Glosario Q - T

Tecnica que combina cuantizacion de 4 bits con LoRA para permitir el fine-tuning de modelos de lenguaje grandes en hardware de consumo, democratizando la adaptacion de LLMs.

Arquitectura que combina recuperacion de informacion de fuentes externas con generacion de texto mediante LLMs para respuestas mas precisas.

Tecnica que controla el numero de peticiones que un cliente puede realizar a una API en un periodo de tiempo, protegiendo los servicios contra abuso y sobrecarga.

Conjunto de estrategias y procedimientos para restaurar sistemas criticos y datos tras un evento catastrofico, minimizando el tiempo de inactividad y la perdida de informacion.

Proceso de reestructurar codigo existente sin cambiar su comportamiento externo, mejorando su legibilidad, mantenibilidad y diseno interno.

Verificar que cambios no rompen funcionalidad

Copias de una base de datos que gestionan consultas de lectura para reducir la carga sobre la base de datos principal y mejorar el rendimiento.

Interfaz HTTP para comunicación entre sistemas

Uso de herramientas de IA para revisar codigo automaticamente en busca de bugs, vulnerabilidades de seguridad, problemas de estilo y rendimiento.

Practica de ajustar el tamano de las instancias cloud a los requisitos reales de la carga de trabajo para optimizar costes sin sacrificar rendimiento.

Tecnica de entrenamiento que alinea las respuestas de modelos de IA con preferencias humanas mediante aprendizaje por refuerzo.

Métrica financiera que mide la rentabilidad de una inversión comparando el beneficio obtenido con el coste inicial.

Metrica que define la cantidad maxima de datos que una organizacion puede permitirse perder, medida como el intervalo de tiempo entre el ultimo backup y el incidente.

Metrica que define el tiempo maximo aceptable para restaurar un servicio tras un incidente, determinando la urgencia y el coste de la estrategia de recuperacion.

Modelo de precios flexible de AWS que ofrece descuentos a cambio de un compromiso de gasto por hora en computacion durante 1 o 3 anos.

Firewall virtual de AWS que controla el trafico de red entrante y saliente a nivel de instancia, definiendo que conexiones estan permitidas mediante reglas de acceso.

Campo de investigacion y practica dedicado a prevenir que los sistemas de IA causen danos no intencionados, incluyendo tecnicas de alineamiento, evaluacion de riesgos y mecanismos de control.

SDK de orquestacion de IA desarrollado por Microsoft que permite integrar modelos de lenguaje con codigo existente, plugins y memoria para construir aplicaciones de IA empresariales.

Modelo de computacion en la nube donde el proveedor gestiona la infraestructura de servidores, el escalado y el mantenimiento automaticamente.

Capa de infraestructura dedicada a gestionar la comunicación entre microservicios, proporcionando observabilidad, gestión de tráfico y seguridad sin modificar el código de las aplicaciones.

Tecnica de particionamiento horizontal de bases de datos que distribuye los datos entre multiples instancias para escalar la capacidad de almacenamiento y consulta.

Acuerdo formal entre proveedor y cliente que define los compromisos de nivel de servicio, incluyendo disponibilidad, rendimiento y tiempos de respuesta garantizados.

Metrica cuantitativa que mide un aspecto especifico del nivel de servicio, como la latencia o la tasa de errores, sirviendo como base para definir SLOs y SLAs.

Objetivo interno que define el nivel de fiabilidad deseado para un servicio, mas estricto que el SLA y utilizado como meta operativa por los equipos de ingenieria.

Conjunto minimo de pruebas que verifican que las funcionalidades criticas de una aplicacion funcionan correctamente tras un despliegue, antes de ejecutar la suite completa.

Estándar de seguridad para B2B SaaS

Ciclo de desarrollo de duracion fija en metodologias agiles donde el equipo se compromete a completar un conjunto definido de trabajo entregando incrementos funcionales.

Staff Augmentation es un modelo de contratación donde se añaden profesionales externospara reforzar temporalmente un equipo interno. Los profesionales trabajan bajo la dirección del cliente, integrándose con su equipo y procesos existentes.

Herramienta de autocompletado de codigo con IA que prioriza la privacidad y la seguridad empresarial, ofreciendo modelos que pueden ejecutarse localmente sin enviar codigo a la nube.

Tareas donde un agente de IA puede ejecutar con alta confianza y mínima supervisión porque ya han sido validadas múltiples veces. Concepto del framework de Mitchell Hashimoto para delegación efectiva a agentes.

Coste total de adquirir, implementar, mantener y operar una solución tecnológica durante todo su ciclo de vida.

Parametro que controla la aleatoriedad de las respuestas de un LLM. Valores bajos producen respuestas deterministas; valores altos generan salidas mas creativas.

Benchmark de 89 tareas para evaluar capacidades de agentes LLM en entornos terminal, con tareas realistas desde entrenar ML models hasta compilar Linux desde source. Frontier models resuelven <65% de tareas.

Herramienta de Infraestructura como Codigo de codigo abierto creada por HashiCorp para definir recursos cloud en archivos de configuracion declarativos.

Porcentaje de código con tests automáticos

Tiempo desde concepto hasta lanzamiento

Componente que divide texto en tokens (unidades subpalabra) que los LLMs pueden procesar, afectando coste, limites de contexto y rendimiento multilingue.

Capacidad de los LLMs para invocar herramientas externas como buscadores, ejecucion de codigo, operaciones de archivos y APIs durante una conversacion.

Estrategias de decodificacion que controlan como un LLM selecciona el siguiente token, equilibrando coherencia y diversidad en las respuestas generadas.

Arquitectura de red neuronal que usa mecanismos de atencion para procesar secuencias en paralelo, base de los LLMs modernos.

Tecnica de observabilidad que rastrea el recorrido completo de una peticion a traves de multiples servicios en arquitecturas distribuidas para diagnosticar problemas de rendimiento.

Estrategia de control de versiones donde los desarrolladores integran cambios pequenos y frecuentes directamente en la rama principal, minimizando ramas de larga duracion.

Metodologia de doce principios para construir aplicaciones SaaS modernas que sean portables, escalables y desplegables en plataformas cloud de forma predecible.