Este glosario reúne términos clave para profesionales de Paid Media que quieren empezar a trabajar con herramientas como Claude Code, Codex, Gemini CLI, APIs de Google Ads, Meta Marketing API, GA4 Data API, scripts, automatizaciones y análisis de datos asistido por IA.

A

Agente: sistema de IA que no solo responde, sino que puede ejecutar pasos para cumplir una tarea. Por ejemplo: leer archivos, consultar APIs, crear scripts, analizar datos, modificar configuraciones o preparar cambios para revisión.

AI Agent: término en inglés para “agente de IA”. Se usa para describir sistemas que pueden planificar y ejecutar acciones usando herramientas externas.

Alucinación: respuesta generada por un modelo que parece convincente, pero es incorrecta, inventada o no verificable. En Paid Media puede ocurrir cuando el modelo interpreta mal una métrica, inventa una configuración o asume información que no tiene.

API: forma estructurada de pedir o enviar información a una plataforma. Por ejemplo: Google Ads API, Meta Marketing API, GA4 Data API o APIs de CRMs.

API Key: clave que permite identificar y autorizar el acceso a una API. Funciona como una credencial técnica.

API Rate Limit: límite de uso de una API. Define cuántas solicitudes se pueden hacer en un período determinado.

Aplicación: en el contexto de APIs, es la entidad técnica que se crea para solicitar permisos y conectar una herramienta con una plataforma externa.

Asistente de IA: herramienta basada en un modelo de lenguaje que ayuda a responder preguntas, analizar información, escribir contenido, generar código o ejecutar tareas.

Autenticación: proceso para comprobar que una herramienta, usuario o aplicación tiene permiso para acceder a una cuenta, plataforma o API.

Autorización: proceso mediante el cual se define qué puede hacer una aplicación una vez autenticada. Por ejemplo: leer datos, modificar campañas o acceder a un CRM.

Automatización: proceso que permite ejecutar tareas de forma repetible con mínima intervención manual. En Paid Media puede aplicarse a reportes, alertas, auditorías, cambios de presupuesto o análisis de términos de búsqueda.

B

Batch Processing: procesamiento por lotes. Consiste en ejecutar una tarea sobre muchos elementos al mismo tiempo, como revisar campañas, exportar datos o analizar cuentas completas.

Bearer Token: tipo de token usado para autenticar solicitudes a una API. Suele incluirse en el header de una request.

Benchmark: punto de referencia utilizado para comparar rendimiento. En IA también puede referirse a pruebas usadas para medir la capacidad de un modelo.

Bot: programa que ejecuta tareas automáticamente. Puede ser simple, como enviar una alerta, o más complejo, como interactuar con APIs.

C

Cache: almacenamiento temporal de datos para evitar repetir consultas o acelerar procesos.

Chatbot: sistema conversacional que responde mensajes de usuarios. No todos los chatbots son agentes ni tienen capacidad de ejecutar tareas.

Chunking: técnica para dividir documentos, textos o datos grandes en partes más pequeñas para que puedan ser procesados mejor por un modelo.

CLI: interfaz de línea de comandos. Es una forma de trabajar desde la terminal escribiendo instrucciones en texto.

Claude Code: herramienta de Anthropic orientada a trabajar con código, archivos, datos, scripts y APIs desde un entorno asistido por IA.

Cloud: infraestructura en la nube donde se ejecutan servicios, modelos, bases de datos, APIs o automatizaciones sin depender solo del ordenador local.

Codex: herramienta de OpenAI orientada a trabajar con código, automatizaciones, análisis y ejecución de tareas técnicas.

Compresión de contexto: proceso de resumir o reducir información para que ocupe menos tokens sin perder lo importante.

Conector: integración que permite conectar una herramienta de IA con una plataforma externa, como Google Drive, Gmail, Slack, Meta Ads o un CRM.

Context Rot: degradación del contexto. Ocurre cuando una conversación o workspace acumula demasiada información y el modelo empieza a perder foco, priorizar mal o responder con menor precisión.

Contexto: información que se le da al modelo para que entienda mejor la tarea, el cliente, la cuenta, los objetivos, las reglas y las particularidades del negocio.

Context Window: ventana de contexto. Es la cantidad máxima de tokens que un modelo puede considerar en una interacción, conversación, archivo o tarea.

Copiloto: herramienta de IA que asiste al usuario mientras trabaja, pero no necesariamente ejecuta tareas de forma autónoma.

CSV: formato de archivo muy común para datos tabulares. Se usa para exportar reportes, campañas, términos de búsqueda, conversiones o información de plataformas.

D

Data Cleaning: limpieza de datos. Proceso de corregir, eliminar o normalizar datos inconsistentes antes de analizarlos.

Data Pipeline: flujo de datos que extrae, transforma y carga información entre sistemas. Por ejemplo: Google Ads → BigQuery → Looker Studio.

Debugging: proceso de encontrar, entender y corregir errores en código, scripts, automatizaciones o integraciones.

Deep Research: capacidad de algunos sistemas de IA para investigar un tema usando múltiples fuentes, sintetizar información y generar un análisis más profundo.

Dependencia: librería, paquete o recurso externo que un script o proyecto necesita para funcionar.

Developer Token: credencial técnica necesaria para usar ciertas APIs, como la Google Ads API.

Documentación: instrucciones técnicas oficiales de una herramienta, API, librería o plataforma. Es fundamental para trabajar correctamente con APIs.

E

Embedding: representación numérica de un texto, documento o fragmento de información. Permite comparar significado y encontrar contenido similar.

Encoding: forma específica en la que un modelo convierte texto en tokens. Distintos modelos pueden tokenizar el mismo texto de manera diferente.

Endpoint: punto específico de una API al que se envía una solicitud para consultar datos o ejecutar una acción.

Entorno local: configuración de trabajo que corre en tu propio ordenador, en lugar de ejecutarse en la nube.

Entorno de desarrollo: espacio donde se crean, editan y prueban archivos, scripts, código o automatizaciones.

Error Handling: manejo de errores. Conjunto de reglas para que un script o automatización responda correctamente cuando algo falla.

ETL: sigla de Extract, Transform, Load. Proceso para extraer datos, transformarlos y cargarlos en otro sistema.

Ejecución: acción de correr un comando, script, proceso o tarea.

F

Fine-tuning: proceso de entrenar o ajustar un modelo existente con datos específicos para mejorar su rendimiento en una tarea concreta.

Frontier Lab: empresa que desarrolla modelos de IA de frontera, como OpenAI, Anthropic, Google DeepMind o xAI.

Frontier Model: modelo de IA de última generación, normalmente entre los más avanzados en razonamiento, generación de texto, código, análisis o multimodalidad.

Function Calling: capacidad de un modelo para llamar funciones externas de forma estructurada. Puede usarse para consultar APIs, ejecutar scripts o activar herramientas.

G

GA4 Data API: API de Google Analytics 4. Permite extraer datos de GA4 sin depender únicamente de la interfaz.

Gemini CLI: herramienta de Google para trabajar con modelos Gemini desde la terminal o flujos técnicos.

Generative AI: inteligencia artificial generativa. Tecnología capaz de crear texto, código, imágenes, audio, video o análisis a partir de instrucciones.

Git: sistema de control de versiones que permite guardar cambios, volver a versiones anteriores y colaborar en proyectos de código.

GitHub: plataforma donde se alojan repositorios de código y proyectos. Muy usada para scripts, documentación, librerías y herramientas open source.

Google Ads API: API de Google Ads. Permite consultar datos, crear reportes, modificar campañas, gestionar recursos y automatizar tareas dentro de sus límites.

H

Hallucination: término en inglés para “alucinación”. Se refiere a respuestas incorrectas o inventadas generadas por un modelo.

Header: parte de una solicitud API donde se envía información adicional, como autenticación, formato esperado o tipo de contenido.

Human-in-the-loop: forma de trabajo donde la IA propone o prepara acciones, pero una persona revisa y aprueba antes de ejecutar cambios importantes.

I

IDE: entorno de desarrollo integrado. Es el espacio donde se trabaja con archivos, código y proyectos. 

Input: información que se le da a un modelo, script, función o sistema. Puede ser un prompt, archivo, dato, comando o instrucción.

Instrucciones personalizadas: reglas o preferencias que guían cómo debe comportarse un asistente o modelo en ciertas tareas.

Integración: conexión entre dos o más herramientas para intercambiar datos o ejecutar acciones. Por ejemplo: Google Ads con un CRM.

J

JSON: formato muy común para enviar y recibir datos entre APIs, scripts y aplicaciones. Es estructurado, legible y ampliamente utilizado.

JSON Schema: estructura que define cómo debe estar organizado un JSON, qué campos debe tener y qué tipo de datos se esperan.

K

Knowledge Base: base de conocimiento. Conjunto de documentos, reglas, procesos o información que una IA puede consultar para responder mejor.

L

LangChain: framework usado para construir aplicaciones con modelos de lenguaje, herramientas, memoria, RAG y agentes.

Latencia: tiempo que tarda un sistema en responder. En APIs o modelos de IA, una latencia alta puede hacer que un proceso sea más lento.

Límite de contexto: tope de tokens que un modelo puede procesar en una misma interacción.

LLM: Large Language Model. Modelo de lenguaje entrenado para entender y generar texto, código, análisis, instrucciones y respuestas.

Logs: registros de lo que ocurrió durante la ejecución de un script, integración o automatización. Sirven para auditar procesos y diagnosticar errores.

Loop: ciclo repetitivo en un script o automatización. Puede ser útil, pero si está mal configurado puede generar errores, llamadas excesivas a APIs o cambios no deseados.

M

Machine Learning: rama de la inteligencia artificial que permite a los sistemas aprender patrones a partir de datos.

Memoria: capacidad de un sistema para recordar información entre interacciones o dentro de una sesión de trabajo.

Meta Marketing API: API de Meta Ads. Permite consultar datos, crear campañas, modificar elementos y automatizar tareas dentro de las limitaciones de la API.

MCP: Model Context Protocol. Protocolo que permite conectar modelos de IA con herramientas, datos y servicios externos de forma estructurada.

Modelo de lenguaje: sistema de IA entrenado para procesar y generar lenguaje. Es la base de herramientas como ChatGPT, Claude o Gemini.

Modelo multimodal: modelo capaz de trabajar con más de un tipo de entrada o salida, como texto, imágenes, audio, video o archivos.

N

NLP: Natural Language Processing. Área de la IA dedicada al procesamiento del lenguaje humano.

Nodo: elemento dentro de un flujo de automatización. Por ejemplo, en n8n o Make, cada paso del proceso suele representarse como un nodo.

No-code: herramientas que permiten crear procesos o automatizaciones sin escribir código.

O

OAuth: protocolo de autorización usado para conceder acceso a una aplicación sin compartir directamente la contraseña. Muy común en conexiones con Google, Meta, CRMs y herramientas SaaS.

Open Source: software cuyo código está disponible públicamente para ser usado, revisado o modificado.

Output: respuesta o resultado que genera un modelo, script, función o sistema.

P

Parámetro: valor que se envía a una función, API o script para definir cómo debe ejecutarse una acción. Por ejemplo: fecha de inicio, campaña, métrica o cuenta.

Parsing: proceso de leer y estructurar información para que pueda ser interpretada por un sistema.

Payload: cuerpo de una solicitud API. Contiene los datos que se envían para crear, modificar o consultar información.

Permisos: autorizaciones que definen qué puede hacer una aplicación o usuario dentro de una plataforma.

Prompt: instrucción que se le da a un modelo. Puede ser una pregunta simple o una indicación detallada con contexto, criterios y formato esperado.

Prompt Engineering: práctica de diseñar instrucciones más claras, completas y útiles para obtener mejores respuestas de un modelo.

Prompt Injection: técnica mediante la cual una entrada maliciosa intenta manipular las instrucciones del modelo o alterar su comportamiento.

Python: lenguaje de programación muy usado para análisis de datos, automatización, APIs, scripts y machine learning.

Q

Query: consulta que se hace a una base de datos, API o sistema para obtener información.

Queue: cola de tareas. Sirve para organizar procesos que deben ejecutarse uno tras otro o según disponibilidad.

R

RAG: Retrieval-Augmented Generation. Técnica donde el modelo busca información en documentos, archivos o bases de datos antes de responder.

Rate Limit: límite de uso de una API. Define cuántas solicitudes se pueden hacer en determinado período de tiempo.

Reasoning Model: modelo optimizado para tareas que requieren razonamiento más complejo, planificación, análisis o resolución de problemas.

Refresh Token: credencial usada para renovar el acceso a una API sin tener que autorizar manualmente cada vez.

Request: solicitud enviada a una API, servidor o herramienta para pedir datos o ejecutar una acción.

Response: respuesta que devuelve una API, servidor, modelo o herramienta después de recibir una solicitud.

REST API: tipo de API muy común que usa métodos como GET, POST, PUT, PATCH o DELETE para consultar o modificar información.

Retry Logic: lógica de reintento. Permite que un sistema vuelva a intentar una acción si falla temporalmente.

Rollback: volver atrás un cambio. En Paid Media es clave cuando una automatización o modificación no tuvo el resultado esperado.

Runtime: entorno donde se ejecuta un programa, script o proceso.

S

Sandbox: entorno de prueba donde se pueden experimentar integraciones o cambios sin afectar datos reales o producción.

Schema: estructura que define cómo deben organizarse los datos. Puede aplicarse a JSON, bases de datos, APIs o respuestas esperadas.

Script: pequeño programa que ejecuta una tarea específica. Por ejemplo: traer datos de Google Ads, cruzarlos con GA4 o generar un reporte.

SDK: kit de herramientas para usar una API desde un lenguaje de programación, como Python o JavaScript.

Secret: credencial sensible usada para acceder a APIs, servicios o aplicaciones. No debe compartirse públicamente.

Servidor: sistema que recibe solicitudes y devuelve respuestas. Muchas APIs funcionan sobre servidores.

System Prompt: instrucciones de nivel superior que guían cómo debe comportarse un modelo.

T

Terminal: aplicación donde se escriben comandos de texto para ejecutar tareas en el ordenador.

Token: unidad mínima de texto que procesa un modelo. Puede ser una palabra, parte de una palabra o un signo. Los tokens influyen en coste, memoria y capacidad de contexto.

Token Budget: presupuesto de tokens disponible para una tarea. Sirve para decidir cuánto contexto incluir y qué dejar afuera.

Tokenizador: sistema que divide el texto en tokens para que el modelo pueda procesarlo.

Tokens de entrada: tokens que el modelo recibe como instrucciones, contexto, archivos o datos.

Tokens de salida: tokens que el modelo genera como respuesta.

Tool Use: capacidad de un modelo para usar herramientas externas, como leer archivos, consultar APIs, ejecutar código o buscar información.

Truncamiento: cuando parte del texto queda fuera porque se supera el límite de tokens del modelo.

U

UI: User Interface. Interfaz visual con la que interactúa el usuario. Por ejemplo: Google Ads, Meta Ads Manager o GA4.

URL: dirección de un recurso en internet. En APIs, muchas solicitudes se hacen a URLs específicas llamadas endpoints.

V

Vector Database: base de datos diseñada para guardar embeddings y permitir búsquedas por similitud semántica.

Variable: valor que puede cambiar dentro de un script, función o automatización. Por ejemplo: fecha, campaña, cuenta o presupuesto.

Ventana de contexto: cantidad máxima de tokens que un modelo puede considerar en una conversación, archivo o tarea.

Version Control: control de versiones. Sistema que permite registrar cambios en archivos o código, volver a versiones anteriores y trabajar de forma más segura.

W

Webhook: mecanismo que permite que una herramienta envíe información automáticamente a otra cuando ocurre un evento. Por ejemplo: un nuevo lead, una compra o una conversión.

Workflow: flujo de trabajo compuesto por pasos. En Paid Media puede incluir extracción de datos, análisis, generación de recomendaciones y aprobación humana.

Workspace: espacio de trabajo donde se organizan archivos, scripts, documentación, contexto del cliente y reglas para que la IA pueda operar mejor.

X

XML: formato de marcado usado para estructurar datos. Menos común que JSON en muchas APIs modernas, pero todavía aparece en algunas integraciones.

Z

Zero-shot: capacidad de un modelo para resolver una tarea sin ejemplos previos específicos.

Términos especialmente importantes para Paid Media

Google Ads API: clave para consultar datos, crear reportes, modificar campañas y automatizar tareas dentro de Google Ads.

Meta Marketing API: clave para consultar datos, modificar campañas y automatizar procesos dentro de Meta Ads.

GA4 Data API: clave para extraer información de Google Analytics 4 y cruzarla con datos de campañas.

Human-in-the-loop: fundamental para evitar que la IA ejecute cambios sin revisión profesional.

Rate Limit: importante para no exceder los límites de uso de APIs como Meta o Google.

Contexto: uno de los factores más importantes para que una IA pueda trabajar correctamente con cuentas reales.

Workspace: base operativa para organizar documentación, scripts, reglas y contexto de cada cliente.

Logs: esenciales para auditar qué hizo una automatización y detectar errores.

Rollback: fundamental para revertir cambios si algo sale mal.

Token y ventana de contexto: importantes para entender cuánto puede procesar un modelo y por qué no siempre conviene darle “todo” sin filtrar.