Glosario Cloud en Español

Modelo de nube donde los recursos de cómputo son operados por un proveedor externo (Azure, AWS, GCP) y compartidos entre múltiples clientes a través de internet. El cliente no gestiona la infraestructura física.

Entorno de nube dedicado exclusivamente a una organización. Puede estar en las instalaciones de la empresa (on-premises) o alojado por un proveedor, pero los recursos no se comparten con otros clientes.

Combinación de nube pública y privada (o infraestructura on-premises) con conectividad entre ambas. Permite mover cargas de trabajo según necesidades de coste, seguridad o rendimiento.

Infraestructura de TI alojada físicamente en las instalaciones propias de la organización. El equipo interno es responsable del hardware, software, mantenimiento y seguridad.

Modelo de servicio en la nube donde el proveedor gestiona el hardware subyacente (servidores, almacenamiento, red) y el cliente controla el sistema operativo, middleware y aplicaciones. Máxima flexibilidad, máxima responsabilidad del cliente.

Modelo donde el proveedor gestiona hardware, SO y middleware. El cliente solo despliega y gestiona sus aplicaciones y datos. Ideal para desarrolladores que quieren centrarse en el código sin gestionar infraestructura.

Modelo donde el proveedor gestiona todo: infraestructura, plataforma y aplicación. El cliente solo usa el software a través de un navegador o cliente. El usuario tiene el menor nivel de control.

Capacidad de escalar automáticamente recursos hacia arriba o hacia abajo según la demanda en tiempo real, y reducirlos cuando ya no son necesarios para optimizar costes.

Capacidad de un sistema para aumentar su capacidad de procesamiento añadiendo más recursos. Puede ser vertical (más potencia al mismo servidor) u horizontal (más servidores).

Aumentar la capacidad de un sistema añadiendo más instancias o nodos (más servidores iguales). Es la estrategia preferida en arquitecturas cloud por su mayor disponibilidad y tolerancia a fallos.

Aumentar la capacidad de un servidor existente añadiendo más CPU, RAM o almacenamiento. Tiene un límite físico y generalmente requiere tiempo de inactividad.

Capacidad de un sistema para mantenerse operativo durante el mayor tiempo posible, minimizando el tiempo de inactividad no planificado. Se mide como porcentaje (ej. 99.99% uptime).

Capacidad de un sistema para continuar operando correctamente cuando uno o más de sus componentes fallan. Implica redundancia activa donde el sistema sigue funcionando sin interrupción.

Conjunto de políticas y procedimientos para restablecer sistemas críticos tras un evento catastrófico. Se define por dos métricas clave: RPO (cuántos datos puedes perder) y RTO (cuánto tiempo puedes estar caído).

Contrato entre el proveedor cloud y el cliente que especifica el nivel de disponibilidad garantizado para un servicio, y las compensaciones si no se cumple (créditos de servicio).

Inversión en activos físicos a largo plazo, como servidores, edificios o equipos. Se deprecia con el tiempo. Asociado al modelo on-premises donde la empresa compra y posee su infraestructura.

Gasto corriente del negocio para mantener operaciones del día a día. En nube, corresponde al pago por consumo de recursos. Sin inversión inicial, se paga según el uso real.

Modelo de precios donde solo pagas por los recursos que consumes, por el tiempo que los usas. Sin contratos de largo plazo ni costes anticipados. Permite optimizar costes apagando recursos cuando no se necesitan.

Área geográfica donde un proveedor cloud tiene uno o más centros de datos. Los recursos se despliegan en regiones específicas para cumplir requisitos de latencia, soberanía de datos y disponibilidad.

Centro de datos físicamente separado dentro de una región, con alimentación, refrigeración y red independientes. Desplegar recursos en múltiples AZs protege contra fallos de un centro de datos.

Dos regiones del mismo proveedor ubicadas en el mismo área geográfica pero separadas físicamente (generalmente 300+ km). Las actualizaciones del proveedor se aplican primero a una región y luego a la otra.

Arquitectura donde múltiples clientes (tenants) comparten la misma infraestructura física pero con aislamiento lógico entre sus datos y configuraciones. Base del modelo de nube pública.

Tecnología que permite ejecutar múltiples sistemas operativos o entornos virtuales sobre un mismo hardware físico mediante un hipervisor. Es la base tecnológica de la nube.

Marco que define qué partes de la seguridad gestiona el proveedor cloud y cuáles son responsabilidad del cliente. Varía según el modelo de servicio: en IaaS el cliente gestiona más, en SaaS el proveedor gestiona casi todo.

Tiempo que tarda un paquete de datos en viajar desde el origen hasta el destino. En nube, se minimiza desplegando recursos en regiones cercanas a los usuarios finales.

Red de servidores distribuidos globalmente que almacenan copias en caché de contenido estático (imágenes, vídeos, JS, CSS) en ubicaciones cercanas a los usuarios para reducir latencia.

Duplicación de componentes críticos de un sistema para que el sistema siga funcionando si uno falla. Puede ser activa (ambos funcionan a la vez) o pasiva (uno en espera).

Contenedor lógico en Azure que agrupa recursos relacionados (VMs, bases de datos, redes) para facilitar su gestión, despliegue y eliminación conjunta. Todo recurso de Azure debe pertenecer a exactamente un grupo de recursos.

Unidad de facturación y control de acceso en Azure. Contiene grupos de recursos y recursos. Una organización puede tener múltiples suscripciones para separar entornos (dev, prod) o departamentos.

Instancia dedicada de Microsoft Entra ID (antes Azure Active Directory) que representa a una organización. Contiene los usuarios, grupos y aplicaciones. Una organización tiene un solo tenant pero puede tener múltiples suscripciones.

Servicio de identidad y acceso basado en la nube de Microsoft. Gestiona usuarios, grupos, aplicaciones y proporciona autenticación (incluyendo SSO y MFA) para recursos Azure y aplicaciones SaaS.

Sistema de autorización en Azure que permite gestionar quién tiene acceso a qué recursos y qué puede hacer con ellos. Se asignan roles (Propietario, Colaborador, Lector) a usuarios, grupos o identidades de servicio.

Red privada en Azure que permite a los recursos Azure comunicarse entre sí, con internet y con redes on-premises. Proporciona aislamiento, segmentación y control del tráfico de red.

Firewall básico de Azure que filtra el tráfico de red hacia y desde recursos Azure en una VNet. Contiene reglas de entrada y salida que permiten o deniegan el tráfico según IP, puerto y protocolo.

Servicio que distribuye el tráfico de red entrante entre múltiples instancias de backend (VMs). Opera en la capa 4 (TCP/UDP). Permite alta disponibilidad y escalabilidad de aplicaciones.

Plataforma PaaS para alojar aplicaciones web, APIs REST y backends móviles. Soporta múltiples lenguajes (.NET, Java, Python, Node.js). Gestiona automáticamente el SO, parches y escalado.

Servicio de cómputo serverless que ejecuta código en respuesta a eventos (HTTP, colas, timers, cambios en storage) sin necesidad de gestionar infraestructura. Se paga solo por ejecución.

Servicio de almacenamiento de objetos no estructurados en Azure (documentos, imágenes, vídeos, backups). Organizado en cuentas de almacenamiento > contenedores > blobs. Ofrece niveles de acceso: Hot, Cool y Archive.

Base de datos NoSQL distribuida globalmente de Azure. Ofrece latencia de milisegundos de un dígito, escalado automático y múltiples APIs (SQL, MongoDB, Cassandra, Gremlin, Table).

Base de datos relacional PaaS totalmente administrada basada en SQL Server. Microsoft gestiona el hardware, OS, parches y backups automáticos. El cliente solo gestiona el esquema y los datos.

Servicio para almacenar y gestionar de forma segura secretos (contraseñas, connection strings), claves de cifrado y certificados. Centraliza la gestión de secretos y elimina la necesidad de codificarlos en el código.

Plataforma centralizada de monitoreo en Azure que recopila métricas y logs de recursos, genera alertas y proporciona dashboards. Incluye Log Analytics, Application Insights y Azure Metrics.

Capa de gestión de Azure que procesa todas las solicitudes de creación, actualización y eliminación de recursos. Permite desplegar infraestructura como código mediante plantillas ARM (JSON) o Bicep.

Servicio que permite definir, asignar y gestionar reglas que los recursos Azure deben cumplir. Puede auditar el estado actual o impedir la creación de recursos que no cumplan la política.

Contenedores que organizan múltiples suscripciones de Azure en una jerarquía para aplicar políticas y control de acceso de forma consistente. Nivel superior de la jerarquía de gestión de Azure.

Servicio que crea conexiones cifradas entre redes Azure (VNets) y redes on-premises o entre VNets. Usa protocolos IPsec/IKE para crear VPNs de sitio a sitio o de punto a sitio.

Conexión privada dedicada entre la red on-premises y Azure a través de un proveedor de conectividad. No pasa por internet público, ofrece mayor ancho de banda, menor latencia y mayor fiabilidad que VPN.

Balanceador de carga basado en DNS que distribuye el tráfico de usuarios entre endpoints en diferentes regiones Azure o externas. Soporta métodos de enrutamiento: rendimiento, geográfico, prioridad, ponderado.

Plataforma de entrega de aplicaciones global que combina balanceo de carga HTTP/HTTPS, CDN, WAF y aceleración de aplicaciones. Opera en la capa 7 (HTTP) a escala global.

Plataforma de seguridad unificada que proporciona evaluación continua de seguridad, detección de amenazas y recomendaciones de configuración para recursos Azure, on-premises y multi-nube.

Herramienta de Azure para analizar, monitorizar y optimizar el gasto en la nube. Permite crear presupuestos, configurar alertas de coste y visualizar el gasto por suscripción, grupo de recursos o etiqueta.

Servicio administrado de Kubernetes en Azure. Microsoft gestiona el plano de control (master nodes), y el cliente gestiona los nodos de trabajo. Simplifica el despliegue, escalado y operación de contenedores.

Servicio de copia de seguridad basado en la nube para VMs, bases de datos, archivos y cargas de trabajo on-premises. Los backups se almacenan en Recovery Services Vaults.

Servicio de recuperación ante desastres que replica VMs y cargas de trabajo físicas en una región secundaria de Azure. Si el sitio principal falla, se puede realizar failover al sitio secundario con mínimo tiempo de inactividad.

Conjunto de documentación, mejores prácticas y herramientas de Microsoft para guiar la estrategia, planificación, preparación, adopción y gobernanza de la nube. Define fases: Team, Strategy, Plan, Ready, Adopt, Govern, Manage.

Entorno de suscripciones y recursos preconfigurado con identidad, gobernanza, redes y seguridad como base para desplegar cargas de trabajo. Sigue el modelo de referencia de Azure Landing Zones dentro del CAF, dividido en zonas de plataforma y de aterrizaje de aplicaciones.

Patrón de arquitectura de red donde una VNet central (hub) aloja servicios compartidos (firewall, VPN Gateway, servicios de identidad) y VNets periféricas (spokes) contienen cargas de trabajo, conectadas al hub mediante peering.

Definición de rol creada por el usuario que combina un conjunto específico de permisos (Actions, NotActions, DataActions) cuando los roles integrados de Azure no se ajustan al principio de mínimo privilegio requerido.

Identidad de Microsoft Entra ID gestionada automáticamente por Azure para que un recurso (VM, App Service, Function) se autentique ante otros servicios sin almacenar credenciales en código. Existen dos tipos: asignada por el sistema (ligada al recurso) y asignada por el usuario (independiente, reutilizable).

Motor de políticas de Microsoft Entra ID que evalúa señales (ubicación, dispositivo, riesgo de sesión, aplicación) para decidir si permitir, bloquear o exigir controles adicionales (MFA) al acceder a un recurso.

Herramienta que sincroniza identidades entre Active Directory on-premises y Microsoft Entra ID, habilitando escenarios de identidad híbrida. Soporta sincronización de hash de contraseña (PHS), autenticación de paso a través (PTA) y federación (ADFS).

Agrupación de múltiples definiciones de Azure Policy relacionadas que se asignan en conjunto a un ámbito (management group, suscripción, grupo de recursos), simplificando la gestión de políticas relacionadas con un objetivo común (ej. cumplimiento de ISO 27001).

Contenedor donde Azure Monitor almacena datos de logs y métricas recopilados de recursos, agentes y aplicaciones. Permite consultarlos con Kusto Query Language (KQL) y es la base de Application Insights, Sentinel y Container Insights.

Niveles de replicación de una cuenta de almacenamiento Azure: LRS (3 copias en un centro de datos), ZRS (3 copias en zonas de disponibilidad de la región), GRS (LRS + copia asíncrona en región emparejada) y GZRS (ZRS + copia en región emparejada).

Cinco niveles configurables en Azure Cosmos DB que definen el equilibrio entre consistencia y rendimiento: Strong, Bounded Staleness, Session (por defecto), Consistent Prefix y Eventual, ordenados de mayor a menor consistencia y de menor a mayor disponibilidad/rendimiento.

Dos modelos de precios para Azure SQL Database: DTU (Database Transaction Unit) agrupa CPU, memoria e I/O en una unidad simplificada con niveles fijos; vCore permite elegir independientemente cómputo y almacenamiento, y aplicar descuentos por Reserved Capacity o Azure Hybrid Benefit.

Agrupación lógica de VMs dentro de un mismo centro de datos que las distribuye en dominios de error (racks/energía distintos) y dominios de actualización (para que Azure no las reinicie a todas a la vez). Protege contra fallos de hardware local, no contra la pérdida de todo un centro de datos.

Función de Azure SQL Database/Managed Instance que gestiona la replicación y el failover automático o manual de un conjunto de bases de datos hacia una región secundaria, exponiendo endpoints de escucha (listener) que no cambian tras el failover.

Servicio que actúa como fachada (gateway) para publicar, proteger, transformar y monitorizar APIs, independientemente de dónde estén alojadas (App Service, AKS, on-premises). Ofrece políticas de limitación de tasa, caché, transformación de payloads y portal para desarrolladores.

Servicio de mensajería empresarial totalmente administrado con colas (punto a punto) y tópicos (pub/sub con suscripciones filtradas). Soporta transacciones, sesiones, entrega ordenada y dead-lettering.

Servicio de enrutamiento de eventos totalmente administrado basado en el patrón publicador/suscriptor. Reacciona a eventos discretos (creación de un blob, cambio de estado de un recurso) y los enruta a controladores como Functions, Logic Apps o Service Bus.

Plataforma de streaming de eventos de alto rendimiento (Big Data) capaz de ingerir millones de eventos por segundo, como telemetría de IoT o logs de aplicaciones. Los eventos se organizan en particiones y se conservan durante un periodo configurable para lectura por múltiples consumidores.

Servicio de redes que unifica conectividad de sitios remotos (VPN, ExpressRoute, SD-WAN) y VNets en un hub gestionado por Microsoft, simplificando topologías hub-and-spoke a gran escala sin necesidad de configurar peering manual entre múltiples hubs.

Firewall de red como servicio, totalmente administrado y con alta disponibilidad integrada, que inspecciona y filtra tráfico entre VNets, subredes e internet mediante reglas de red, aplicación (FQDN) y NAT. Se despliega típicamente en la VNet hub.

Servicio que protege recursos Azure contra ataques de denegación de servicio distribuido. El nivel Basic está incluido gratis para todos los recursos; el nivel Network Protection añade mitigación adaptativa ajustada al tráfico de la aplicación, alertas y acceso a expertos de respuesta DDoS.

Centro unificado de herramientas de Microsoft para descubrir, evaluar y migrar servidores, bases de datos, aplicaciones web y VMs on-premises o de otras nubes hacia Azure. Incluye evaluación de dependencias, dimensionamiento de destino y estimación de costes.

Red virtual privada e isolated en AWS donde lanzas recursos como EC2, RDS o Lambda. Permite controlar totalmente el entorno de red: rangos de IPs, subredes, tablas de rutas y gateways.

Servicio de máquinas virtuales de AWS. Proporciona capacidad de cómputo escalable en la nube. El cliente selecciona el tipo de instancia, SO y configuración de red. Modelo IaaS.

Servicio de almacenamiento de objetos de AWS. Almacena objetos en buckets con durabilidad del 99.999999999% (11 nueves). Soporta múltiples clases de almacenamiento según frecuencia de acceso: Standard, Intelligent-Tiering, Glacier.

Servicio de AWS para gestionar identidades (usuarios, grupos, roles) y sus permisos de acceso a recursos AWS. Sigue el principio de mínimo privilegio. Los permisos se definen en políticas JSON.

Servicio de base de datos relacional administrado de AWS. Soporta MySQL, PostgreSQL, MariaDB, Oracle, SQL Server y Amazon Aurora. AWS gestiona backups, parches, failover y escalado del almacenamiento.

Servicio de cómputo serverless de AWS que ejecuta código en respuesta a eventos sin gestionar servidores. Escala automáticamente de 0 a miles de ejecuciones simultáneas. Se paga solo por tiempo de ejecución.

CDN global de AWS que distribuye contenido (web, streaming, APIs) desde más de 400 puntos de presencia (PoPs) mundialmente. Reduce latencia sirviendo contenido desde el nodo más cercano al usuario.

Servicio de DNS escalable y de alta disponibilidad de AWS. Registra dominios, resuelve DNS y enruta tráfico con políticas: Simple, Weighted, Latency-based, Failover, Geolocation, Geoproximity.

Servicio de monitoreo y observabilidad de AWS que recopila métricas, logs y eventos de recursos AWS. Permite crear dashboards, alarmas y automatizar acciones basadas en métricas.

Servicio de mensajería pub/sub de AWS. Permite enviar notificaciones a múltiples suscriptores (email, SMS, HTTP, SQS, Lambda) a través de tópicos. Modelo de fan-out.

Servicio de colas de mensajes de AWS que desacopla componentes de sistemas distribuidos. Los mensajes se almacenan en la cola hasta que el consumidor los procesa. Soporta colas estándar (at-least-once) y FIFO (exactly-once).

Base de datos NoSQL totalmente administrada de AWS. Proporciona latencia de milisegundos a cualquier escala. Escalado automático de throughput y almacenamiento. Soporta modelos de clave-valor y documento.

Servicio que distribuye automáticamente el tráfico entrante entre múltiples targets (EC2, contenedores, IPs). Tipos: Application Load Balancer (HTTP/HTTPS, capa 7), Network Load Balancer (TCP/UDP, capa 4), Gateway Load Balancer.

Servicio que ajusta automáticamente la capacidad de recursos (EC2, ECS, DynamoDB) según políticas definidas. Mantiene disponibilidad y optimiza costes escalando hacia arriba ante demanda y hacia abajo en inactividad.

Firewall virtual a nivel de instancia EC2 que controla el tráfico entrante y saliente. Funciona como lista de reglas de permiso (allow-only), no hay reglas de denegación explícita. Stateful: si permites entrada, la respuesta sale automáticamente.

Firewall opcional a nivel de subred en AWS. Evalúa reglas en orden numérico y puede permitir o denegar tráfico. Stateless: las reglas de entrada y salida son independientes; debes definir ambas explícitamente.

Segmento de red dentro de una VPC asociado a una zona de disponibilidad específica. Las subredes públicas tienen ruta a un Internet Gateway; las privadas no tienen acceso directo a internet.

Componente de VPC que permite la comunicación entre recursos en una VPC y el internet. Para que una subred sea pública, su tabla de rutas debe tener una ruta hacia un Internet Gateway.

Servicio administrado que permite a instancias en subredes privadas acceder a internet (para descargar parches, por ejemplo) sin ser accesibles desde internet. Reside en subred pública y traduce las IPs privadas.

Servicio de infraestructura como código (IaC) de AWS. Define recursos AWS en plantillas YAML o JSON y CloudFormation los crea, actualiza y elimina de forma orquestada. Agrupa recursos en stacks.

Servicio que registra todas las llamadas a la API de AWS realizadas en una cuenta. Proporciona historial de actividad para auditoría, cumplimiento normativo e investigación de incidentes de seguridad.

Servicio que evalúa y audita continuamente la configuración de los recursos AWS frente a reglas definidas. Registra el historial de cambios de configuración y puede remediar automáticamente incumplimientos.

Servicio administrado para crear y controlar claves de cifrado usadas para proteger datos en AWS. Se integra con S3, EBS, RDS, Lambda y más para cifrado en reposo.

Servicio para almacenar, rotar y recuperar credenciales (passwords, API keys, connection strings) de forma segura. Permite rotación automática de secretos para RDS, Redshift y otros servicios.

Firewall de aplicaciones web que protege contra ataques comunes como inyección SQL, XSS y bots maliciosos. Se integra con CloudFront, ALB y API Gateway mediante reglas personalizables.

Servicio de protección contra ataques DDoS de AWS. Shield Standard (gratuito) protege automáticamente todos los recursos AWS. Shield Advanced ofrece protección ampliada, soporte 24/7 y cobertura de costes por ataques.

Herramienta de AWS que analiza el entorno y proporciona recomendaciones en 5 categorías: optimización de costes, rendimiento, seguridad, tolerancia a fallos y límites de servicio.

Servicio para gestionar múltiples cuentas AWS de forma centralizada. Permite aplicar Service Control Policies (SCPs) para restringir permisos en cuentas miembro, consolidar facturación y organizar cuentas en Organizational Units (OUs).

Marco de mejores prácticas de AWS para diseñar arquitecturas cloud seguras, resilientes, eficientes y rentables. Se estructura en 6 pilares: Excelencia Operacional, Seguridad, Fiabilidad, Eficiencia de Rendimiento, Optimización de Costes y Sostenibilidad.

Conexión de red dedicada y privada entre las instalaciones on-premises y AWS. No usa internet público, proporcionando mayor ancho de banda, menor latencia y mayor consistencia de rendimiento.

Servicio de orquestación de contenedores de AWS. Gestiona el ciclo de vida de contenedores Docker en clústeres de EC2 o Fargate. Alternativa a Kubernetes con menor complejidad operativa.

Motor de cómputo serverless para contenedores que funciona con ECS y EKS. Elimina la necesidad de aprovisionar y gestionar servidores (nodos EC2). El cliente solo define los recursos de CPU y memoria necesarios.

Clase de almacenamiento de objetos de bajo coste en AWS diseñada para archivado a largo plazo de datos a los que se accede raramente. Tiempos de recuperación variables: minutos (Instant), horas (Flexible) o 12 horas (Deep Archive).

Servicio totalmente administrado para crear, publicar, mantener y proteger APIs REST, HTTP y WebSocket. Se integra nativamente con Lambda para crear APIs serverless sin gestionar servidores.

Marco de estrategias para migrar cargas de trabajo a AWS: Retire (eliminar), Retain (mantener on-premises), Relocate (mover sin cambios, ej. VMware Cloud on AWS), Rehost (lift-and-shift), Repurchase (cambiar a SaaS), Replatform (optimizaciones puntuales) y Refactor/Re-architect (rediseño nativo cloud).

Política de AWS Organizations que define el límite máximo de permisos disponibles para las cuentas miembro de una OU u organización. No otorga permisos por sí misma: solo restringe; el usuario/rol también necesita una política IAM de allow para poder actuar.

Extensión de CloudFormation que despliega el mismo stack de forma automática en múltiples cuentas y regiones de una organización desde una única operación. Con permission model SERVICE_MANAGED, AWS Organizations gestiona los roles necesarios sin configuración manual por cuenta.

Servicio que automatiza la creación de una landing zone multi-cuenta sobre AWS Organizations: estructura de OUs, cuentas base (Log Archive, Audit), guardrails preventivos y detectivos, y un catálogo de productos de autoservicio para nuevas cuentas.

Hub de red administrado que interconecta de forma transitiva múltiples VPCs y conexiones on-premises (VPN, Direct Connect) mediante un único punto central, evitando el mallado complejo de peering punto a punto.

Servicio que permite compartir recursos de AWS (Transit Gateway, subredes, Route 53 Resolver rules, licencias) entre cuentas de una organización sin duplicar el recurso ni crear relaciones de confianza manuales.

Tecnología que expone un servicio específico a través de un endpoint de interfaz privado dentro de una VPC, sin necesidad de peering, sin exponer tráfico a internet y sin dar acceso a toda la red del proveedor del servicio.

Servicio de inicio de sesión único (SSO) centralizado para acceder a múltiples cuentas AWS y aplicaciones empresariales. Se integra con un identity provider externo (SAML/SCIM) y gestiona permission sets aplicados de forma consistente en toda la organización.

Servicio que emite credenciales de seguridad temporales para permitir a usuarios o servicios asumir roles IAM (AssumeRole, AssumeRoleWithSAML, AssumeRoleWithWebIdentity). Las credenciales expiran automáticamente, reduciendo el riesgo de exposición prolongada.

Servicio de detección de amenazas basado en machine learning que analiza continuamente CloudTrail, VPC Flow Logs y logs DNS para identificar comportamiento anómalo: comunicación con servidores C2, minería de criptomonedas o reconocimiento de puertos.

Servicio de evaluación automatizada de vulnerabilidades que escanea instancias EC2, imágenes de contenedores y funciones Lambda en busca de CVEs conocidos y problemas de accesibilidad de red.

Servicio de seguridad basado en machine learning que descubre, clasifica y protege datos sensibles (PII, credenciales, datos financieros) almacenados en Amazon S3.

Servicio que agrega, normaliza y prioriza en un dashboard único los findings de seguridad de GuardDuty, Inspector, Macie, Config y herramientas de terceros. Evalúa el cumplimiento frente a estándares como CIS Benchmark y AWS Foundational Security Best Practices.

Servicio de análisis forense que construye un grafo de comportamiento a partir de datos de GuardDuty, CloudTrail y VPC Flow Logs, facilitando investigar la causa raíz de un finding de seguridad y visualizar relaciones entre recursos, IPs y usuarios.

Servicio que migra bases de datos hacia AWS con mínima interrupción, soportando migraciones homogéneas (mismo motor) y heterogéneas (motor distinto, combinado con el Schema Conversion Tool). Soporta full-load y CDC (change data capture) para mantener origen y destino sincronizados durante la migración.

Servicio que automatiza la migración lift-and-shift (Rehost) de servidores físicos, virtuales o de otras nubes hacia EC2, replicando continuamente los servidores origen y permitiendo pruebas y cortes de migración con mínimo tiempo de inactividad.

Dispositivo físico de transferencia de datos que AWS envía al cliente para mover grandes volúmenes de datos (hasta petabytes) hacia o desde S3 cuando la transferencia por red sería demasiado lenta o costosa. Snowball Edge añade capacidad de cómputo local.

Estrategia de recuperación ante desastres donde solo los componentes críticos (típicamente la base de datos replicada) permanecen activos en la región de DR, mientras el resto de la infraestructura (EC2, servicios de aplicación) está apagado y se enciende/escala solo durante un failover real.

Estrategia de recuperación ante desastres donde una versión reducida pero funcional de todo el entorno está siempre activa en la región de DR. Ante un desastre, solo se necesita escalar la capacidad, no encender componentes desde cero.

Estrategia de recuperación ante desastres donde dos o más regiones reciben tráfico de producción simultáneamente. Si una región falla, Route 53 desvía instantáneamente el tráfico a las regiones restantes, logrando RTO y RPO cercanos a cero.

Servicio que proporciona módulos de seguridad de hardware (HSM) dedicados de un solo inquilino, validados FIPS 140-2 Nivel 3, para generar y gestionar claves de cifrado con control total del cliente sobre el hardware.

Unidad organizativa base en Google Cloud que agrupa recursos, facturación y permisos. Cada recurso GCP pertenece a un proyecto. Equivalente a una suscripción en Azure o una cuenta en AWS.

Almacén de datos serverless y altamente escalable de Google Cloud. Permite analizar petabytes de datos con SQL sin gestionar infraestructura. Modelo de precios por datos escaneados o slots reservados.

Servicio de máquinas virtuales de Google Cloud (IaaS). Proporciona VMs altamente configurables con opciones de CPU, memoria y almacenamiento. Soporta instancias preemptibles (bajo coste, pueden interrumpirse).

Servicio de almacenamiento de objetos de Google Cloud. Almacena objetos en buckets con 11 nueves de durabilidad. Clases: Standard, Nearline, Coldline y Archive según frecuencia de acceso.

Plataforma serverless de Google Cloud para ejecutar contenedores en respuesta a solicitudes HTTP o eventos. No hay gestión de infraestructura; escala a cero automáticamente cuando no hay tráfico.

Servicio administrado de Kubernetes de Google Cloud. Google inventó Kubernetes y GKE lo ofrece como servicio gestionado con actualizaciones automáticas y opciones de nodos preemptibles.

Servicio de mensajería asíncrona de Google Cloud para desacoplar sistemas a escala. Los productores publican mensajes en topics y los consumidores los reciben a través de suscripciones. Garantiza entrega at-least-once.

Sistema de gestión de identidades y acceso de Google Cloud. Permite asignar roles (primitivos: Owner/Editor/Viewer, predefinidos o personalizados) a miembros (usuarios, grupos, cuentas de servicio) sobre recursos GCP.

Plataforma unificada de ML de Google Cloud para construir, entrenar, desplegar y gestionar modelos de machine learning. Incluye AutoML, Workbench (notebooks) y acceso a modelos fundacionales de Google (Gemini).

Servicio de base de datos relacional totalmente administrado de GCP. Soporta MySQL, PostgreSQL y SQL Server. Gestiona backups, parches y failover automático.

Plugin que permite a Terraform interactuar con una API específica (AWS, Azure, GCP, Kubernetes, etc.). Cada proveedor expone recursos y data sources. Se declara en el bloque terraform.required_providers.

Archivo (terraform.tfstate) que Terraform usa para mapear la configuración real en código con los recursos reales en la nube. Es la fuente de verdad de Terraform sobre qué recursos gestiona y su estado actual.

Comando que genera y muestra un plan de ejecución sin aplicar cambios. Compara la configuración deseada con el estado actual y muestra qué recursos se crearán, modificarán o destruirán.

Comando que aplica los cambios del plan de ejecución creando, modificando o destruyendo recursos en el proveedor. Solicita confirmación interactiva a menos que se use -auto-approve.

Conjunto reutilizable de recursos Terraform agrupados en un directorio. El módulo raíz es el directorio de trabajo principal. Los módulos hijo se llaman desde el raíz y pueden venir de fuentes locales, el Terraform Registry o repositorios Git.

Bloque de configuración que describe un objeto de infraestructura (VM, bucket, base de datos) que Terraform crea y gestiona. Sintaxis: resource "tipo" "nombre_local" { argumentos }.

Parámetro de entrada que permite parametrizar configuraciones Terraform. Se declara con variable {} y se asigna via archivo .tfvars, variables de entorno (TF_VAR_), flags -var o de forma interactiva.

Configuración que define dónde se almacena el state de Terraform. Backends remotos (S3, Azure Blob Storage, Terraform Cloud) permiten colaboración en equipo y bloqueo de estado para evitar conflictos.

Instancias separadas del state dentro de la misma configuración. Permite gestionar múltiples entornos (dev, staging, prod) con la misma base de código. Cada workspace tiene su propio archivo tfstate.

Valor exportado tras un terraform apply. Permite exponer atributos de recursos (IPs, URLs, IDs) para usarlos en otros módulos o mostrarlos al usuario. Se declara con output {} en outputs.tf.

Bloque de configuración que consulta información de infraestructura existente (creada dentro o fuera de Terraform) sin gestionarla ni modificarla. Sintaxis: data "tipo" "nombre_local" { argumentos de filtro }.

Meta-argumentos que permiten crear múltiples instancias de un mismo recurso o módulo a partir de una única definición. count itera sobre un número entero (0..n-1); for_each itera sobre un set o map, permitiendo referenciar cada instancia por una clave estable en vez de un índice numérico.

Framework de policy-as-code de HashiCorp integrado con HCP Terraform (antes Terraform Cloud/Enterprise) que permite definir políticas obligatorias (ej. "todo bucket S3 debe tener versionado activado") evaluadas automáticamente antes de aplicar un plan.

Archivo generado automáticamente por terraform init que fija las versiones exactas y los checksums de los providers usados, garantizando que todos los miembros del equipo y los pipelines de CI usen exactamente las mismas versiones.

Plataforma gestionada por HashiCorp que proporciona backend remoto con locking, ejecución remota de plan/apply, un registro privado de módulos y políticas Sentinel, facilitando la colaboración en equipo sin gestionar infraestructura propia para el state.

Marca introducida en Terraform 1.10 que indica que un valor (variable, output o resultado de un recurso) nunca debe persistirse en el state ni en el plan, útil para credenciales temporales u otros datos sensibles que no deben quedar almacenados en disco.

Diferencia entre la infraestructura descrita en el código Terraform (y reflejada en el state) y el estado real de los recursos en el proveedor, generalmente causada por cambios manuales fuera de Terraform.

Comando que incorpora un recurso ya existente en el proveedor (creado manualmente o por otra herramienta) al state de Terraform, asociándolo con un bloque resource ya escrito en el código, sin volver a crearlo.

Mecanismo para forzar la destrucción y recreación de un recurso específico en el próximo apply, útil cuando un recurso está en un estado inconsistente que no se resuelve con un cambio de configuración normal.

Rama de la inteligencia artificial donde los sistemas aprenden automáticamente de datos para mejorar su rendimiento en tareas específicas sin ser programados explícitamente para cada caso.

Subconjunto de machine learning basado en redes neuronales profundas con múltiples capas ocultas. Especialmente efectivo para imágenes, audio y texto. Requiere grandes volúmenes de datos y potencia de cómputo.

Modelo computacional inspirado en el cerebro humano compuesto por capas de nodos (neuronas artificiales) interconectados. Aprende ajustando el peso de las conexiones durante el entrenamiento.

Tipo de machine learning donde el modelo se entrena con datos etiquetados (ejemplos con respuestas correctas conocidas). El modelo aprende a predecir la etiqueta correcta para nuevas entradas. Incluye clasificación y regresión.

Tipo de machine learning donde el modelo encuentra patrones en datos sin etiquetas. El algoritmo descubre estructura oculta en los datos. Principal técnica: clustering (agrupamiento).

Tarea de aprendizaje supervisado que predice a qué categoría discreta pertenece una entrada. Binaria (sí/no, spam/no spam) o multiclase (perro/gato/pájaro). La salida es una etiqueta de clase.

Tarea de aprendizaje supervisado que predice un valor numérico continuo. La salida es un número, no una categoría. Se usa para predicciones cuantitativas.

Técnica de aprendizaje no supervisado que agrupa datos similares en clusters sin etiquetas previas. El algoritmo determina cuántos grupos existen y qué elementos pertenecen a cada uno basándose en similitud.

Rama de la IA que permite a las máquinas entender, interpretar y generar lenguaje humano. Incluye análisis de sentimientos, extracción de entidades, traducción automática, resumen de texto y chatbots.

Rama de la IA que permite a las máquinas interpretar y entender información visual (imágenes y vídeos). Incluye clasificación de imágenes, detección de objetos, reconocimiento facial y OCR.

Tecnología que extrae texto de imágenes o documentos escaneados convirtiéndolos a texto digital editable y buscable. Parte de los servicios de Computer Vision.

Modelo de IA entrenado con enormes cantidades de texto que puede generar, resumir, traducir y razonar sobre lenguaje natural. Base de asistentes conversacionales y herramientas de IA generativa.

Marco de principios para desarrollar y usar IA de forma ética y fiable. Microsoft define 6 principios: Equidad, Fiabilidad y seguridad, Privacidad y seguridad, Inclusión, Transparencia y Responsabilidad.

Técnica de ML que identifica patrones inusuales o atípicos en datos que se desvían significativamente del comportamiento esperado. Puede ser supervisada (con ejemplos de anomalías) o no supervisada.

Conjunto de APIs y servicios preentrenados de Azure que permiten añadir capacidades de IA (visión, habla, lenguaje, decisión) a aplicaciones sin necesidad de conocimientos de ML. Consumo vía API REST.

Plataforma unificada de Azure (antes Azure AI Studio) para explorar, comparar, personalizar y desplegar modelos de IA generativa, incluyendo el catálogo de modelos, Prompt Flow y herramientas de evaluación, todo desde un mismo entorno.

Servicio de Azure que da acceso a los modelos de OpenAI (GPT-4, GPT-3.5, embeddings, DALL-E) con la seguridad, cumplimiento y red privada de Azure. Se factura por tokens consumidos o por rendimiento aprovisionado (provisioned throughput) para cargas predecibles.

Herramienta de Azure AI Foundry para diseñar, probar y evaluar flujos de trabajo que combinan prompts, llamadas a modelos y código Python en un grafo visual, facilitando iterar y depurar aplicaciones de IA generativa antes de producción.

Servicio que detecta y filtra contenido dañino (odio, violencia, contenido sexual, autolesión) tanto en texto como en imágenes, generado por usuarios o por modelos de IA, devolviendo niveles de severidad configurables.

Servicio que permite entrenar modelos de clasificación de imágenes y detección de objetos personalizados subiendo tus propias imágenes etiquetadas, sin necesidad de experiencia en machine learning.

Servicio especializado en detección y análisis de rostros humanos: ubicación, atributos (edad aproximada, emoción) y comparación/verificación entre rostros. El uso de identificación facial 1:N está sujeto a restricciones de acceso limitado por políticas de IA responsable de Microsoft.

Capacidad de NLP que identifica y clasifica automáticamente entidades dentro de un texto: personas, lugares, organizaciones, fechas, cantidades monetarias, etc.

Servicio que convierte audio hablado en texto (Speech to Text) y texto en voz natural (Text to Speech), soportando transcripción en tiempo real y por lotes, además de traducción de voz y reconocimiento de hablante.

Función de Azure AI Language que construye una base de conocimiento de preguntas y respuestas a partir de documentos, FAQs o texto, permitiendo crear un bot que responde con precisión a partir de contenido curado en lugar de generar respuestas libremente.

Servicio (antes Form Recognizer) que extrae texto, pares clave-valor, tablas y estructura de documentos como facturas, recibos, formularios e identificaciones, usando modelos preentrenados o personalizados.

Repositorio dentro de Azure AI Foundry donde se listan y comparan modelos fundacionales de OpenAI, Meta, Mistral, Cohere y otros proveedores, con métricas de benchmark, coste y capacidades, antes de desplegarlos como endpoint.

Representaciones numéricas de alta dimensión que capturan el significado semántico de texto, imágenes u otros datos. Elementos con significado similar quedan cerca entre sí en el espacio vectorial, permitiendo búsqueda por similitud.

Base de datos optimizada para almacenar embeddings y realizar búsquedas por similitud (nearest neighbor) de forma eficiente a gran escala. En AWS, servicios como OpenSearch Service, Aurora (con pgvector), Neptune y RDS for PostgreSQL pueden actuar como almacén vectorial.

Técnica que combina la recuperación de información relevante desde una fuente externa (base de datos vectorial, documentos) con la generación de un modelo de lenguaje, permitiendo respuestas basadas en datos actualizados o privados sin reentrenar el modelo.

Servicio totalmente administrado que da acceso vía API a foundation models de múltiples proveedores (Anthropic, Meta, Amazon Titan, Cohere, Stability AI) sin gestionar infraestructura. Incluye Knowledge Bases (RAG), Agents, Guardrails y capacidades de fine-tuning y evaluación de modelos.

Funcionalidad de Bedrock que implementa RAG de forma gestionada: ingesta documentos, los convierte en embeddings, los indexa en una base vectorial y los conecta automáticamente a un foundation model para enriquecer sus respuestas con contexto propio.

Funcionalidad de Bedrock que permite a un foundation model orquestar tareas de varios pasos: interpretar la intención del usuario, invocar APIs o funciones externas, consultar Knowledge Bases y encadenar acciones para completar una tarea compleja de forma autónoma.

Controles configurables en Bedrock para filtrar contenido dañino, bloquear temas no permitidos, redactar información sensible (PII) y reducir alucinaciones, aplicados tanto a las entradas del usuario como a las salidas del modelo.

Proceso de continuar entrenando un foundation model preentrenado con un dataset propio y etiquetado para especializarlo en una tarea o dominio específico, ajustando los pesos del modelo (a diferencia de RAG o in-context learning, que no modifican el modelo).

Técnica de entrenamiento donde un modelo se ajusta usando retroalimentación humana sobre la calidad de sus respuestas, entrenando un modelo de recompensa que guía al modelo principal hacia salidas más alineadas con las preferencias humanas.

Técnica de prompt engineering donde se instruye al modelo a explicitar su razonamiento paso a paso antes de dar la respuesta final, mejorando el desempeño en tareas de razonamiento lógico o matemático.

Técnica de prompt engineering donde se incluyen en el prompt varios ejemplos de entrada-salida deseada antes de la petición real, ayudando al modelo a entender el formato o estilo esperado sin necesidad de fine-tuning. Zero-shot no incluye ejemplos; one-shot incluye exactamente uno.

Ataque donde un usuario malicioso incluye instrucciones ocultas en su entrada para manipular al modelo y hacer que ignore sus instrucciones originales, revele información confidencial o ejecute acciones no autorizadas.

Modelo de IA de gran escala, preentrenado con enormes volúmenes de datos diversos, que puede adaptarse a múltiples tareas posteriores (texto, imagen, código) mediante prompting, fine-tuning o RAG, sin necesidad de entrenarse desde cero para cada caso de uso.

Arquitectura de red neuronal basada en el mecanismo de "atención" (attention), que permite procesar secuencias completas en paralelo y ponderar la relevancia de cada palabra respecto a las demás. Es la base de prácticamente todos los LLMs modernos.

Configuraciones que controlan el comportamiento de generación de un modelo: la temperatura ajusta la aleatoriedad/creatividad (valores bajos = más determinista, altos = más creativo); top-p (nucleus sampling) limita la selección a los tokens cuya probabilidad acumulada alcanza un umbral; top-k limita a los k tokens más probables.

Herramienta que detecta sesgos (bias) potenciales en los datos de entrenamiento y en las predicciones de modelos de ML, y genera explicaciones de las predicciones (feature importance) para mejorar la transparencia del modelo.

Documentación estructurada de un modelo de ML que registra su propósito, datos de entrenamiento, métricas de rendimiento, limitaciones conocidas y consideraciones éticas, facilitando la gobernanza y trazabilidad del modelo a lo largo de su ciclo de vida.

Marco de AWS que clasifica las cargas de trabajo de IA generativa en 5 categorías (desde consumir una app SaaS de terceros hasta entrenar un modelo propio desde cero) para identificar las responsabilidades de seguridad y gobernanza específicas de cada nivel.

Familia de foundation models multimodales nativos de Google DeepMind, capaces de procesar y generar texto, imagen, audio y vídeo dentro de un mismo modelo. Disponible en variantes de distinto tamaño/coste (ej. Flash para baja latencia, Pro para tareas complejas).

Familia de modelos abiertos (open models) de Google, ligeros y de pesos disponibles públicamente, derivados de la misma investigación que Gemini. Permiten ejecución local o en infraestructura propia y ajuste fino (fine-tuning) por parte del desarrollador.

Familia de foundation models de Google Cloud especializados en generación y edición de imágenes a partir de descripciones en texto, disponible vía Vertex AI.

Modelo de generación de vídeo de Google Cloud que crea clips de vídeo a partir de descripciones en texto o imágenes, disponible vía Vertex AI para casos de uso de creación de contenido audiovisual.

Cantidad máxima de tokens (texto, y en modelos multimodales también imagen/audio/vídeo) que un modelo puede considerar simultáneamente como entrada en una sola solicitud, incluyendo el prompt, el historial de conversación y cualquier documento adjunto.

Práctica de conectar las respuestas de un modelo generativo a fuentes de datos verificables (datos propios de la empresa, datos de terceros o el mundo real vía búsqueda web) para reducir alucinaciones y aumentar la precisión factual de las respuestas.

Marco de Google para asegurar sistemas de IA a lo largo de todo su ciclo de vida, cubriendo la seguridad de la infraestructura, los datos de entrenamiento, el modelo y las aplicaciones que lo consumen, con controles y buenas prácticas en cada capa.

Catálogo centralizado en Vertex AI donde los desarrolladores descubren, comparan y despliegan foundation models de Google (Gemini, Gemma) y de terceros/open source, con información de precios, capacidades y benchmarks.

Conjunto de herramientas de Google Cloud para construir agentes de IA personalizados que combinan foundation models con extensiones, funciones, data stores y RAG prediseñado (Agent Search), permitiendo automatizar tareas complejas de negocio.

Chip acelerador de hardware diseñado específicamente por Google para cargas de entrenamiento e inferencia de machine learning, optimizado para operaciones matriciales masivas, como alternativa o complemento a las GPUs.

Arquitectura de supercomputación de Google Cloud que integra hardware optimizado (TPUs, GPUs), software abierto y frameworks de consumo flexible para entrenar y servir modelos de IA a gran escala de forma eficiente en coste y energía.

Técnica avanzada de prompting que combina razonamiento (Reasoning) y acción (Acting): el modelo alterna entre pensar paso a paso y ejecutar acciones concretas (como llamar a una herramienta o API), observando el resultado antes de continuar razonando.

Modelo de IA capaz de procesar y/o generar múltiples tipos de datos (texto, imagen, audio, vídeo) dentro de una misma arquitectura, en lugar de requerir un modelo separado por modalidad.

Tipo de modelo generativo que aprende a crear datos (típicamente imágenes) partiendo de ruido aleatorio y refinándolo progresivamente en pasos sucesivos hasta obtener una salida coherente con el prompt de entrada.

Servicio de Google Cloud que extrae, clasifica y estructura información de documentos (facturas, contratos, formularios) combinando OCR con comprensión de lenguaje natural, sin necesidad de entrenar un modelo propio.

Producto de Google Cloud dentro de Customer Engagement Suite para construir agentes conversacionales (chatbots/voicebots) de atención al cliente, combinado con Agent Assist (asistencia en tiempo real a agentes humanos) y Conversational Insights (analítica de conversaciones).

Conjunto de principios y prácticas de Google para el desarrollo ético de IA: equidad, privacidad, seguridad, transparencia y accountability, aplicados mediante herramientas como Security Command Center, IAM y políticas de gobierno de datos a lo largo del ciclo de vida del modelo.

Servicio administrado de Google Cloud para indexar embeddings y realizar búsquedas de similitud (nearest neighbor) a gran escala y baja latencia, componente central de arquitecturas RAG dentro de Vertex AI.

Interfaz sin código de Vertex AI para experimentar con foundation models: probar prompts, ajustar parámetros de inferencia (temperatura, top-k, top-p) y comparar respuestas antes de integrar un modelo en una aplicación.

Capacidad de un modelo de lenguaje para identificar cuándo una solicitud requiere invocar una herramienta o API externa, generando la llamada estructurada (nombre de función y parámetros) en lugar de solo texto libre. La ejecución real de la función ocurre fuera del modelo.

Respuesta generada por un modelo que suena coherente y segura pero es factualmente incorrecta o inventada, resultado de que el modelo predice texto plausible en lugar de consultar una fuente de verdad.

Extensión de las prácticas de MLOps a modelos de fundación y aplicaciones de IA generativa: versionado de prompts, evaluación continua de calidad de las respuestas, monitoreo de costos de inferencia y detección de degradación del comportamiento del modelo en producción.

Análisis del costo total de propiedad (cómputo de inferencia, tuning, mantenimiento) frente al valor de negocio esperado, y la decisión entre construir una solución propia o usar componentes ya construidos (Agent Builder, Model Garden) según el caso de uso.

Plataforma empresarial de Google Cloud que unifica búsqueda multimodal, agentes personalizados y acceso gestionado a Gemini para toda la organización, con controles de seguridad, privacidad y gobernanza a nivel empresarial.

Versiones personalizadas de Gemini dentro de Gemini Advanced, configuradas con instrucciones, contexto y tono específicos para un rol o tarea recurrente (ej. un "Gem" experto en revisión de contratos), sin necesidad de reescribir el prompt cada vez.

Oferta de búsqueda de Google Cloud sobre datos empresariales propios (búsqueda externa) que combina RAG preconstruido con capacidades de descubrimiento semántico, disponible dentro de Gemini Enterprise Agent Platform.

Agent Studio es la herramienta para diseñar y desplegar agentes empresariales dentro de Agent Platform, orientada a flujos de negocio con herramientas y datos propios. Google AI Studio es la herramienta de prototipado rápido y gratuito para experimentar con prompts y modelos Gemini sin necesidad de una cuenta de Google Cloud.

Secuencia de fases por las que pasa un proyecto de ML: ingestión de datos, preparación de datos, entrenamiento del modelo, despliegue del modelo y gestión del modelo (monitoreo y actualización continua en producción).

Modelo conceptual de Google que organiza el ecosistema de IA generativa en 5 capas: Infraestructura (chips, datacenters), Modelos (foundation models), Plataformas (herramientas para construir y gestionar soluciones), Agentes (sistemas que razonan y actúan) y Aplicaciones (producto final visible al usuario).

Los datos estructurados siguen un esquema fijo y tabular (filas y columnas, ej. una hoja de cálculo o tabla SQL). Los datos no estructurados no tienen un formato predefinido (texto libre, imágenes, audio, video, PDFs).

Los datos etiquetados incluyen la respuesta correcta o categoría asociada a cada ejemplo (ej. una imagen marcada como "gato"), usados en aprendizaje supervisado. Los datos no etiquetados no tienen esa anotación, usados en aprendizaje no supervisado o para preentrenar foundation models.

Mecanismos que permiten a un agente de IA interactuar con el entorno externo para cumplir tareas: extensions (conectan el agente a una API externa), functions (el modelo decide qué función llamar, la app la ejecuta), data stores (fuentes de datos propias para grounding/RAG) y plugins (integraciones prediseñadas con servicios de terceros).

Práctica de incluir revisión o intervención humana en un punto del flujo de un sistema de IA generativa, especialmente antes de acciones de alto riesgo o impacto, como salvaguarda adicional frente a errores o alucinaciones del modelo.

Prácticas de observación continua de un modelo en producción: actualizaciones automáticas de modelo, KPIs, parches de seguridad, versionado, seguimiento de rendimiento y detección de drift (cuando el comportamiento o precisión del modelo se degrada con el tiempo respecto a datos nuevos).

Role prompting: instruir al modelo a responder adoptando un rol o persona específica (ej. "actúa como un abogado especializado en...") para ajustar tono y enfoque. Prompt chaining: dividir una tarea compleja en una secuencia de prompts más simples, donde la salida de uno alimenta la entrada del siguiente.

La anonimización elimina de forma irreversible cualquier dato que permita identificar a una persona. La pseudonimización reemplaza los identificadores directos por seudónimos, pero permite revertir el proceso con información adicional guardada por separado — por lo que sigue considerándose dato personal bajo la mayoría de regulaciones.

Conjunto de productos de Google Cloud para atención al cliente con IA generativa: Conversational Agents (chatbots/voicebots), Agent Assist (asistencia en tiempo real a agentes humanos), Conversational Insights (analítica de conversaciones) y Contact Center as a Service (CCaaS).

Servicio totalmente administrado de AWS para construir, entrenar y desplegar modelos de machine learning propios. A diferencia de Bedrock (consumo de foundation models de terceros vía API), SageMaker da control sobre el código de entrenamiento, el framework y los datos, mientras AWS gestiona el hardware subyacente.

Servicio de NLP (procesamiento de lenguaje natural) gestionado que extrae insights de texto: análisis de sentimiento, reconocimiento de entidades, detección de temas clave y detección de PII, sin necesidad de entrenar un modelo propio.

Servicio de visión por computadora que analiza imágenes y video: detección de objetos y escenas, reconocimiento facial, moderación de contenido y seguimiento de personas, mediante una API sin necesidad de entrenar modelos propios.

Servicio que extrae texto, tablas y datos de formularios directamente de documentos escaneados o PDFs, yendo más allá de un OCR tradicional al entender la estructura del documento (pares clave-valor, tablas).

Servicio de reconocimiento automático de voz (ASR) que convierte audio a texto, con soporte para diarización (identificar quién habla), vocabularios personalizados y transcripción en tiempo real.

Servicio de texto a voz (TTS) que convierte texto en audio con voces neuronales realistas en múltiples idiomas, usado para asistentes de voz, lectura de contenido y sistemas de respuesta de audio.

Servicio para construir chatbots y asistentes de voz conversacionales, combinando reconocimiento automático de voz (ASR) y comprensión del lenguaje natural (NLU) para interpretar la intención del usuario.

Servicio de búsqueda empresarial impulsado por machine learning que permite consultas en lenguaje natural sobre documentos internos (PDFs, wikis, SharePoint), devolviendo respuestas precisas en lugar de solo una lista de enlaces.

Sistema que combina un foundation model con la capacidad de razonar sobre un objetivo, planear pasos, invocar herramientas o APIs externas y usar los resultados para decidir la siguiente acción, en lugar de solo generar una respuesta de texto única.

Protocolo abierto que estandariza cómo un modelo o agente de IA se conecta a herramientas externas, bases de datos y fuentes de contexto, evitando tener que construir integraciones a medida para cada combinación de modelo y herramienta.

Runtime gestionado de AWS para desplegar, escalar y operar agentes de IA en producción, incluyendo gestión de memoria, identidad, observabilidad y ejecución segura de herramientas.

SDK open-source de AWS para construir agentes de IA en pocas líneas de código, centrado en un bucle simple de "modelo + herramientas + prompt" en lugar de flujos de orquestación complejos predefinidos.

Patrón de diseño donde varios agentes especializados (cada uno con un rol o herramienta específica) colaboran bajo la coordinación de un agente orquestador para resolver una tarea compleja que ningún agente individual podría completar solo.

Técnica donde un modelo pequeño ("student") se entrena para replicar el comportamiento de un modelo grande ("teacher"), obteniendo un modelo más rápido y barato de operar con una pérdida de calidad controlada.

Métricas de evaluación de texto generado: BERTScore mide similitud semántica usando embeddings (más robusto que BLEU/ROUGE, que solo comparan n-gramas literales); LLM-as-judge usa un LLM para evaluar/calificar la calidad de la respuesta de otro modelo, útil cuando no hay una respuesta de referencia única.

Servicio que inserta revisión humana (human-in-the-loop) en flujos de predicción de ML, enviando automáticamente a un revisor humano las predicciones de baja confianza mientras las de alta confianza se procesan sin intervención.