¿Cuándo conviene entrenar un modelo de IA?

¿Para qué entrenar un modelo de IA con tus datos?

Entendemos por entrenar no solo hacer un fine-tuning: incluimos todos los preparativos e instrumentos que nos permiten influir en el comportamiento de un modelo, como ya explicamos en publicaciones anteriores.

Todos los modelos ya están entrenados. Los open source, de manera más o menos profunda; y los gigantes, con un entrenamiento inalcanzable para el común de los mortales. ¿Entonces? ¿Para qué entrenar un modelo de IA con nuestros datos?

Entrenar tiene todo el sentido del mundo cuando queremos:

Calidad

Un nivel de calidad muy alto en las respuestas. Tan alto que, con el apoyo de métricas y salvaguardas, puedas dejar pasar resultados sin revisión humana.

Consistencia

Que ante un mismo input la respuesta sea siempre la misma.

Referencias

Que la IA, antes de responder, consulte siempre unas referencias concretas y se apoye en ejemplos propios.

Interpretación

Fijar un criterio y una mirada de negocio tuya, propia, al proceso para el que estás usando una IA.

Algunos ejemplos

Automatizar el procesado e interpretación de las notificaciones del juzgado

Con las notificaciones no se trata solo de obtener una serie de campos, como autos, juzgado, fechas o importes. Además queremos interpretar la notificación según nuestras reglas de negocio y catalogarla según nuestros hitos. Y esto debería ser innegociable, porque es nuestro know-how lo que está en juego. Quizás tu propuesta de valor está basada en el detalle y trabajas con 300 hitos, o quizás lo está en la simplificación y trabajas con 50. Para alinear la mirada de la IA con la tuya, necesitas entrenamiento. Para conseguir unos niveles de calidad superiores al 99%, también. Y para escupir los resultados dudosos y que el resto pueda pasar con seguridad, también. Esto mismo aplica a cualquier proceso documental complejo.

Generación de texto

Si vas a usar la inteligencia artificial para crear demandas, contestaciones a escritos, informes de solvencia, de viabilidad de una operación, planes de negocio, contratos, lo que sea, el entrenamiento es fundamental. Por buena que sea una IA genérica, no es adivina: no conoce tu estilo, tu formato, no entiende dónde debe focalizarse, qué argumentos refuerzan qué cosa, qué funcionó en el pasado y qué no. Todo cambia cuando le inyectas ejemplos propios, cuando controlas las referencias que consulta, cuando le ofreces una biblioteca de argumentos trabajados y estructuras toda tu experiencia en archivos consumibles por el modelo.

Agentes LLM

Un agente que funcione solo con un prompt es un mono con dos pistolas. Cuando controlas el tono, las referencias que consulta, cuando catalogas las conversaciones y construyes un inventario con las mejores, cuando etiquetas las interacciones y el agente puede consultar conversaciones exitosas en contextos similares, cuando sabe exactamente cuándo debe escalar una petición y cuándo puede resolverla, estás mucho más cerca de tener un agente resolutivo, seguro, eficiente y que realmente te descargue de tareas repetitivas.

Búsqueda

Si quieres buscar entre 40.000 contratos cuáles contienen una cláusula que puede estar escrita de infinitas maneras pero que siempre significa lo mismo, necesitas un RAG. Esto aplica a sentencias, informes, estudios… Si quieres que la IA te ayude a localizar algo específico y no determinista dentro de una gran base de datos o archivo documental, necesitas entrenamiento.

En definitiva

Cuanto más complejo es el proceso y más específica y personal es la salida que necesitas, más valor aporta el entrenamiento. Y cuanta más calidad, seguridad y consistencia necesites, más valor aporta el entrenamiento.