Fine-Tuning: Cómo enseñarle a la IA tu oficio

Todo modelo de IA empieza siendo generalista. GPT-4 ha leído millones de libros y artículos — conoce las reglas del inglés, algo de matemáticas, un poco de medicina, un poco de derecho. Pero no es especialista. Es esa prima que puede arreglar una llave que gotea, cambiarle el aceite al carro y ayudarte a armar muebles de IKEA. Buena en todo. No la mejor en nada.

El fine-tuning toma ese modelo general y le enseña algo específico. Le das cientos o miles de ejemplos — cien facturas, mil escritos legales, unas cuantas descripciones de productos — y el modelo ajusta sus pesos internos para que coincida. No se está reescribiendo el modelo desde cero. Le estás enseñando tu oficio particular.

Piensa en un chef que ya conoce las técnicas francesas, italianas y mexicanas. No lo empiezas de cero. Le das la receta de mole de tu abuela, las reglas de tu abuela para cuándo agregar el chile, y practican juntos. Después de un tiempo, él hace tu mole mejor que tú.

Por eso un modelo fine-tuned puede escribir escritos legales en el estilo que usa tu firma, o traducir expedientes médicos con más precisión, o generar descripciones de productos que suenen como tu marca. Es el mismo modelo por dentro, pero ha aprendido tus patrones.

El fine-tuning es más barato que entrenar un modelo desde cero, y usualmente toma días, no meses. Necesitas ejemplos de calidad — no cantidad. Cien buenos ejemplos vencen a mil descuidados.

La pega: tienes que tener los ejemplos, y tienen que estar limpios. Basura entra, basura sale, incluso cuando el modelo base es inteligente.

Si estás usando la IA para algo específico — soporte al cliente, contenido, entrada de datos — el fine-tuning probablemente vale la pena. Empieza con diez buenos ejemplos y mira qué hace. Si la salida se ve como si perteneciera a tu trabajo, vas por buen camino.

Por qué nos importa: