Desarrollo de aplicaciones LLM a medida
Creamos soluciones de recuperación, flujos asistidos por herramientas y aplicaciones de IA concretas con criterios explícitos de calidad, coste y revisión. El modelo es una parte del sistema, no el producto por sí solo.
«¿Qué condiciones contractuales se aplican a esta renovación y dónde están documentadas?»
Empezar por la decisión
Primero comprobamos si la ambigüedad del lenguaje, el conocimiento disperso o la coordinación entre sistemas son el verdadero cuello de botella. Un flujo determinista suele ser más económico y fiable.
Si un LLM no aporta un valor medible, lo indicamos antes de consumir presupuesto en un piloto.
Buen encaje
Conviene un sistema más sencillo
Decisiones de arquitectura
«A medida» rara vez significa entrenar un modelo fundacional desde cero. La solución adecuada puede ser automatización convencional, recuperación, uso controlado de herramientas o fine-tuning específico.
Sin modelo
Las reglas, plantillas y APIs son mejores cuando la entrada y el resultado esperado ya están estructurados.
RAG
La aplicación recupera fragmentos relevantes en cada solicitud y exige que la respuesta los cite.
Acciones controladas
El modelo puede seleccionar herramientas aprobadas; la autorización, validación y las acciones relevantes permanecen fuera del modelo.
Requiere evidencia
El fine-tuning puede mejorar un comportamiento o formato concreto, pero no sustituye la recuperación, los permisos ni los controles de aplicación.
Sistemas de ejemplo
Son patrones de solución, no casos de éxito inventados. Cada uno parte de una tarea acotada y muestra el punto de control.
Prepara una respuesta con documentación, contexto del cliente e incidencias conocidas sin mostrar contenido al que el agente no puede acceder.
Extrae términos, los compara con la política y deriva cláusulas ambiguas en lugar de imponer una respuesta segura.
Responde preguntas operativas y prepara una acción aprobada sin dar al modelo acceso de escritura ilimitado.
Calidad antes del lanzamiento
Un conjunto de evaluación representativo convierte «las respuestas parecen buenas» en una decisión trazable. También descubre regresiones al cambiar prompts, fuentes o proveedores.
Cada fila muestra qué se mide y por qué importa.
Datos y operación
El hosting y el proveedor pueden variar. La claridad sobre acceso, retención, cambios del modelo y responsabilidad operativa no debe variar.
El modelo operativo permanece explícito con cualquier opción de despliegue.
La ubicación de datos, los derechos del modelo y las condiciones del proveedor se documentan para la arquitectura elegida, no se prometen en abstracto.
Modelo de entrega
Reducimos la incertidumbre en orden. El primer hito es un recorrido vertical medido, no una plataforma de IA general.
Definir proceso, referencia, riesgo, responsable y alternativas más simples.
Reunir ejemplos representativos, permisos de fuentes y criterios de aceptación.
Conectar solo los datos y herramientas necesarios para probar el camino completo.
Medir calidad, coste y latencia; añadir monitorización, revisión y reversión.
Preguntas prácticas
La respuesta depende del proceso y del riesgo, pero la decisión debe ser explícita antes de implementar.
Normalmente no. Primero probamos un modelo fundacional adecuado con recuperación, herramientas y controles de aplicación. Solo consideramos fine-tuning cuando la evidencia muestra una carencia estable.
Depende del modelo y de los requisitos operativos. Comparamos APIs gestionadas, nube privada y self-hosting según límites de datos, coste, latencia y mantenimiento.
Un proceso acotado suele poder evaluarse en varias semanas si existen fuentes, responsables y ejemplos de revisión. Confirmamos el alcance tras comprender los datos y la integración.
Acotamos la tarea, fundamentamos respuestas en fuentes aprobadas, exigimos citas cuando procede y diseñamos alternativas para la incertidumbre. La evaluación mide los fallos restantes; ningún control hace infalible al modelo.
Sus datos siguen siendo suyos. Los derechos sobre código, prompts, evaluaciones, pesos ajustados y modelos de terceros se documentan para la tecnología y el contrato elegidos.
