La observabilidad (agentes) se refiere a la capacidad de supervisar, comprender y analizar continuamente el estado interno, las decisiones, las acciones y los resultados de los sistemas de IA agentic.
La ofuscación de datos es una técnica de enmascaramiento de datos que transforma los datos confidenciales en un formato o representación diferente para evitar el acceso no autorizado, manteniendo su estructura utilizable para el desarrollo, las pruebas o el análisis.
La orquestación de agentes es la disciplina y la lógica del sistema que se utilizan para coordinar cómo uno o varios agentes de IA planifican, se comunican, utilizan herramientas y completan tareas.
La perplejidad es una medida que se utiliza para evaluar modelos de lenguaje de gran tamaño (LLM). Indica lo bien que un modelo predice una secuencia de palabras.
La perplejidad es una métrica utilizada para evaluar el rendimiento de los modelos de lenguaje. En términos sencillos, la perplejidad mide la capacidad de un modelo de lenguaje para predecir una muestra de texto. Cuanto menor sea la perplejidad, mejor predecirá el modelo la siguiente palabra en una secuencia, lo que significa que estará menos “sorprendido” por los resultados reales.
La persistencia del contexto se refiere a la capacidad de un sistema de IA agentic para retener, mantener y aplicar correctamente la información contextual relevante a lo largo del tiempo, las interacciones y los límites de las tareas.
