"Inteligente." "Razona." "Comprende." "Autónomo." Las empresas de IA usan estas palabras con precisión quirúrgica — no para describir sus productos con exactitud, sino para posicionarlos en la mente del consumidor. El lenguaje corporativo de la IA es un instrumento de percepción pública, no de comunicación técnica. Este glosario traduce lo que realmente dicen.
Por qué el lenguaje de la IA es un problema de poder
Las palabras que usamos para describir la tecnología determinan cómo la regulamos, cómo asignamos responsabilidad cuando falla y cuánto pagamos por ella. Una empresa que logra que su producto sea percibido como "inteligente" puede cobrar más, atraer más inversión y esquivar más preguntas incómodas que una empresa que describe el mismo producto como "software de predicción estadística". El incentivo para estirar el lenguaje es estructural, no accidental.
MIT Technology Review documentó en diciembre de 2025 que términos como "razonamiento" e "inteligencia" son jerga técnica vestida con brillo de marketing. Luc Julia, científico jefe en Renault Group con tres décadas en IA, argumenta en su libro La ilusión de la IA — reseñado en Nature en marzo de 2026 — que el término "inteligencia" ha estado mal aplicado durante casi 70 años, desde que la investigación formal de IA comenzó en 1956, y que esa confusión beneficia a quienes tienen interés comercial en mantenerla.
Los términos clave y lo que realmente significan
"Inteligente" — cuando una empresa dice que su producto es "inteligente" o "con IA inteligente", generalmente describe un sistema que aplica reglas estadísticas a datos. No hay comprensión, no hay consciencia, no hay juicio. Hay optimización de una función objetivo. La palabra "inteligente" activa asociaciones humanas que el sistema no tiene. Su uso es casi siempre aspiracional, no descriptivo.
"Razona" — los modelos de razonamiento generan pasos intermedios antes de producir una respuesta. Eso es técnicamente verificable y útil. Pero "razonar", en el sentido humano, implica comprensión causal, capacidad de generalizar a situaciones nuevas y consciencia del proceso de pensamiento. Los LLMs no tienen ninguna de las tres cosas de forma demostrada. Según MIT Technology Review, el término funciona como marketing para un proceso que es, en esencia, predicción estadística más sofisticada.
"Autónomo" — CIO Magazine documentó en 2026 que "agente" y "agentic" son los términos más malentendidos o mal usados en tecnología empresarial en este momento. Un sistema verdaderamente autónomo puede replantear objetivos, aprender de resultados y actuar con límites de decisión claros. La mayoría de los productos llamados "autónomos" son automatización avanzada con un nombre más atractivo. SDxCentral acuñó el término agent washing para describir esta práctica en enero de 2026.
"Aprende" — en el contexto de un producto de IA en producción, "aprende" rara vez significa lo que parece. La mayoría de los modelos no se actualizan con los datos de los usuarios en tiempo real. "Aprende" suele referirse al entrenamiento inicial, que ocurrió antes de que el usuario interactuara con el producto. Cuando un chatbot "aprende tus preferencias", generalmente significa que almacena datos de sesión para personalizar respuestas — no que el modelo subyacente cambia.
"Seguro y responsable" — las declaraciones de seguridad de las empresas de IA mezclan compromisos técnicos verificables con aspiraciones no medibles. Afirmar que un sistema es "seguro" sin especificar en qué contextos, bajo qué condiciones y con qué mecanismos de verificación es, en el mejor caso, vago. En el peor, es una declaración de relaciones públicas sin contenido técnico real.
Las empresas no mienten exactamente sobre sus productos de IA. Usan palabras que son técnicamente defendibles pero diseñadas para activar asociaciones que el producto no justifica. Eso tiene nombre: eufemismo de ingeniería.
El caso del "agente washing" como síntoma sistémico
El ejemplo más documentado de este problema en 2025 y 2026 es el agent washing. SDxCentral recogió el análisis de múltiples ejecutivos de la industria que describieron el fenómeno con precisión: en 2025, se observó un "agent washing" masivo: scripts de automatización existentes y asistentes fueron reetiquetados como 'agentes' sin verdadera autonomía, límites de decisión ni responsabilidad.
El patrón es reconocible porque se repite. Ocurrió con "nube" — que durante años describió simplemente servidores de otra persona. Ocurrió con "blockchain" — que en muchos casos describía bases de datos distribuidas convencionales. Ocurrió con "big data" — que frecuentemente describía análisis estadístico básico aplicado a conjuntos más grandes de datos. La IA no es una excepción al patrón: es la iteración actual de un mecanismo de marketing que funciona precisamente porque los consumidores no tienen incentivo inmediato para desarmarlo.
Cómo leer entre líneas los comunicados de IA
Tres preguntas para aplicar a cualquier afirmación sobre capacidades de IA. Primera: ¿la afirmación es falsificable? "Razona mejor que los humanos en X" puede verificarse. "Comprende el lenguaje natural" no puede verificarse sin una definición operacional de comprensión. Segunda: ¿se nombra el mecanismo técnico? Una empresa que dice "nuestro modelo mejora con el tiempo" debería poder explicar cómo: ¿fine-tuning continuo, RLHF, RAG, personalización de sesión? Sin mecanismo, la afirmación es vacía. Tercera: ¿quién responde si el sistema falla? El lenguaje de autonomía y agencia desplaza implícitamente la responsabilidad. Si ningún humano específico responde por las decisiones del sistema, el lenguaje de autonomía está sirviendo intereses corporativos, no al usuario.
