.`,
use:`Sirve para no dejarse llevar por titulares: lo real hoy son agentes que escriben código y automatizan flujos de trabajo — eso ya es enorme. Lo que no existe todavía es una IA que razone como humano en cualquier contexto.`},
{t:”Multimodal”, en:”multimodal”, cat:”fundamentos”,
def:`Que una IA puede recibir y procesar más de un tipo de información — texto, imagen, audio, video — no solo texto.`,
analogy:`Son los sentidos del modelo: leer, mirar, escuchar, ver. Un modelo multimodal mira una foto y te dice qué hay, o escucha un audio y te dice qué se dijo.`,
use:`Cuando una empresa dice que su modelo “es multimodal”, significa que puede ver, leer y escuchar en la misma conversación.`},
{t:”Taste (criterio)”, en:”taste”, cat:”fundamentos”,
def:`La capacidad entrenada de distinguir qué vale la pena hacer y cuándo un trabajo está listo — lo único que la IA no nivela entre todos los que la usan.`,
analogy:`El modelo empuja cada resultado hacia el promedio estadístico; el criterio es lo que lo empuja de vuelta hacia afuera de ese promedio.`,
use:`Explica por qué dos personas con el mismo modelo producen resultados completamente distintos: cualquiera puede generar, casi nadie puede curar.`},
{t:”System Prompt”, en:”prompt de sistema”, cat:”direccion”,
def:`El conjunto de instrucciones que le das a la IA una sola vez, y que da forma a todas sus respuestas de ahí en adelante.`,
analogy:`Es la descripción de puesto que le das a alguien el primer día de trabajo: reglas fijas que siguen aplicando sin que se las repitas en cada mensaje.`,
use:`Si usás la IA sin escribir tu propio system prompt, le estás dejando a ella decidir qué trabajo tiene — por eso todo suena genérico.`},
{t:”Few-Shot Learning”, en:”aprendizaje de pocos ejemplos”, cat:”direccion”,
def:`Enseñarle a la IA lo que querés mostrándole ejemplos del resultado terminado, en vez de describírselo con párrafos de instrucciones.`,
analogy:`Podés escribir un manual de cinco páginas sobre tu tono de escritura, o pasarle tres ejemplos ya hechos y decir “así”. Cero ejemplos es zero-shot; uno es one-shot; tres o más es few-shot.`,
use:`Si tus resultados quedan “cerca pero nunca exactos”, probablemente estás explicando cuando deberías estar mostrando.`},
{t:”Fine-tuning”, en:”ajuste fino”, cat:”direccion”,
def:`Entrenar más a un modelo ya entrenado con ejemplos específicos de tu caso de uso, para que haga algo puntual de forma confiable.`,
analogy:`Es enseñarle trucos nuevos a un modelo que ya sabe lo básico: le mostrás el caso nuevo, lo corregís cuando falla, y después de suficientes rondas lo hace solo.`,
use:`Cuando “esto no funciona bien para nuestro caso” es el problema, el fine-tuning suele ser la respuesta.`},
{t:”Function Calling”, en:”llamado de funciones”, cat:”direccion”,
def:`Lo que le permite a la IA no solo hablar de hacer algo, sino ejecutarlo realmente usando herramientas conectadas.`,
analogy:`Es la diferencia entre que te den el teléfono del restaurante para que llames vos, y que directamente llamen, chequeen disponibilidad y te reserven la mesa.`,
use:`Es lo que convirtió a la IA de “chatbot que sugiere” en algo que efectivamente reserva, busca, envía y verifica cosas reales.`},
{t:”Prompt Chaining”, en:”encadenamiento de prompts”, cat:”direccion”,
def:`Dividir una tarea grande en varios prompts pequeños y encadenados, donde la salida de uno alimenta al siguiente.`,
analogy:`Es una línea de ensamblaje: en vez de pedirle a una sola estación que arme un producto entero, cada estación hace un paso y lo hace bien.`,
use:`Si tus resultados de IA salen inconsistentes, probablemente le estás pidiendo demasiado en un solo prompt — encadenar pasos simples da resultados de calidad más pareja.`},
{t:”AI Pipeline”, en:”pipeline de IA”, cat:”direccion”,
def:`Una secuencia de pasos donde la salida de uno alimenta al siguiente, hasta producir un resultado final — sin que operes cada estación a mano.`,
analogy:`Es una cocina en pleno servicio: cada estación hace su parte y le pasa el plato a la siguiente. Si ya copiás y pegás resultados entre dos herramientas, ya estás corriendo un pipeline manual.`,
use:`Un pipeline automatizado conecta esos mismos pasos para que corran solos, sin que vos muevas cada pieza a mano.`},
{t:”AI Guardrails”, en:”barreras de seguridad”, cat:”direccion”,
def:`Las reglas que evitan que una IA, siendo poderosa, se vaya a un lugar donde nunca debería ir.`,
analogy:`No controlan exactamente qué hace el modelo, solo evitan que llegue a donde nunca debería — reglas como “si no estás seguro, decilo”.`,
use:`Explica por qué el mismo modelo puede ser seguro en un producto y peligroso en otro: no es el modelo, es si alguien puso los límites o no.`,
link:{url:”https://www.smartservices.com.ar/ciberseguridad/”, label:”Consultoría de Ciberseguridad”}},
{t:”RAG”, en:”Retrieval Augmented Generation”, cat:”rag”,
def:`La técnica que hace que la IA busque información real en tus propios documentos antes de responder, en vez de contestar solo de memoria.`,
analogy:`Es un examen a libro abierto en vez de uno de memoria: los documentos se cortan en fragmentos, se convierten en una huella numérica de significado (embedding) y se guardan en una base de datos vectorial. Cuando alguien pregunta algo, el sistema busca los fragmentos más parecidos y se los pasa a la IA junto con la pregunta.`,
use:`Así se construyen los sistemas de soporte serios y las bases de conocimiento internas. Si los documentos se cortan mal, el sistema alucina con total confianza.`,
link:{url:”https://www.smartservices.com.ar/empresa-de-inteligencia-artificial-en-argentina/”, label:”Empresa de IA en Argentina”}},
{t:”RAG Agéntico”, en:”agentic RAG”, cat:”rag”,
def:`Una evolución del RAG donde la IA no solo trae información, sino que decide qué fuentes consultar, ejecuta herramientas y ordena los pasos por sí misma.`,
analogy:`El RAG normal busca un fragmento y responde. El RAG agéntico, ante una intención como “organizá esto para la semana que viene”, revisa calendarios, cruza datos y ejecuta las acciones necesarias sin que le des una lista de pasos.`,
use:`RAG responde; RAG agéntico ejecuta. Se usa cuando la tarea necesita varios pasos encadenados y verificación, no una sola búsqueda.`,
link:{url:”https://www.smartservices.com.ar/empresa-de-inteligencia-artificial-en-argentina/”, label:”Empresa de IA en Argentina”}},
{t:”Base de datos vectorial”, en:”vector DB”, cat:”rag”,
def:`Una base de datos que busca por significado en vez de por palabras exactas, guardando la información como vectores numéricos.`,
analogy:`La búsqueda por palabra clave solo encuentra la palabra exacta que escribiste. La búsqueda vectorial es “por vibra”: entiende el concepto detrás de la pregunta, no solo el texto literal.`,
use:`Todo sistema de IA que necesita buscar en tu propia información corre sobre una base vectorial.`,
link:{url:”https://www.smartservices.com.ar/consultoria-analisis-datos/”, label:”Big Data y Analítica”}},
{t:”Reranker”, en:”reranker”, cat:”rag”,
def:`Un modelo que reordena los resultados que trajo una búsqueda vectorial, priorizando los que realmente responden a la intención de la pregunta.`,
analogy:`La búsqueda vectorial detecta similitud, pero no siempre entiende bien el contexto; el reranker vuelve a filtrar para que el resultado correcto quede primero.`,
use:`Además ahorra recursos: en vez de mandarle veinte documentos a medias al modelo, le mandás los tres mejores.`},
{t:”Grafo de conocimiento”, en:”knowledge graph”, cat:”rag”,
def:`Una forma de almacenar no solo datos sueltos, sino las relaciones entre ellos — cómo se conecta una cosa con otra y por qué.`,
analogy:`Es la diferencia entre “estas palabras se parecen” y “estas cosas están realmente conectadas”: una dirección sola es un punto, pero las calles y los atajos son el grafo.`,
use:`Permite explicar causa y efecto, no solo coincidencias — por ejemplo, conectar un síntoma con un diagnóstico y su origen.`,
link:{url:”https://www.smartservices.com.ar/consultoria-analisis-datos/”, label:”Big Data y Analítica”}},
{t:”Segundo cerebro / base de conocimiento personal”, en:”second brain”, cat:”rag”,
def:`Un sistema donde volcás todo lo que sabés en una carpeta, y una IA lo organiza, resume y conecta automáticamente para responderte con tu propio conocimiento.`,
analogy:`Una carpeta con dos partes: una donde tirás todo sin ordenar, y otra donde la IA construye resúmenes y conexiones a partir de eso, siguiendo reglas fijas que vos definiste una sola vez.`,
use:`Para preguntarte a vos mismo cosas como “¿qué sigo olvidando?” y que la respuesta salga de tu propio historial.`},
{t:”Agente de IA”, en:”AI agent”, cat:”agentes”,
def:`Un sistema al que le das un objetivo y acceso a herramientas, y decide por sí mismo los pasos para cumplirlo, sin que lo supervises en cada acción.`,
analogy:`Es la diferencia entre un asesor y un empleado: el asesor responde preguntas, el empleado resuelve los pasos solo, incluso ante imprevistos.`,
use:`Agenda reuniones, escribe emails, investiga, actualiza sistemas — encadena tareas sin que intervengas en cada paso.`,
link:{url:”https://www.smartservices.com.ar/agentes-ia-para-empresas/”, label:”Agentes de IA para empresas”}},
{t:”Chatbot vs. Agente de IA”, en:”chatbot vs agent”, cat:”agentes”,
def:`Un chatbot es reactivo (preguntás, responde, se termina); un agente tiene herramientas, corre en bucle y trabaja hacia un objetivo hasta terminarlo.`,
analogy:`Si tu IA solo charla y tira ideas pero no hace nada por su cuenta, no tenés un agente, tenés un buscador con personalidad.`,
use:`La diferencia entre uno y otro no es inteligencia, es autonomía.`,
link:{url:”https://www.smartservices.com.ar/chatbots-para-empresas/”, label:”Chatbots para empresas”}},
{t:”Automatización vs. Agentes de IA”, en:”automation vs AI agents”, cat:”agentes”,
def:`La automatización sigue instrucciones fijas, siempre igual; un agente lee la situación y decide qué hacer, incluso ante lo inesperado.`,
analogy:`La IA es el cerebro (entiende y decide), la automatización es el cuerpo (mueve datos, ejecuta): un cerebro sin cuerpo es un chatbot, un cuerpo sin cerebro es una tarea repetitiva sin criterio.`,
use:`Automatización para lo que nunca cambia; agentes para lo que necesita criterio. No compiten: se complementan.`,
link:{url:”https://www.smartservices.com.ar/agentes-ia-para-empresas/”, label:”Agentes de IA para empresas”}},
{t:”Agente de IA vs. Empleado de IA”, en:”AI agent vs AI employee”, cat:”agentes”,
def:`Un agente hace una tarea y “se olvida” de todo; un empleado de IA ya tiene tu contexto guardado porque fue entrenado una vez.`,
analogy:`El salto se logra con tres cosas: memoria (deja de re-explicar todo), un carril fijo (una sola responsabilidad) y horario con barreras de seguridad (corre solo, solo escala lo que realmente importa).`,
use:`Es el criterio para diseñar un sistema de IA que reemplace trabajo recurrente de verdad, en vez de ser una demo impresionante por un día.`,
link:{url:”https://www.smartservices.com.ar/agentes-ia-para-empresas/”, label:”Agentes de IA para empresas”}},
{t:”IA Agéntica”, en:”agentic AI”, cat:”agentes”,
def:`Cuando la IA deja de esperar instrucciones paso a paso y actúa sola: le das un objetivo, no una lista de pasos, y ella decide cómo llegar.`,
analogy:`Le decís el resultado que querés y ella arranca sola — analiza, escribe, ejecuta — usando herramientas y memoria por debajo.`,
use:`A veces varios modelos trabajan juntos como un pequeño equipo para completar la tarea.`,
link:{url:”https://www.smartservices.com.ar/agentes-ia-para-empresas/”, label:”Agentes de IA para empresas”}},
{t:”Multi-agente”, en:”multi-agent”, cat:”agentes”,
def:`Un sistema donde varios agentes de IA, cada uno con un rol distinto, se pasan tareas entre sí para completar un trabajo complejo.`,
analogy:`Un agente investiga, otro escribe, otro revisa el trabajo — como un equipo con roles definidos.`,
use:`Más potente que un solo agente para tareas complejas, aunque también más difícil de predecir.`,
link:{url:”https://www.smartservices.com.ar/agentes-ia-para-empresas/”, label:”Agentes de IA para empresas”}},
{t:”Subagentes”, en:”sub-agents”, cat:”agentes”,
def:`Versiones especializadas de un agente principal que se activan bajo demanda para una tarea puntual, corren en paralelo y terminan apenas cumplen su función.`,
analogy:`En vez de un solo agente sobrecargado con doce tareas, cada subagente atiende una parte con su propio contexto, sin arrastrar todo lo demás.`,
use:`Ideal para tareas grandes y repetitivas — repartir un volumen de trabajo entre varios subagentes que trabajan en paralelo y devuelven resultados para armar un solo reporte.`,
link:{url:”https://www.smartservices.com.ar/agentes-ia-para-empresas/”, label:”Agentes de IA para empresas”}},
{t:”Human in the Loop”, en:”humano en el circuito”, cat:”agentes”,
def:`Un diseño donde la IA hace la mayor parte del trabajo sola, pero pausa y pide aprobación humana antes de acciones de alto riesgo.`,
analogy:`Tareas rutinarias corren solas; decisiones sensibles se enrutan a una persona antes de ejecutarse. En la práctica: la IA redacta y se autoevalúa con un puntaje de confianza, y solo lo dudoso llega a un humano para aprobar o editar.`,
use:`Las consultas rutinarias se automatizan del todo; los casos con implicancias mayores se enrutan a una persona antes de que salga cualquier respuesta.`,
link:{url:”https://www.smartservices.com.ar/inteligencia-artificial-atencion-al-cliente/”, label:”IA para atención al cliente”}},
{t:”Skill (habilidad de un agente)”, en:”skill”, cat:”agentes”,
def:`Un archivo de instrucciones escrito una sola vez — “así se hace exactamente este trabajo” — que el agente lee y sigue cada vez que se lo pedís.`,
analogy:`Es entrenar en una tarea puntual una sola vez, y después solo pedir “hacé la tarea de siempre”.`,
use:`Hacés algo una vez hasta que quede bien, lo convertís en una skill, y de ahí en adelante ese trabajo sale con un solo pedido.`,
link:{url:”https://www.smartservices.com.ar/agentes-ia-para-empresas/”, label:”Agentes de IA para empresas”}},
{t:”Prompting vs. entrenar a la IA”, en:”prompting vs training”, cat:”agentes”,
def:`”Promptear” es preguntarle algo a la IA y cerrar la conversación; “entrenar” es tomar una tarea recurrente, mostrarle cómo se hace, darle las herramientas y un horario para que la haga sola.`,
analogy:`Promptear es usar la IA como un buscador con personalidad. Entrenarla es tratarla como a alguien que aprende una vez y después lo hace sola.`,
use:`El objetivo es dejar de repetir el mismo pedido todos los días y construir un sistema que trabaja sin supervisión constante.`,
link:{url:”https://www.smartservices.com.ar/agentes-ia-para-empresas/”, label:”Agentes de IA para empresas”}},
{t:”API”, en:”Application Programming Interface”, cat:”conectividad”,
def:`El mensajero que conecta dos aplicaciones para que se hablen entre sí.`,
analogy:`Sos el cliente en un restaurante: no entrás a cocinar tu propia comida, le pedís al mozo lo que querés. El mozo lleva el pedido y te trae el resultado.`,
use:`Cuando la IA revisa un sistema o un flujo publica en otra plataforma, hay una API transportando esa solicitud.`},
{t:”API Key”, en:”clave API”, cat:”conectividad”,
def:`Un identificador único que prueba que tenés permiso para usar un servicio, controla qué podés hacer, y registra cuánto usás.`,
analogy:`Es una tarjeta de acceso a un edificio: prueba que podés entrar y registra por dónde pasaste. Si alguien te la roba, usa el servicio y vos pagás la cuenta.`,
use:`Autentica cada solicitud que hacés a un servicio de IA. Nunca la compartas ni la subas a un repositorio público.`},
{t:”JSON”, en:”JSON”, cat:”conectividad”,
def:`Un formato de texto para intercambiar datos entre programas, organizado en pares de clave y valor.`,
analogy:`Es un archivador con cajones etiquetados: cada cajón tiene una etiqueta y adentro el valor real. Etiqueta a la izquierda, valor a la derecha, entre llaves.`,
use:`Todas las integraciones y automatizaciones mueven datos en este formato — no hace falta escribirlo a mano, solo reconocer el patrón.`},
{t:”Objeto (JSON)”, en:”object”, cat:”conectividad”,
def:`Un contenedor de información entre llaves, formado por pares de clave y valor separados por comas.`,
analogy:`Es como un diccionario: la palabra es la clave, la definición es el valor. Sin la etiqueta, un número solo no significa nada.`,
use:`En una automatización, un pedido puede tener las claves “producto”, “precio” y “estado” — el objeto estructura los datos para que el flujo los pueda leer sin confundirse.`},
{t:”Webhook”, en:”webhook”, cat:”conectividad”,
def:`Una notificación automática que un sistema envía a otro apenas ocurre algo, en vez de que el otro tenga que estar preguntando todo el tiempo.`,
analogy:`Es un timbre: en vez de abrir la puerta cada cinco minutos para ver si llegó algo, instalás un timbre que suena justo cuando pasa.`,
use:`Es cómo arrancan la mayoría de las automatizaciones: llega un dato nuevo, se completa un pago, se envía un formulario — el webhook dispara todo el flujo.`},
{t:”MCP”, en:”Model Context Protocol”, cat:”conectividad”,
def:`Un estándar abierto que le permite a cualquier IA conectarse directamente con las herramientas que usás, sin escribir código para cada una.`,
analogy:`Es un enchufe único que reemplaza a los cables distintos que antes necesitaba cada integración — tus sistemas y la IA hablan el mismo idioma.`,
use:`Instalás un conector y la IA puede leer y escribir directamente en esa herramienta. Es hoy un estándar abierto de infraestructura, no propiedad de una sola empresa.`,
link:{url:”https://www.smartservices.com.ar/desarrollo-de-software-con-inteligencia-artificial/”, label:”Desarrollo de software con IA”}},
{t:”CLI”, en:”interfaz de línea de comandos”, cat:”conectividad”,
def:`Una ventana donde escribís un comando y la computadora responde — la forma más antigua de interactuar con una máquina.`,
analogy:`Antes exigía memorizar comandos exactos. Hoy una IA puede vivir dentro de esa terminal y traducir lo que le pedís en lenguaje simple a los comandos correctos.`,
use:`Es más rápida que una interfaz gráfica y más flexible que hacer clic en botones, porque no hay botones que buscar.`},
{t:”API vs. CLI vs. MCP”, en:”tres formas de conectar IA”, cat:”conectividad”,
def:`Tres formas distintas de conectar una IA con las herramientas que ya usás.`,
analogy:`La API es la más básica (una clave de acceso). La CLI es la terminal, pensada para humanos pero que la IA puede operar. El MCP es el más nuevo, hecho directamente para que cualquier IA lo use sin configuración manual.`,
use:`Regla simple: si la herramienta tiene MCP, usalo; si no, recurrí a la CLI; si ninguna existe, usá la API con su clave.`,
link:{url:”https://www.smartservices.com.ar/desarrollo-de-software-con-inteligencia-artificial/”, label:”Desarrollo de software con IA”}},
{t:”Web Scraping”, en:”web scraping”, cat:”conectividad”,
def:`El proceso de que un programa recorra sitios web automáticamente y extraiga solo la información que te interesa.`,
analogy:`Es sacar el contenido útil de una página —precios, datos de contacto, nombres de productos— y descartar el resto.`,
use:`Se hace con herramientas especializadas. Los sitios se defienden con bloqueos, así que el proceso tiene que ir adaptándose.`},
{t:”URL / Endpoint”, en:”endpoint”, cat:”conectividad”,
def:`La URL es la dirección de un servicio en internet; el endpoint es la puerta específica dentro de esa dirección a la que golpeás para pedir algo concreto.`,
analogy:`La URL es el edificio entero; el endpoint es la oficina exacta a la que hay que ir para resolver un trámite puntual.`,
use:`Cada endpoint gasta créditos de tu clave de acceso, y usarlo con demasiada frecuencia puede activar un límite de uso.`},
{t:”Plataformas de automatización no-code”, en:”n8n, Make, Zapier”, cat:”n8n”,
def:`Herramientas que conectan aplicaciones, datos y modelos de IA mediante flujos visuales, sin escribir código tradicional. n8n, Make y Zapier son las tres más usadas de esta categoría.`,
analogy:`Son el sistema que conecta todas tus otras herramientas para que se hablen solas, sin que vos muevas la información a mano — arrastrás y conectás bloques en vez de programar.`,
use:`Automatizar tareas repetitivas y, combinado con IA, crear sistemas que piensan antes de actuar: leer un dato, clasificarlo, generar una respuesta y actualizar un sistema sin intervención humana. Cuál conviene depende del balance entre flexibilidad, precio y facilidad que necesites.`,
link:{url:”https://www.smartservices.com.ar/automatizacion-con-n8n-en-argentina/”, label:”Automatización con n8n en Argentina”}},
{t:”n8n vs. Make vs. Zapier”, en:”comparativa de plataformas”, cat:”n8n”,
def:`Tres plataformas de automatización con distinto nivel de flexibilidad, curva de aprendizaje y modelo de precios.`,
analogy:`Una es de código abierto y permite lógica personalizada; otra es un punto intermedio con flujos visuales sin código; la tercera es la más simple para arrancar, aunque se encarece al escalar.`,
use:`La elección depende de cuánto control técnico necesitás versus cuánta simplicidad querés.`,
link:{url:”https://www.smartservices.com.ar/automatizacion-con-n8n-en-argentina/”, label:”Automatización con n8n en Argentina”}},
{t:”Trigger”, en:”disparador de un flujo”, cat:”n8n”,
def:`El evento que activa el inicio de una automatización.`,
analogy:`Sin trigger, la automatización es un diagrama sin vida: el trigger es la alarma que dice “es hora de correr”.`,
use:`Es un error clásico armar un flujo perfecto y olvidarse de configurar qué lo dispara.`,
link:{url:”https://www.smartservices.com.ar/automatizacion-con-n8n-en-argentina/”, label:”Automatización con n8n en Argentina”}},
{t:”Nodo / módulo de conexión (HTTP Request)”, en:”HTTP request node / module”, cat:”n8n”,
def:`El bloque de automatización que permite comunicarse con cualquier aplicación o servicio a través del protocolo HTTP. En n8n se llama “nodo HTTP Request”; en Make, “módulo HTTP”; en Zapier suele resolverse con una acción de “Webhooks by Zapier”.`,
analogy:`Es el traductor universal: la mayoría de las apps no se hablan entre sí de forma nativa, pero todas entienden HTTP — cada plataforma le pone su propio nombre al mismo bloque.`,
use:`Se usa para traer datos de un servicio o enviar información hacia otro — por ejemplo, traer precios en vivo o mandar un dato a otra herramienta, sin importar en qué plataforma estés armando el flujo.`,
link:{url:”https://www.smartservices.com.ar/automatizacion-con-n8n-en-argentina/”, label:”Automatización con n8n en Argentina”}},
{t:”Lógica condicional (nodo If / Router / Paths)”, en:”if node / router / paths”, cat:”n8n”,
def:`El bloque de lógica condicional que evalúa una regla y dirige el flujo por una rama u otra según sea verdadera o falsa. n8n lo llama “nodo If”, Make lo llama “Router”, Zapier lo llama “Paths”.`,
analogy:`Evalúa si se cumple una condición y decide el camino: con varias condiciones a la vez, o con que alcance una sola — el mismo concepto, con un nombre distinto en cada herramienta.`,
use:`Sin esta lógica, la automatización trata todo por igual. Con ella, podés separar casos por tipo, monto o urgencia.`,
link:{url:”https://www.smartservices.com.ar/automatizacion-con-n8n-en-argentina/”, label:”Automatización con n8n en Argentina”}},
{t:”Guardrails de automatización”, en:”controles de seguridad”, cat:”n8n”,
def:`Bloques específicos que revisan y limpian los datos antes de que salgan hacia (o entren desde) un modelo de IA, para evitar filtraciones o contenido problemático.`,
analogy:`Actúan como guardaespaldas del flujo: detectan contenido prohibido o datos sensibles antes de que salgan, y limpian esos datos antes de que lleguen a la IA. Plataformas abiertas como n8n permiten armar estos controles a medida; las plataformas cerradas como Make o Zapier ofrecen menos margen para personalizarlos.`,
use:`Automatizar sin estos controles es operar sin red — evitan que un flujo filtre información sensible por accidente.`,
link:{url:”https://www.smartservices.com.ar/automatizacion-con-n8n-en-argentina/”, label:”Automatización con n8n en Argentina”}},
{t:”Agente de código vs. automatización no-code”, en:”coding agent vs no-code”, cat:”n8n”,
def:`Un constructor visual (n8n, Make, Zapier) arma cada paso a mano y siempre sigue el mismo camino; un agente de código (como Claude Code, Codex o Gemini CLI) interpreta una instrucción en lenguaje simple y decide por sí mismo qué hacer.`,
analogy:`Uno es darle a un sistema un procedimiento fijo, paso a paso, sin importar cuál de las tres plataformas no-code uses. El otro es darle una consigna en lenguaje llano y dejar que decida cómo convertirla en pasos, ramificándose si algo sale distinto a lo esperado.`,
use:`Usá el primero cuando los pasos son obvios y las herramientas deben estar fijas; usá el segundo cuando el trabajo se parece más a una consigna que a una receta — los tres agentes (Claude Code, Codex, Gemini CLI) resuelven este tipo de tarea de forma parecida.`,
link:{url:”https://www.smartservices.com.ar/automatizacion-con-n8n-en-argentina/”, label:”Automatización con n8n en Argentina”}},
{t:”Agentes de código en terminal”, en:”Claude Code, Codex, Gemini CLI”, cat:”claudecode”,
def:`Asistentes de IA que viven en la terminal —no en una ventana de chat— y leen un proyecto entero, editan archivos, ejecutan comandos y corrigen errores por su cuenta. Claude Code (Anthropic), Codex (OpenAI) y Gemini CLI (Google) son las tres versiones más usadas de esta misma idea.`,
analogy:`En vez de explicarle todo desde cero cada vez, leen el proyecto directamente: abren archivos, corren comandos, revisan si algo falla y lo corrigen. Los tres funcionan bajo el mismo principio general, aunque cada uno tiene su propia forma de configurarse y sus propias integraciones.`,
use:`Se les describe lo que se necesita y hacen el trabajo, corren verificaciones y entregan el resultado, conectándose a otras herramientas cuando hace falta — la elección entre uno u otro suele depender de qué modelo y qué ecosistema ya estás usando.`,
link:{url:”https://www.smartservices.com.ar/desarrollo-de-software-con-inteligencia-artificial/”, label:”Desarrollo de software con IA”}},
{t:”Vibe coding”, en:”vibe coding”, cat:”claudecode”,
def:`Programar sin escribir código: se describe lo que se quiere y la IA lo escribe, sin necesidad de memorizar sintaxis.`,
analogy:`Es como pedir algo a medida y que te lo construyan mientras mirás. Pero hacerlo sin entender cómo se arma el sistema completo hace que lleguen piezas que no encajan entre sí.`,
use:`Sirve para crear aplicaciones y prototipos rápido, siempre que se entienda lo básico de cómo se arma un sistema (datos, interfaz, lógica, seguridad).`,
link:{url:”https://www.smartservices.com.ar/desarrollo-de-software-con-inteligencia-artificial/”, label:”Desarrollo de software con IA”}},
{t:”Ingeniería del arnés”, en:”harness engineering”, cat:”claudecode”,
def:`La disciplina de construirle a la IA un “cuerpo” — acceso para leer archivos, capacidad de modificarlos, un ciclo de prueba y corrección, y barreras de seguridad — porque el modelo solo no puede hacer nada más que hablar.`,
analogy:`Un modelo por sí solo es capaz pero indefenso: sin manos ni ojos. El “arnés” es lo que lo convierte en algo que puede trabajar de verdad, sin romper nada por accidente.`,
use:`El mismo modelo, mal integrado, falla y rompe cosas; bien integrado, se vuelve extremadamente productivo en el mismo trabajo.`,
link:{url:”https://www.smartservices.com.ar/desarrollo-de-software-con-inteligencia-artificial/”, label:”Desarrollo de software con IA”}},
{t:”Hooks”, en:”hooks”, cat:”claudecode”,
def:`Reglas duras que un agente de código tiene que cumplir antes de ejecutar cualquier acción — un control automático que bloquea comportamientos no permitidos. Claude Code, Codex y Gemini CLI incluyen cada uno su propia versión de este mecanismo.`,
analogy:`Se define una regla una sola vez (por ejemplo, “no borrar nada sin aprobación”) y el sistema la chequea antes de cada acción, siempre, la esté supervisando alguien o no.`,
use:`Permite que un sistema de agentes trabaje de forma continua sin que ninguno rompa algo importante, sea cual sea la herramienta que estés usando.`,
link:{url:”https://www.smartservices.com.ar/desarrollo-de-software-con-inteligencia-artificial/”, label:”Desarrollo de software con IA”}},
{t:”Ingeniería de contexto y archivo de contexto”, en:”context engineering”, cat:”claudecode”,
def:`Diseñar todo el entorno de información que recibe la IA antes de responder — no solo el mensaje que se le manda, sino todo lo que ya tiene disponible.`,
analogy:`Es la diferencia entre hacer una buena pregunta y entregar la carpeta completa con todo el historial, el tono y los ejemplos necesarios antes de que se responda algo.`,
use:`Un archivo de contexto (quién sos, a quién le hablás, tu voz real, ejemplos de tu trabajo) guardado y reutilizado en cada sesión mejora radicalmente la calidad de cada respuesta. Cada agente lo lee desde su propio archivo por convención: CLAUDE.md en Claude Code, AGENTS.md en Codex, GEMINI.md en Gemini CLI.`,
link:{url:”https://www.smartservices.com.ar/desarrollo-de-software-con-inteligencia-artificial/”, label:”Desarrollo de software con IA”}},
{t:”Base de datos”, en:”database”, cat:”claudecode”,
def:`La memoria de una aplicación — el lugar donde se guarda la información para que no se pierda entre sesiones.`,
analogy:`Sin base de datos, una aplicación olvida todo apenas se cierra. Con ella, puede recuperar el perfil y el historial de cada usuario cuando lo necesita.`,
use:`Es la base que permite guardar progreso y escalar un sistema sin que se rompa.`,
link:{url:”https://www.smartservices.com.ar/consultoria-analisis-datos/”, label:”Big Data y Analítica”}},
{t:”Docker”, en:”Docker”, cat:”infra”,
def:`Una herramienta que empaqueta una aplicación junto con todo lo que necesita para funcionar, dentro de un “contenedor” que corre igual en cualquier máquina.`,
analogy:`Es como empaquetar una receta completa —ingredientes y utensilios incluidos— para que cualquiera la reproduzca exactamente igual en cualquier lugar.`,
use:`Termina con el clásico “en mi máquina funciona”. Con un solo comando se levanta un sistema completo sin configurar nada a mano.`},
{t:”Kubernetes”, en:”Kubernetes”, cat:”infra”,
def:`Un sistema que coordina y gestiona automáticamente muchos contenedores repartidos en distintos servidores.`,
analogy:`Reparte una aplicación en contenedores por varias máquinas; si uno falla, lo reprograma en otro automáticamente.`,
use:`Permite escalar a millones de usuarios y desplegar actualizaciones gradualmente sin interrumpir el servicio.`},
{t:”Redes en Kubernetes”, en:”Kubernetes networking”, cat:”infra”,
def:`El mecanismo que permite que los distintos contenedores de un clúster se encuentren y se comuniquen entre sí, aunque estén en servidores distintos.`,
analogy:`Cada contenedor cambia de dirección todo el tiempo; un nombre estable siempre apunta al lugar correcto, sin importar qué contenedor esté activo en ese momento.`,
use:`Sin esto, un clúster es un montón de piezas aisladas; con esto, es un sistema vivo que escala y sobrevive fallas.`},
{t:”SQL”, en:”SQL”, cat:”infra”,
def:`Un lenguaje para consultar y manipular datos organizados en tablas de filas y columnas.`,
analogy:`Permite hacer en una sola línea lo que en una planilla llevaría un buen rato de scroll y filtros manuales.`,
use:`Es el lenguaje que conecta y consulta datos de forma directa — la base de casi cualquier sistema que guarda información.`,
link:{url:”https://www.smartservices.com.ar/consultoria-analisis-datos/”, label:”Big Data y Analítica”}},
{t:”Servidor”, en:”server”, cat:”infra”,
def:`Una computadora dedicada a atender pedidos de otras computadoras, entregando datos o aplicaciones las 24 horas.`,
analogy:`Trabaja todo el día esperando que alguien le pida algo, a diferencia de un dispositivo personal que solo atiende a su dueño.`,
use:`Cuando se arman automatizaciones o integraciones, en el fondo se está hablando con servidores — hoy se alquila capacidad en vez de comprar el equipo entero.`},
{t:”VPN”, en:”Virtual Private Network”, cat:”infra”,
def:`Una herramienta que oculta la dirección real de un dispositivo y hace que su tráfico de internet parezca venir de otro lugar.`,
analogy:`Es como cambiar de identidad online: nadie en el camino ve de dónde salió realmente la conexión.`,
use:`Se usa para privacidad, evitar bloqueos geográficos, y en automatización, para que los procesos no sean bloqueados por repetición.`,
link:{url:”https://www.smartservices.com.ar/ciberseguridad/”, label:”Consultoría de Ciberseguridad”}},
{t:”SaaS”, en:”Software as a Service”, cat:”infra”,
def:`Un modelo donde no se compra el software una sola vez, sino que se paga una suscripción recurrente para usarlo.`,
analogy:`En vez de comprar un programa una sola vez, se paga todos los meses solo por el acceso.`,
use:`Para la empresa es ingreso estable; para el usuario, actualizaciones automáticas y acceso desde cualquier lado.`},
{t:”JWT”, en:”JSON Web Token”, cat:”infra”,
def:`Un “pase” digital que un sistema entrega al iniciar sesión, para no tener que autenticarse de nuevo en cada acción.`,
analogy:`Es una credencial temporal: prueba quién sos sin que tengas que mostrar tu contraseña en cada paso.`,
use:`Evita reautenticar en cada clic. Si alguien la roba, obtiene el mismo acceso que el usuario original.`,
link:{url:”https://www.smartservices.com.ar/ciberseguridad/”, label:”Consultoría de Ciberseguridad”}},
{t:”Hashing”, en:”hashing”, cat:”infra”,
def:`Un proceso que convierte cualquier dato en una cadena fija de caracteres, de forma irreversible y siempre igual para la misma entrada.`,
analogy:`Es un proceso de una sola vía: el resultado nunca se puede “deshacer” para recuperar el dato original, pero la misma entrada siempre da el mismo resultado.`,
use:`Los sistemas guardan el resultado de este proceso en vez de la contraseña real, y comparan resultados al iniciar sesión.`,
link:{url:”https://www.smartservices.com.ar/ciberseguridad/”, label:”Consultoría de Ciberseguridad”}},
{t:”Tríada CIA”, en:”Confidencialidad, Integridad, Disponibilidad”, cat:”infra”,
def:`Los tres principios fundamentales de la seguridad informática: mantener los datos secretos, evitar que sean alterados, y asegurar que estén siempre accesibles.`,
analogy:`Proteger un secreto, proteger una verdad, y mantener las luces prendidas — los tres pilares de cualquier sistema seguro.`,
use:`Es el marco básico para evaluar si un sistema está bien protegido.`,
link:{url:”https://www.smartservices.com.ar/ciberseguridad/”, label:”Consultoría de Ciberseguridad”}},
{t:”Sesgo de la IA”, en:”AI bias”, cat:”infra”,
def:`Cuando un modelo reproduce y amplifica los prejuicios presentes en los datos con los que fue entrenado.`,
analogy:`El modelo no odia a nadie a propósito — simplemente copia los patrones que encontró en sus datos de entrenamiento, buenos y malos.`,
use:`Entender esto importa para poder corregirlo: limpiar los datos, testear el sesgo y agregar controles.`,
link:{url:”https://www.smartservices.com.ar/ciberseguridad/”, label:”Consultoría de Ciberseguridad”}},
{t:”Comparativa de modelos”, en:”elección de modelo”, cat:”comparativas”,
def:`Distintos modelos de última generación tienen fortalezas distintas: algunos están optimizados para lo visual, otros para el razonamiento y la escritura.`,
analogy:`Un modelo con fuerte capacidad visual se siente ideal para imágenes, video y gráficos; un modelo con fuerte razonamiento se siente más sólido para escribir, planificar y analizar con lógica profunda.`,
use:`La elección depende del tipo de trabajo: visual y multimedia, o estrategia, escritura y construcción de sistemas.`}
];
const root = document.querySelector(“.dic-ia”);
const chipsEl = root.querySelector(“#dicia-chips”);
const resultsEl = root.querySelector(“#dicia-results”);
const searchEl = root.querySelector(“#dicia-search”);
const noResultsEl = root.querySelector(“#dicia-no-results”);
root.querySelector(“#dicia-total-count”).textContent = TERMS.length;
root.querySelector(“#dicia-total-cats”).textContent = CATS.length;
let activeCat = null;
function buildChips(){
const allChip = document.createElement(“button”);
allChip.className = “chip active”;
allChip.textContent = “Todas”;
allChip.dataset.cat = “”;
chipsEl.appendChild(allChip);
CATS.forEach(c=>{
const btn = document.createElement(“button”);
btn.className = “chip”;
btn.textContent = c.label;
btn.dataset.cat = c.id;
chipsEl.appendChild(btn);
});
chipsEl.addEventListener(“click”, e=>{
const btn = e.target.closest(“.chip”);
if(!btn) return;
activeCat = btn.dataset.cat || null;
[…chipsEl.children].forEach(c=>c.classList.toggle(“active”, c===btn));
render();
});
}
function buildDom(){
CATS.forEach(cat=>{
const items = TERMS.filter(t=>t.cat===cat.id);
if(!items.length) return;
const section = document.createElement(“section”);
section.className = “cat”;
section.id = “cat-” + cat.id;
section.dataset.cat = cat.id;
const inner = document.createElement(“div”);
inner.className = “cat-inner wrap”;
const heading = document.createElement(“div”);
heading.className = “cat-heading”;
heading.innerHTML = `

${cat.label}

---

`;
inner.appendChild(heading);
const grid = document.createElement(“div”);
grid.className = “cards”;
items.forEach(item=>{
const det = document.createElement(“details”);
det.className = “card”;
det.dataset.blob = (item.t + ” ” + (item.en||””) + ” ” + item.def + ” ” + item.analogy + ” ” + (item.use||””)).toLowerCase();
const summary = document.createElement(“summary”);
summary.innerHTML = `
${item.t}${item.en ? `${item.en}` : “”}
${item.def}

+`;
const body = document.createElement(“div”);
body.className = “card-body”;
body.innerHTML = `

${item.use ? `

` : “”}
${item.link ? `

` : “”}
`;
det.appendChild(summary);
det.appendChild(body);
grid.appendChild(det);
});
inner.appendChild(grid);
section.appendChild(inner);
resultsEl.appendChild(section);
});
}
function render(){
const q = searchEl.value.trim().toLowerCase();
let anyVisible = false;
root.querySelectorAll(“section.cat”).forEach(section=>{
const cat = section.dataset.cat;
const catMatches = !activeCat || activeCat===cat;
let sectionHasVisible = false;
section.querySelectorAll(“details.card”).forEach(card=>{
const textMatches = !q || card.dataset.blob.includes(q);
const visible = catMatches && textMatches;
card.classList.toggle(“hidden”, !visible);
if(visible) sectionHasVisible = true;
});
section.classList.toggle(“hidden”, !sectionHasVisible);
if(sectionHasVisible) anyVisible = true;
});
noResultsEl.classList.toggle(“show”, !anyVisible);
}
buildChips();
buildDom();
searchEl.addEventListener(“input”, render);
})();