Definición
Reentrenamiento parcial de un modelo de IA con datos específicos para especializarlo en un ámbito, un tono o una tarea.
El fine-tuning consiste en continuar el entrenamiento de un modelo existente con un corpus específico (jurisprudencia interna, historial de atención al cliente, documentación técnica) para mejorar su rendimiento en ese ámbito concreto.
Para la mayoría de los usos empresariales, el RAG es suficiente y resulta más sencillo de mantener (el conocimiento se actualiza reindexando los documentos, sin reentrenamiento). El fine-tuning conserva su interés para especializar un modelo open source local en un vocabulario sectorial o en un formato de salida muy restringido.
Un bufete de abogados reentrena un modelo con 2000 de sus propias cartas para que adopte el estilo y el vocabulario del despacho. Después, el modelo redacta primeros borradores que parecen escritos por el propio bufete.
Cuando necesita un tono, un formato o un vocabulario muy específicos y estables. Para dar a la IA acceso a sus documentos, el RAG es casi siempre más sencillo, más económico y más fácil de mantener al día.
¿Necesito hacer fine-tuning de un modelo para que conozca mi empresa?
Rara vez. En la mayoría de los casos, basta con conectar el modelo a sus documentos (RAG), lo que evita reentrenarlo con cada cambio. El fine-tuning se justifica para el estilo o para tareas muy repetitivas.
Todos los modelos de IA, desplegados en su infraestructura, con sus documentos conectados.