Glosario canónico – Ecosistema AVM™, EIDAI™, ERIA™, PCI™ y MEIA™
Marcos metodológicos
AVM™ — AI Visibility Model.
Marco de observación multidimensional de la visibilidad de una entidad en sistemas de IA.
No reduce la visibilidad a una puntuación única: evalúa frecuencia, cobertura entre modelos, consistencia, contexto, calidad de la recomendación, fuentes de respaldo, autoridad semántica, robustez temporal y multilingüe, y potencial de negocio, entre otras dimensiones.
Se sostiene sobre cinco principios: transparencia, reproducibilidad, evidencia, neutralidad tecnológica y evolución continua. v1.1. Vigente.
Ver: Dimensión, Perfil de visibilidad, Principios AVM™.
EIDAI™ — Identificación de Entidades en IA.
Marco que estudia si un sistema de IA identifica y resuelve correctamente a qué entidad se refiere una consulta.
Distingue entre entidad reconocida y entidad resuelta correctamente.
Actúa como filtro de calidad previo a cualquier medición de visibilidad. v1.0. Vigente. Obsoleto: «Entity Representation Framework».
Ver: Resolución de entidad, Reconocimiento, Visibilidad contaminada.
ERIA™ — Entity Representation in AI.
Línea de investigación independiente que estudia cómo se representa una entidad en sistemas de IA una vez resuelta: descripción, atributos, encuadre, completitud y veracidad.
No es evolución de EIDAI™ ni de PCI™. v1.0. Vigente. Ver: Representación, Taxonomía de errores de representación.
PCI™ — Predictive Citation Intelligence.
Marco de investigación predictiva que explora si las señales observables de visibilidad presente contienen información sobre su evolución futura.
Exige superar el baseline de persistencia de forma estadísticamente verificable. v0.1. En revisión.
Nota: PCI-L01 es un piloto exploratorio; su primera fase está concluida y continúa en T4–T7.
Ver: Baseline de persistencia, Señal predictiva, Hipótesis H1.
MEIA™ — Modelo de Evidencia e Investigación en Inteligencia Artificial.
Metodología transversal que establece cómo se identifican, documentan, verifican y delimitan las afirmaciones, evidencias, observaciones, interpretaciones y conclusiones.
No es capa subordinada a AVM™ ni herramienta de operacionalización.
No produce métricas; produce trazabilidad. v1.1. Vigente. Obsoletas: «Medición de Entidades en IA», «Métrica de Evaluación de la Interacción con Asistentes», «Diseño del Sistema de Evidencia y Verificación IA».
Ver: Estatus evidencial, Cadena de evidencia.
OVF — Observable Variables Framework.
Sistema de clasificación y especificación de variables observables en investigaciones de visibilidad IA. v0.2. Vigente.
Ver: Variable observable, Dimensión.
Entidades e identidad
Entidad.
Marca, producto, servicio, persona u organización que es objeto de observación en un sistema de IA.
Entidad reconocida.
Entidad cuya cadena textual aparece en una respuesta de IA. No implica resolución correcta.
Entidad resuelta correctamente.
Entidad en la que los atributos descritos por el modelo corresponden a la entidad real, sin confusión con homónimas o entidades semánticamente cercanas.
Resolución de entidad.
Capacidad del modelo de asociar una mención a la entidad correcta con atributos veraces. Objeto de EIDAI™
Desambiguación.
Procedimiento por el que se fuerza al modelo a distinguir una entidad de otras homónimas o semánticamente cercanas. Se ejecuta mediante una batería de desambiguación.
Batería de desambiguación.
Conjunto de prompts diseñados para verificar si el modelo resuelve correctamente la entidad objetivo frente a entidades homónimas o del mismo sector.
Ficha de identidad.
Registro estructurado que indica, para cada respuesta, si la entidad fue reconocida, resuelta correctamente y descrita con atributos veraces.
Visibilidad contaminada.
Aparición de una entidad con atributos incorrectos, confusión con otra entidad o descripción errónea. Se excluye del cómputo primario de AVM™ y se reporta por separado.
Representación.
Forma en que el modelo describe, atribuye y encuadra a una entidad una vez resuelta. Objeto de ERIA™. Incluye identificación, categorización, descripción, atribución y recomendación.
Taxonomía de errores de representación.
Clasificación de los tipos de error en la representación de una entidad: identificación errónea, categorización incorrecta, descripción incompleta, atribución falsa, omisión relevante.
Dimensiones de visibilidad AVM™
Dimensión.
Cada uno de los ejes independientes sobre los que se evalúa la visibilidad de una entidad. AVM™ es explícitamente multidimensional.
Frecuencia de recomendación.
Número o proporción de respuestas en las que la entidad aparece recomendada, sobre el total de ejecuciones válidas. Se computa sobre apariciones limpias.
Cobertura entre modelos (cross-model).
Presencia de la entidad en cada uno de los modelos evaluados ChatGPT, Gemini, Claude, Perplexity, etc. Mide la dependencia de un ecosistema concreto.
Consistencia.
Estabilidad de la calidad o posición de la recomendación cuando la entidad aparece. Se mide sobre la escala ordinal de calidad. No usar «consistencia» para la tasa de aparición. Ver: Persistencia de aparición.
Contexto.
Segmento de uso o categoría de la consulta en la que aparece la entidad (p. ej., PYMES vs. grandes corporaciones; descubrimiento espontáneo vs. comparación directa).
Calidad de la recomendación.
Escala ordinal de cuatro niveles: (3) recomendación principal, (2) alternativa destacada, (1) mención tangencial, (0) ausencia. Base del índice ponderado de calidad.
Prioridad.
Posición relativa de la entidad en la respuesta (principal vs. secundaria). Dimensión distinta de la calidad ordinal; especificar el uso.
Fuentes de respaldo.
Presencia o ausencia de fuentes verificables citadas por el modelo en la respuesta. Su ausencia o invención constituye una atribución alucinada.
Autoridad semántica.
Grado en que el modelo asocia la entidad a los conceptos y categorías que le corresponden en su dominio.
Robustez temporal.
Estabilidad de la visibilidad a lo largo del tiempo y frente a actualizaciones del modelo.
Robustez multilingüe.
Estabilidad de la visibilidad en distintos idiomas
Potencial de negocio.
Grado en que la visibilidad observada puede traducirse en resultados de negocio (menciones cualificadas, tráfico referral, consideración de marca).
Perfil de visibilidad.
Panel multidimensional que resume las dimensiones de AVM™ para una entidad en un momento dado. No es un número único.
Perfil radar.
Representación gráfica del perfil de visibilidad.
Métricas y operacionalización
Aparición limpia.
Presencia de una entidad correctamente resuelta por EIDAI™. Base del cómputo de frecuencia primaria.
Persistencia de aparición.
Porcentaje de ejecuciones u oleadas en las que la entidad aparece, sobre el total de ejecuciones válidas. Medida de frecuencia, no de estabilidad de la calidad. Sustituye al uso anterior de «consistencia» en el protocolo MEIA™.
Índice de consistencia.
Métrica de estabilidad de la calidad de la recomendación cuando la entidad aparece. Ver: Consistencia.
Índice ponderado de calidad.
Métrica que combina la escala ordinal de calidad (0–3) con la frecuencia de aparición, para distinguir marcas con alta frecuencia pero baja calidad de marcas con frecuencia media y alta calidad.
Tasa de aparición.
Proporción de respuestas en las que la entidad aparece. Equivalente operativo de Persistencia de aparición.
Escala ordinal de calidad.
Escala de cuatro niveles (0–3) para codificar la calidad de la recomendación. Requiere juicio humano; no es automatizable como la codificación binaria.
Codificación binaria.
Regla que asigna «aparece / no aparece» a una respuesta. Automatizable.
Codificación ordinal.
Regla que asigna un nivel de la escala de calidad a una respuesta. Requiere juicio humano y, si participan dos investigadores, cálculo de acuerdo inter-codificador.
Regla de codificación.
Especificación explícita de cómo se asigna una categoría a una respuesta. Debe estar congelada antes de la recogida.
Unidad de análisis.
Nivel sobre el que se calculan los intervalos de confianza. En NEXARA, la unidad es el prompt, no la ejecución individual.
Intervalo de confianza.
Rango que refleja la incertidumbre muestral de una métrica. Debe calcularse agrupando por prompt (o mediante modelos jerárquicos), no sobre el total de registros.
Acuerdo inter-codificador.
Grado de coincidencia entre dos codificadores independientes. Se mide con Kappa de Cohen, relevante solo para la escala ordinal, no para la codificación binaria automatizable.
Kappa de Cohen.
Estadístico de acuerdo entre codificadores. No es un umbral universal; su valor de referencia (0,8) es orientativo y depende del tipo de codificación.
Protocolo experimental
Protocolo.
Documento que especifica prompts, ejecuciones, modelos, versiones, reglas de codificación, unidad de análisis y criterios de fiabilidad. Se congela antes de la recogida.
Protocolo congelado.
Protocolo cuya versión no puede modificarse durante la recogida. Cualquier cambio exige nueva versión.
Corpus de prompts.
Conjunto de consultas que se ejecutarán sobre los modelos. En NEXARA: 20 prompts experimentales + 5 de control, en cuatro categorías.
Categorías del corpus.
Descubrimiento espontáneo, comparación directa, resolución de problemas y validación de marca.
No son equivalentes: la categoría de validación de marca mide reconocimiento provocado, no visibilidad espontánea. Se reportan separadas.
Prompt de control neutro.
Consulta trivial (p. ej. «¿cuál es la capital de Australia?») usada como referencia mínima de variabilidad. No mide el ruido general del modelo.
Ejecución.
Cada consulta individual a un modelo. En NEXARA: 5 ejecuciones por prompt y modelo.
Oleada.
Conjunto de ejecuciones realizadas en un momento temporal definido T0, T1, T2…
Día 0.
Inicio de la recogida de datos de la Fase 0. Los plazos de 30, 60 y 90 días se cuentan desde el Día 0.
Fase 0.
Base inicial concentrada de dos semanas que asienta procedimientos y genera línea base. No extrae conclusiones definitivas.
Línea base (baseline).
Medición inicial contra la que se comparan las mediciones posteriores.
Preregistro.
Documento público, depositado antes de la recogida, que fija hipótesis, criterios de falsación, tamaño muestral, unidad de análisis y umbral de éxito. Sin sello de tiempo externo y enlace verificable no cumple su función.
Criterio de falsación.
Condición explícita que, si se cumple, obliga a rechazar la hipótesis. Debe fijarse antes de ver los resultados.
Hipótesis H1.
«La consistencia de la recomendación en el Día 0 predice la dirección de la visibilidad a 30 días, superando el baseline de persistencia.» Criterio de falsación: mejora < 10 pp sobre baseline → se rechaza.
Nota: el umbral de 10 pp es provisional y requiere análisis de potencia.
Doble codificación ciega.
Procedimiento en el que dos investigadores codifican de forma independiente sin conocer la codificación del otro.
Registro de versión del modelo.
Anotación de la versión exacta del LLM en cada ejecución. Mitiga, pero no elimina, la variabilidad por actualizaciones silenciosas.
Investigación predictiva PCI™
Baseline de persistencia.
Suposición ingenua de que la visibilidad futura será igual a la presente. Una señal solo es predictiva si mejora de forma estadísticamente verificable la predicción frente a este baseline.
Señal predictiva.
Variable observable del presente que mejora la predicción de un resultado futuro frente al baseline de persistencia, de forma estadísticamente verificable.
Capacidad predictiva.
Propiedad de un método que anticipa cambios futuros con precisión superior al baseline. No se confunde con estabilidad.
Estabilidad.
Persistencia de un patrón observado a lo largo del tiempo. No implica capacidad predictiva.
Reconocimiento (Recognition, en PCI-L01).
Detección persistente de la cadena textual de la entidad. En PCI-L01 se midió con tasa de persistencia del 100%, pero condicionada por prompts que incluían el nombre de la entidad.
No equivale a resolución correcta.
Reconocimiento provocado.
Reconocimiento que depende de que el prompt incluya el nombre de la entidad. Mide validación de marca, no visibilidad espontánea.
Emergencia espontánea.
Aparición de la entidad en respuestas a prompts que no la mencionan. Es la medida relevante de visibilidad real.
Matriz de transiciones temporales.
Representación de los cambios de estado de una señal entre oleadas. Permite distinguir estabilidad de cambio real.
Oleada T0–T3 (PCI-L01).
Primera fase del piloto longitudinal, concluida. T4–T7 son las oleadas de continuación.
PCI-L01.
Piloto exploratorio de investigación predictiva. Concluido en su primera fase sin demostrar capacidad predictiva superior al baseline. No es una validación generalizable.
Prospective Locked Prediction Protocol.
Documento que fija predicciones antes de observar los resultados. Su existencia implica que el estudio continúa; no debe describirse PCI-L01 como «concluido» sin matizarlo.
Evidencia y epistemología MEIA™
Estatus evidencial.
Grado de respaldo de una afirmación: observación, evidencia, interpretación, hipótesis o conclusión. MEIA™ exige que cada afirmación declare el suyo.
Cadena de evidencia.
Secuencia: material bruto → evidencia → observación → anotación → interpretación → hipótesis → métrica/modelo → validación → conclusión.
Observación.
Registro directo de un fenómeno, sin interpretación.
Evidencia.
Observación documentada con protocolo, versión de modelo, límites y grado de confianza.
Interpretación.
Lectura de la evidencia que va más allá de lo observado. Debe declararse como tal.
Conclusión.
Afirmación que sintetiza evidencia e interpretación. No puede tener un estatus evidencial superior al de la evidencia que la sustenta.
Trazabilidad.
Capacidad de reconstruir cómo se generó cada afirmación: qué se observó, con qué protocolo, en qué versión del modelo, con qué límites.
Falsabilidad.
Propiedad de una hipótesis que puede ser refutada por evidencia. PCI™ la exige explícitamente.
Reproducibilidad.
Propiedad por la que dos investigadores con el mismo protocolo obtienen resultados comparables. Es una hipótesis a contrastar, no una propiedad ya presente.
Replicación independiente.
Repetición del estudio por un equipo ajeno al original. Es el criterio de validación externa de un estándar.
Documentación pública.
Publicación de protocolo, corpus, criterios de codificación, versiones y datos anonimizados que permite a un tercero replicar el estudio.
Gobernanza, versionado y licencias
Versión.
Identificador (v0.1, v0.2, v1.0…) que distingue una formulación de otra. Toda modificación sustantiva exige nueva versión.
Estado.
Situación de un término o marco: vigente, en revisión, obsoleto.
Definición canónica.
Definición oficial y única de un término en el glosario. Prevalece sobre cualquier formulación anterior en artículos o páginas del sitio.
Definición obsoleta.
Formulación anterior sustituida por la canónica. Se conserva solo para trazabilidad histórica.
Vocación de estándar.
Condición de un marco que aspira a ser estándar sin serlo todavía. Requiere especificación pública, implementación compartida, datos de prueba y replicación externa.
Estándar abierto.
Marco con especificación pública, gobernanza definida, licencia explícita y proceso de participación externa. No se alcanza por denominación.
Licencia de uso.
Régimen que especifica qué puede hacer un tercero con la especificación de un marco: uso, atribución, reproducción, modificación.
Condiciones de uso.
Términos concretos de la licencia. La vocación de apertura no equivale a ausencia de condiciones.
Fuente única de verdad.
Documento maestro (el glosario) al que se remiten todos los artículos. Si un artículo contradice el glosario, prevalece el glosario.
Banner de estado.
Aviso al inicio de cada artículo que enlaza al glosario y establece su prioridad interpretativa.
Naturaleza del proyecto.
Declaración de que el artículo presenta un ecosistema metodológico desarrollado por el autor, no una revisión independiente de marcos ajenos.
Términos del ecosistema y navegación
Ecosistema metodológico.
Conjunto de marcos AVM™, EIDAI™, ERIA™, PCI™, MEIA™ que se complementan y comparten principios de transparencia, reproducibilidad y evidencia.
Núcleo operativo.
Cuatro marcos con funciones operativas (identidad, medición, observación, operacionalización). ERIA™ queda fuera como línea independiente.
Sinergia.
Interacción entre los marcos que transforma una pregunta difusa en un diagnóstico estructurado. Es una finalidad del ecosistema, no un resultado demostrado.
Investigación ejecutada.
Estudio que ha producido datos y resultados publicables EIDAI-P01/P02/P03, PCI-L01, experimentos AVM.
Modelo de aplicación experimental.
Diseño propuesto que aún no se ha ejecutado (NEXARA). Sus cifras son tamaño previsto, no datos obtenidos.
Escenario ilustrativo.
Caso hipotético usado para explicar un marco (Nexo, Vigía, Flux). No es resultado empírico.
NEXARA.
Modelo de aplicación experimental propuesto. No es un estudio ejecutado.
Fase 0 / Fase 1 / Fase 2 / Fase 3 / Fase 4 / Fase 5.
Etapas de ampliación del programa de investigación. Cada una solo se activa si la anterior supera sus criterios de fiabilidad.
Hoja de ruta.
Programa de ampliación por etapas. Los horizontes son orientativos; las compuertas son condiciones.
Tabla de versiones obsoletas
| Término | Variante obsoleta | Sustituida por | Versión de cambio |
| MEIA™ | Medición de Entidades en IA | Modelo de Evidencia e Investigación en IA | v1.1 |
| MEIA™ | Métrica de Evaluación de la Interacción con Asistentes | Modelo de Evidencia e Investigación en IA | v1.1 |
| MEIA™ | Diseño del Sistema de Evidencia y Verificación IA | Modelo de Evidencia e Investigación en IA | v1.1 |
| EIDAI™ | Entity Representation Framework | Identificación de Entidades en IA | v1.0 |
| Consistencia | Tasa de aparición | Persistencia de aparición | v1.1 |
| Alternativa secundaria | Nivel 2 de la escala | Alternativa destacada | v1.1
|
