Abrir menú de navegación
AIDive
ES
Iniciar sesión
Volver al glosario

Qué es la pragmática

Procesamiento del lenguaje natural

Estudio de cómo el significado del lenguaje depende del contexto, la intención y el uso social.

Definición

La pragmática es el estudio de cómo el significado del lenguaje depende del contexto, la intención y el uso social. En el trabajo práctico con IA, ayuda a relacionar un concepto con los datos, el comportamiento del modelo, las decisiones del producto y la evaluación. La pregunta útil no es solo qué significa el término, sino cómo afecta a la calidad, el coste, la fiabilidad y el riesgo en un flujo de trabajo real.

Ejemplo

Un sistema de texto o voz usa la pragmática para procesar la entrada del usuario y devolver una respuesta que se ajuste mejor a la tarea y al lenguaje.

Por qué importa

La pragmática importa porque el estudio de cómo el significado del lenguaje depende del contexto, la intención y el uso social puede cambiar la forma en que los equipos construyen, evalúan o eligen sistemas de IA.

Cómo funciona

El texto o la voz se limpia, se segmenta, se representa como características o embeddings y luego se usa para análisis, búsqueda o generación. En el caso de la pragmática, lo clave es relacionar la definición con los datos de entrada, los supuestos, los resultados medibles y los límites de despliegue.

Dónde se usa

  • Se usa en traducción, analítica de texto, búsqueda, extracción de entidades, clasificación, flujos de trabajo de voz y herramientas de escritura.

Limitaciones

Los sistemas de lenguaje pueden perder contexto, tener dificultades con términos de un dominio concreto, inventar detalles o fallar con entradas ruidosas.

FAQ

¿Por qué es útil conocer la pragmática?

La pragmática importa porque el estudio de cómo el significado del lenguaje depende del contexto, la intención y el uso social puede cambiar la forma en que los equipos construyen, evalúan o eligen sistemas de IA.

¿Cómo se debe evaluar la pragmática en la práctica?

Empieza por la tarea concreta y después revisa los datos, los supuestos, las métricas, las limitaciones y el coste de los errores antes de confiar en el resultado.