Saltar al contenido

Ajuste fino (fine-tuning)

Adrià Castany 2 min

¿Qué es el ajuste fino?

El ajuste fino o fine-tuning es el proceso de seguir entrenando un modelo de lenguaje ya entrenado con ejemplos propios, para que adopte un estilo, un formato o una tarea concreta. Cambia el modelo por dentro. No le da acceso a información actualizada, que es lo que hace la recuperación de documentos.

También se llama

fine-tuning, fine tuning, afinado, reentrenamiento

Tema
IA aplicada al soporte
En esta página
  1. Ajuste fino y RAG
  2. Por qué importa
  3. Ajuste fino frente a RAG
  4. Cuándo tiene sentido el ajuste fino
  5. Cuándo no
  6. Las preguntas sobre los datos
  7. Cómo lo resuelve Intake
  8. Preguntas frecuentes

Ajuste fino y RAG

El ajuste fino enseña al modelo cómo responder.

El RAG le da en cada pregunta el contenido con el que responder. Si la documentación cambia, con RAG basta con actualizar el documento, y con ajuste fino habría que volver a entrenar. Para que un agente de atención al cliente conozca el producto, lo que se usa es RAG.

Por qué importa

Mucha gente da por hecho que poner una IA en soporte exige entrenarla con los datos de la empresa.

Casi nunca es así, y creerlo retrasa proyectos y despierta dudas legales que no tocan. Saber qué resuelve el ajuste fino y qué no permite hacer la pregunta correcta a un proveedor. Dónde busca la respuesta el agente y si las conversaciones se usan para entrenar algo.

Ajuste fino frente a RAG

Son dos formas de adaptar un modelo, y resuelven problemas distintos.

Ajuste finoRAG
Qué cambiaEl propio modeloLo que el modelo lee al responder
Sirve paraEstilo, formato y tareas repetidasConocimiento que cambia
Al cambiar el contenidoHay que volver a entrenarSe actualiza el documento
Cita la fuenteNoSí, el fragmento usado
Datos necesariosMuchos ejemplos bien escogidosLa documentación existente

Cuándo tiene sentido el ajuste fino

El ajuste fino compensa en tres casos.

  • Una tarea estrecha y repetida, como clasificar conversaciones por tema.
  • Un formato de salida muy estricto que el modelo no respeta con instrucciones.
  • Un volumen muy alto, donde un modelo pequeño ajustado sale más barato.

Cuándo no

No sirve para que el modelo sepa los precios, las políticas o el estado de una cuenta.

Esa información cambia y debe consultarse en el momento. Tampoco evita las alucinaciones. Un modelo ajustado responde con el tono de la empresa también cuando se inventa el dato.

Las preguntas sobre los datos

Antes de un ajuste fino hay que saber qué conversaciones se usan como ejemplos, si contienen datos personales y quién conserva el modelo resultante.

Con RAG esas preguntas son más sencillas, porque el modelo no se modifica.

Cómo lo resuelve Intake

Preguntas frecuentes

¿Qué es el fine-tuning?

El ajuste fino de un modelo de lenguaje. Se parte de un modelo ya entrenado y se le entrena un poco más con ejemplos propios para que haga mejor una tarea concreta.

¿Qué es mejor, fine-tuning o RAG?

Depende del problema. Para que el modelo conozca información que cambia, RAG. Para fijar un estilo o una tarea muy repetida, ajuste fino. En atención al cliente, lo habitual es RAG con unas buenas instrucciones.

¿Hay que entrenar un modelo para tener un agente de IA en soporte?

No. Un agente de IA de atención al cliente suele usar un modelo general, las instrucciones de la empresa y su documentación, que consulta en cada respuesta.

¿El ajuste fino elimina las alucinaciones?

No. Las reduce en la tarea para la que se ajustó, pero el modelo sigue pudiendo inventar un dato que no tiene. Para eso sirve darle la fuente en el momento de responder.

Glosario

Sigue leyendo

Glosario

Términos relacionados

Ver el glosario completo

Intake, sin dejar las herramientas de siempre

15 minutos, sin compromiso