![\"Imagen](\"https:\/\/es.abstracta.us\/wp-content\/uploads\/2024\/05\/image-1024x439.png\")
<\/figure><\/div>\n\n\n\u00bfQu\u00e9 es la Inteligencia Artificial Generativa (GenAI)? Poder comprender a fondo sus conceptos claves es fundamental no solo para lograr que tu negocio est\u00e9 a la vanguardia, sino para que mantengas e incrementes tus niveles de competitividad y sostenibilidad.<\/strong><\/p>\n\n\n\n Las m\u00faltiples aplicaciones de la Inteligencia Artificial Generativa nos ofrecen capacidades sin precedentes<\/strong> en procesamiento de lenguaje, im\u00e1genes, v\u00eddeo y audio naturales, aplicables a todas las industrias y \u00e1mbitos del conocimiento.<\/p>\n\n\n\n Ya sea que tengas un rol de l\u00edder en una empresa o formes parte de un experimentado equipo de desarrollo y testing, entender los fundamentos de la GenAI y sus aplicaciones puede mejorar significativamente la calidad de tus proyectos y soluciones, as\u00ed como tu productividad y ROI.<\/strong><\/p>\n\n\n\n \u00bfComenzamos?<\/p>\n\n\n\n \u00a1Te invitamos a explorar nuestro servicio personalizado de <\/strong>AI Software Development & Copilots<\/strong><\/a>!<\/strong><\/p>\n\n\n\n La inteligencia artificial generativa es un tipo de IA que tiene la capacidad de crear contenido nuevo y original a partir del an\u00e1lisis de grandes vol\u00famenes de datos<\/strong>. Aprende de datos existentes y genera resultados que no son copias exactas, sino nuevas creaciones inspiradas en esos datos.<\/p>\n\n\n\n El desarrollo de esta tecnolog\u00eda ha avanzado significativamente, impulsado por mejoras en algoritmos y el aumento exponencial de su capacidad de procesamiento. Este avance permite crear soluciones innovadoras, personalizadas y eficientes, que impactan positivamente en m\u00faltiples industrias, negocios y \u00e1reas del conocimiento.<\/strong><\/p>\n\n\n\n Los grandes modelos de lenguaje (LLMs), como GPT-4 y Gemini, son sistemas avanzados de inteligencia artificial dise\u00f1ados para entender y generar texto, im\u00e1genes, v\u00eddeo y audio de manera similar a los humanos.<\/strong><\/p>\n\n\n\n GPT-4, desarrollado por OpenAI, y Gemini, creado por Google, son ejemplos espec\u00edficos de LLMs que demuestran la capacidad de estas tecnolog\u00edas para producir resultados que potencian a los humanos en una variedad de aplicaciones.<\/p>\n\n\n\n OpenAI<\/strong>, una organizaci\u00f3n l\u00edder en la investigaci\u00f3n de IA, ha sido responsable de crear GPT-4, entre otras tecnolog\u00edas de IA revolucionarias.<\/strong> Esta organizaci\u00f3n mantiene una fuerte alianza con Microsoft, lo que le permite avanzar a\u00fan m\u00e1s en sus investigaciones y desarrollos en el campo de la inteligencia artificial.<\/p>\n\n\n\n Por otro lado, Google, con su modelo Gemini, tambi\u00e9n contribuye significativamente al progreso de los LLMs<\/strong>, mediante la colaboraci\u00f3n y competencia entre gigantes tecnol\u00f3gicos para impulsar los l\u00edmites de lo que la IA puede lograr.<\/p>\n\n\n\n La GenAI, o Inteligencia Artificial Generativa, abarca estas y otras diversas tecnolog\u00edas que simulan procesos de inteligencia humana en m\u00e1quinas.<\/strong> Este campo amplio y en constante evoluci\u00f3n promete transformar radicalmente no solo c\u00f3mo interactuamos con las m\u00e1quinas, sino tambi\u00e9n c\u00f3mo estas pueden ayudarnos a resolver problemas complejos, innovar en la creaci\u00f3n de contenido y mejorar innumerables aspectos de nuestra vida cotidiana y profesional.<\/p>\n\n\n\n Los copilotos, asistentes y GPTs son herramientas que aprovechan la IA avanzada para mejorar la productividad y eficiencia en los negocios de diferentes maneras.<\/p>\n\n\n\n Son programas impulsados por IA que ayudan a gestionar agendas, manejar comunicaciones, realizar diversas actividades administrativas y buscar informaci\u00f3n relevante en documentos o p\u00e1ginas web.<\/p>\n\n\n\n Los asistentes no se basan \u00fanicamente en el material proporcionado, sino que tambi\u00e9n puede acceder y procesar informaci\u00f3n de fuentes externas, como documentos o p\u00e1ginas web, para proporcionar asistencia m\u00e1s completa y contextualizada.<\/p>\n\n\n\n Esto los hace herramientas poderosas para mejorar la productividad y eficiencia en diversos entornos de trabajo.<\/p>\n\n\n\n Son versiones personalizadas de ChatGPT, que combinan instrucciones, conocimiento adicional y cualquier combinaci\u00f3n de habilidades como interpretaci\u00f3n de c\u00f3digo, navegaci\u00f3n web y APIs externas, para resolver tareas espec\u00edficas.<\/p>\n\n\n\n Estos GPTs<\/strong><\/a> son asistentes de IA especializados para diferentes actividades<\/strong>. No sabemos por qu\u00e9, OpenAI decidi\u00f3 llamar “Asistentes<\/a>” a un concepto similar de GPTs, pero con la diferencia de que solo puedes llamar a estos asistentes por API en lugar de usarlos en el frontend<\/em> de chatGPT.<\/p>\n\n\n\n Los GPTs pueden publicarse en GPTs Store<\/a>, de OpenAI, y pueden ser compartidos con otras personas que tengan una cuenta y quieran utilizarlos.<\/p>\n\n\n\n Si hacemos un paralelismo con el tiempo presente, podemos preguntarnos si, en el futuro, que una empresa no tenga GPTs configurados para sus necesidades no sea equivalente a carecer de aplicaciones, cuentas en redes sociales o sitios web.<\/p>\n\n\n\n Esto es una analog\u00eda poderosa que resalta la creciente relevancia de la inteligencia artificial en el mundo empresarial.<\/p>\n\n\n\n Son sistemas impulsados por IA dise\u00f1ados para apoyar a profesionales<\/strong> mediante la automatizaci\u00f3n de tareas y el ofrecimiento de sugerencias para optimizar flujos de trabajo. Si bien comparten capacidades con GPTs y asistentes, presentan una diferencia fundamental: comparten “el contexto” con la persona que ejerce el rol de piloto (es decir, contigo).<\/p>\n\n\n\n \u00bfQu\u00e9 es exactamente ‘el contexto’? Podr\u00eda ser cualquier cosa, desde tu pantalla, tu transmisi\u00f3n de audio, tu c\u00e1mara o cualquier otra informaci\u00f3n que t\u00fa, como piloto, est\u00e9s recibiendo. Esta informaci\u00f3n se env\u00eda simult\u00e1neamente al copiloto.<\/p>\n\n\n\n El copiloto puede acceder a este contexto y, con el acuerdo del piloto, ejecutar acciones dentro de este contexto. Esto permite que el copiloto trabaje en tiempo real codo a codo contigo y te ayude de manera no solo inteligente sino tambi\u00e9n sumamente eficiente.<\/strong><\/p>\n\n\n\n Microsoft<\/a> lidera el desarrollo de copilotos integrando estos copilotos en cada producto.<\/p>\n\n\n\n Las bases de datos de vectores y las incrustaciones son herramientas cruciales para manejar y utilizar datos complejos en los negocios.<\/strong><\/p>\n\n\n\n Son una forma de representar datos, como texto o im\u00e1genes, como vectores num\u00e9ricos en un espacio de alta dimensi\u00f3n, en busca de capturar la esencia y las relaciones de los puntos de datos.<\/strong><\/p>\n\n\n\n Por ejemplo, en una rese\u00f1a de cliente, la incrustaci\u00f3n convertir\u00eda el texto en un vector que representa el sentimiento y el contexto de la rese\u00f1a. Las bases de datos de vectores almacenan estas incrustaciones de manera eficiente, y permiten una recuperaci\u00f3n r\u00e1pida, as\u00ed como b\u00fasquedas de similitud y sem\u00e1ntica.<\/p>\n\n\n\n Esto significa que las empresas pueden encontrar y analizar r\u00e1pidamente puntos de datos relacionados, como identificar comentarios de clientes similares o encontrar documentos relevantes, mejorando la toma de decisiones y las experiencias personalizadas de los clientes.<\/p>\n\n\n\n En el contexto de la IA y los LLMs, los tokens son las unidades fundamentales de informaci\u00f3n (texto e imagen) que el modelo procesa.<\/strong><\/p>\n\n\n\n Piensa en los tokens como piezas de palabras o caracteres. Por ejemplo, en la oraci\u00f3n “La inteligencia artificial est\u00e1 transformando los negocios”, cada palabra podr\u00eda considerarse un token. Los LLMs como GPT-4 descomponen el texto en estos tokens para entender y generar lenguaje.<\/p>\n\n\n\n El n\u00famero de tokens afecta el tiempo de procesamiento y el costo del modelo.<\/strong> M\u00e1s tokens significan m\u00e1s complejidad y computaci\u00f3n. Para las empresas, comprender los tokens ayuda a gestionar la eficiencia y el costo de usar modelos de IA para actividades como la generaci\u00f3n de contenido, procesamiento e interpretaci\u00f3n de datos e interacciones con clientes.<\/p>\n\n\n\n El concepto de Generaci\u00f3n Aumentada por Recuperaci\u00f3n (RAG<\/a>) es clave en la Inteligencia Artificial Generativa. Se trata de un enfoque innovador que combina t\u00e9cnicas de recuperaci\u00f3n de informaci\u00f3n con modelos de lenguaje generativo (LLMs)<\/strong>, como aquellos capaces de entender y generar m\u00e1s de una docena de idiomas, para mejorar la calidad y relevancia del texto generado.<\/p>\n\n\n\n Al acceder a fuentes de conocimiento externas (generalmente almacenadas en bases de datos vectoriales), RAG permite a los modelos producir contenido m\u00e1s preciso, informativo y contextualmente relevante.<\/strong><\/p>\n\n\n\n RAG opera a trav\u00e9s de una serie de pasos, los cuales inicia con la recuperaci\u00f3n de informaci\u00f3n relevante de vastas bases de datos. Esta informaci\u00f3n se preprocesa e integra en el LLM, para mejorar su comprensi\u00f3n del tema.<\/p>\n\n\n \u00bfEl resultado? Un modelo generativo que puede acceder a la informaci\u00f3n m\u00e1s actualizada, fundamentada en conocimientos f\u00e1cticos, y capaz de generar respuestas con una relevancia contextual y consistencia f\u00e1ctica sin igual.<\/strong><\/p>\n\n\n\n Es importante se\u00f1alar que no todas las consultas o requisitos pueden resolverse eficazmente utilizando un enfoque LLM universal.<\/strong><\/p>\n\n\n\n Tal como explica este art\u00edculo de LangChaing<\/a>, con frecuencia es necesario usar herramientas de IA espec\u00edficas<\/strong>, como por ejemplo en tareas que necesitan datos de otros sistemas o involucran c\u00e1lculos matem\u00e1ticos complicados. Esto ayuda a que las aplicaciones de Inteligencia Artificial Generativa sean eficientes y personalizadas, para satisfacer los requisitos \u00fanicos de cada proyecto.<\/p>\n\n\n\n El sistema basado en LLM puede responder a una solicitud utilizando herramientas espec\u00edficas o informaci\u00f3n RAG para completar la respuesta. Estas herramientas podr\u00edan ejecutar tu c\u00f3digo existente o conectarse a APIs existentes en tus servicios de backend<\/em> como CRM o ERP.<\/p>\n\n\n\n \u00a1No te pierdas este art\u00edculo! Probando aplicaciones potenciadas con el uso de la Inteligencia Artificial Generativa<\/a><\/p>\n\n\n\n La Inteligencia Artificial Generativa ofrece flexibilidad en c\u00f3mo utilizar los modelos. Las empresas a menudo enfrentan la decisi\u00f3n de si entrenar sus propios modelos, aprovechar los modelos preentrenados existentes, o simplemente ajustar un modelo preentrenado.<\/p>\n\n\n\n Esta elecci\u00f3n depende de varios factores, como los requisitos espec\u00edficos del caso de uso, la disponibilidad de datos y los recursos disponibles.<\/strong><\/p>\n\n\n En nuestra experiencia, y seg\u00fan la informaci\u00f3n de Microsoft, el 90% de los casos de uso pueden resolverse con RAG y la ingenier\u00eda de solicitudes.<\/strong><\/p>\n\n\n\n Esto es una buena noticia, ya que el ajuste fino requiere muchos datos y el proceso de entrenamiento no solo exige datos de calidad sino que tambi\u00e9n consume recursos de hardware significativos, como la capacidad de GPU.<\/p>\n\n\n\n Al considerar si entrenar modelos espec\u00edficos desde cero o ajustar un modelo existente, es importante comprender que existen distintos escenarios que podr\u00edan llevar a diferentes recomendaciones.<\/p>\n\n\n\n Compartimos c\u00f3mo tus escenarios pueden alinearse con estos enfoques:<\/strong><\/p>\n\n\n\n Ajustar un modelo:<\/strong> En resumen, la elecci\u00f3n entre entrenar modelos espec\u00edficos desde cero y ajustar un modelo existente depende de los requisitos espec\u00edficos del proyecto, en consideraci\u00f3n de la latencia, el tama\u00f1o del modelo y las restricciones de hardware.<\/strong><\/p>\n\n\n\n Algo que nos gustar\u00eda destacar es que cuando entrenamos o ajustamos un modelo, los datos utilizados en este proceso se incorporan al modelo y no podemos controlar qui\u00e9n puede acceder a estos datos. Todas las personas que usan estos modelos podr\u00edan acceder a estos datos.<\/p>\n\n\n\n En Inteligencia Artificial Generativa, existen tanto por modelos de c\u00f3digo abierto (tambi\u00e9n llamados open-source<\/em>) como propietarios.<\/p>\n\n\n\n Los modelos de c\u00f3digo abierto, tales como Llama3, Vicu\u00f1a y Alpaca, nos permiten ejecutar estos modelos en nuestra propia infraestructura. Por su lado, los modelos propietarios, como GPT4, GPT4o, Claude y Gemini, solo est\u00e1n disponibles en los proveedores de nubes como Azure y OpenAI.<\/p>\n\n\n\n Ejecutar los modelos en nuestra propia infraestructura podr\u00eda reducir el costo (en algunos escenarios con uso intensivo de los modelos) y darnos m\u00e1s control sobre los datos sensibles.<\/p>\n\n\n\n Elegir entre estas opciones implica considerar los requisitos de seguridad del proyecto, el presupuesto y el nivel deseado de personalizaci\u00f3n.<\/strong><\/p>\n\n\n\n Cuando fomentamos una nueva iniciativa de LLM, necesitamos entender los costos relativos asociados con este tipo de sistema. Tenemos costos similares con respecto a los equipos que desarrollan y mantienen el sistema, y tambi\u00e9n necesitamos contemplar los costos asociados con el uso de los LLMs.<\/p>\n\n\n\n Si bien este costo espec\u00edfico seguir\u00e1 disminuyendo, necesitamos tener seguridad sobre el ROI del nuevo sistema de IA.<\/strong><\/p>\n\n\n\n El costo del Modelo de Lenguaje Grande depende de cu\u00e1ntos tokens estamos usando, el modelo de LLM que estamos empleando, el proveedor del modelo y si estamos hospedando el modelo en nuestra infraestructura (modelo de c\u00f3digo abierto).<\/p>\n\n\n\n Por esta raz\u00f3n, una caracter\u00edstica importante que todos los sistemas de LLM tienen que implementar es la observabilidad del uso y los costos de cada modelo.<\/p>\n\n\n\n A continuaci\u00f3n, compartimos algunas caracter\u00edsticas importantes para controlar el presupuesto en tu proyecto con LLMs son:<\/strong><\/p>\n\n\n\n Si manejar temas de privacidad y presupuesto son importantes para tu negocio, te invitamos a explorar <\/strong>PrivateGPT<\/strong><\/a>, una soluci\u00f3n que hemos desarrollado en Abstracta que te permite acceder a diferentes LLMs de manera segura y control de presupuesto.<\/strong><\/p>\n\n\n\n En el \u00e1mbito de la GenAI, la seguridad y privacidad de los datos son primordiales.<\/p>\n\n\n\n Por ello, es esencial saber que podemos usar LLMs a trav\u00e9s de APIs ofrecidas por Azure<\/strong>, que pone a disposici\u00f3n los nuevos modelos de OpenAI muy r\u00e1pido, Google o Amazon. En estos escenarios, tendremos control de nuestros datos en este proveedor de nube.<\/p>\n\n\n\n Todos estos proveedores tienen todos los est\u00e1ndares de seguridad y certificaciones.<\/p>\n\n\n\n Si esto no es una opci\u00f3n para tu proyecto<\/strong>, ya que por ejemplo no puedes enviar informaci\u00f3n fuera del pa\u00eds o tu propia infraestructura, entonces podr\u00edamos usar modelo de c\u00f3digo abierto.<\/strong> En el caso de estos escenarios, tienes control total de tus datos.<\/p>\n\n\n\n Otra consideraci\u00f3n importante es que, cuando entrenamos un modelo, los datos que se usaron en el entrenamiento pueden accederse m\u00e1s tarde por cualquiera. Esto implica que no podemos definir “permisos” para cada rol y persona en la organizaci\u00f3n.<\/p>\n\n\n\n Por eso, en la mayor\u00eda de los casos, la t\u00e9cnica RAG es la mejor opci\u00f3n, debido a que nos brinda un control total sobre qui\u00e9n accede a qu\u00e9 informaci\u00f3n.<\/p>\n\n\n\n Explora nuestras <\/strong>soluciones de seguridad<\/strong><\/a> para mejorar la fiabilidad general de tu sistema.<\/strong><\/p>\n\n\n\n Langchain<\/a> representa un marco de trabajo de c\u00f3digo abierto de vanguardia, dise\u00f1ado para construir aplicaciones impulsadas por LLMs. Simplifica el proceso de desarrollo, y permite a los equipos de desarrollo crear aplicaciones conscientes del contexto, que aprovechan los datos y las APIs de la empresa.<\/p>\n\n\n\n No solo facilita la construcci\u00f3n y despliegue de aplicaciones de IA, sino que tambi\u00e9n proporciona herramientas para monitorear y mejorar su rendimiento. Esto ayuda a crear soluciones de alta calidad y m\u00e1s confiables.<\/p>\n\n\n\n Microsoft Copilot Studio<\/u><\/a> ha introducido una nueva era de copilotos de IA personalizados. Ha posibilitado la personalizaci\u00f3n de las experiencias de Microsoft 365 y la creaci\u00f3n de aplicaciones copiloto \u00fanicas. Aprovecha las tecnolog\u00edas centrales de los modelos de conversaci\u00f3n de IA para transformar las experiencias de las personas.<\/p>\n\n\n\n Con Copilot Studio, los equipos de desarrollo pueden dise\u00f1ar, construir y desplegar copilotos de IA que atiendan a escenarios espec\u00edficos, todo esto mientras mejoran su eficiencia.<\/p>\n\n\n\n GeneXus Enterprise AI<\/a> ofrece una soluci\u00f3n \u00fanica para empresas que buscan aprovechar el poder de los LLMs de manera segura, monitoreada y rentable. Potencia la creaci\u00f3n de asistentes de IA que pueden integrarse sin problemas con las operaciones existentes, para mejorar sus niveles de productividad e innovaci\u00f3n.<\/p>\n\n\n\n Al enfocarse en la privacidad de datos y optimizar el gasto en IA, GeneXus permite resolver problemas complejos usando lenguaje natural y logrande que la IA avanzada sea m\u00e1s accesible que nunca antes.<\/p>\n\n\n\n Abstracta Copilot <\/strong><\/a>es una herramienta potenciada con Inteligencia Artificial para mejorar las pruebas de software, desarrollada por Abstracta en colaboraci\u00f3n con el <\/strong>Co-Innovation Lab de Microsoft.<\/strong><\/a> Lanzada en octubre de 2024 en la <\/strong>Quality Sense Conf 2024<\/strong><\/a>, la herramienta<\/strong> utiliza IA para optimizar las pruebas de software y la documentaci\u00f3n, aumentar la eficiencia y mejorar la productividad hasta en un 30%, y reducir los costos en un 25%.<\/strong><\/p>\n\n\n\n En asociaci\u00f3n con Microsoft, en Abstracta podemos ayudarte a crear e implementar soluciones personalizadas para tus aplicaciones empresariales. <\/strong>Te invitamos a conocer nuestro caso de \u00e9xito de Bantotal<\/a>.<\/p>\n\n\n\n Desarrollado por nuestro equipo de innovaci\u00f3n en Abstracta, Browser Copilot<\/a> es un copiloto revolucionario y de c\u00f3digo abierto que integra asistentes de IA en tu navegador. Admite una amplia gama de aplicaciones, desde SAP hasta Salesforce, y proporciona asistencia personalizada en diversas aplicaciones web.<\/strong><\/p>\n\n\n\n Browser Copilot ofrece automatizaci\u00f3n contextual e interoperabilidad, lo cual lo convierte en una herramienta invaluable para m\u00faltiples cometidos.<\/p>\n\n\n\n La Inteligencia Artificial Generativa es importante porque tiene la capacidad de crear contenido nuevo y original, como texto, im\u00e1genes, m\u00fasica y m\u00e1s, a partir de datos existentes. Esto abre posibilidades ilimitadas para la innovaci\u00f3n en diversas industrias y \u00e1reas del conocimiento.<\/p>\n\n\n\n Su capacidad para entender y generar lenguaje natural revoluciona la interacci\u00f3n entre el ser humano y las m\u00e1quinas y abre infinitas posibilidades, antes solo reservadas para la ciencia ficci\u00f3n.<\/p>\n\n\n\n La IA generativa permite automatizar tareas repetitivas o complejas. Existen m\u00faltiples ejemplos de ello, tales como la gesti\u00f3n de correo electr\u00f3nico, la creaci\u00f3n de c\u00f3digo con fines de desarrollo y la generaci\u00f3n de contenidos personalizados para todo tipo de p\u00fablico y cualquier plataforma existente. En definitiva, puede ayudar a resolver problemas complejos, proporcionar nuevas perspectivas y fomentar la innovaci\u00f3n, lo que la convierte en una herramienta valiosa para el avance tecnol\u00f3gico y econ\u00f3mico.<\/p>\n\n\n\n Las aplicaciones principales de la IA incluyen la automatizaci\u00f3n de procesos mediante software de vanguardia y robots no f\u00edsicos, que pueden realizar desde tareas administrativas hasta an\u00e1lisis complejos de datos.<\/p>\n\n\n\n Las IA actuales se pueden clasificar en varios tipos, seg\u00fan su complejidad y aplicaci\u00f3n:<\/p>\n\n\n\n En el panorama actual, la mayor\u00eda de las aplicaciones de IA pertenecen a la categor\u00eda de IA d\u00e9bil o estrecha, especializadas en tareas concretas y operando bajo un conjunto limitado de par\u00e1metros y contextos.<\/p>\n\n\n\n Con m\u00e1s de 16 a\u00f1os de experiencia y presencia global, Abstracta es una empresa l\u00edder en soluciones tecnol\u00f3gicas, especializada enservicios de pruebas de software<\/strong><\/a> y <\/strong>\u00bfQu\u00e9 es la Inteligencia Artificial Generativa? Conceptos clave<\/strong><\/h2>\n\n\n
![\"Imagen](\"https:\/\/es.abstracta.us\/wp-content\/uploads\/2024\/05\/image-1-1024x768.png\")
<\/figure><\/div>\n\n\nLLMs, GPT4, OpenAI, Gemini, AI, GenAI y m\u00e1s<\/strong><\/h3>\n\n\n\n
Asistentes, copilotos y GPTs<\/strong><\/h3>\n\n\n
![\"Imagen](\"https:\/\/es.abstracta.us\/wp-content\/uploads\/2024\/05\/image-2-1024x683.png\")
<\/figure><\/div>\n\n\nAsistentes<\/strong><\/h4>\n\n\n\n
GPTs<\/strong><\/h4>\n\n\n\n
Copilotos<\/strong><\/h4>\n\n\n\n
Bases de datos de vectores e incrustaciones<\/strong><\/h3>\n\n\n
![\"Imagen](\"https:\/\/es.abstracta.us\/wp-content\/uploads\/2024\/05\/image-3-1024x683.png\")
<\/figure><\/div>\n\n\n\u00bfQu\u00e9 son los tokens?<\/strong><\/h3>\n\n\n
![\"Imagen](\"https:\/\/es.abstracta.us\/wp-content\/uploads\/2024\/05\/image-4-1024x683.png\")
<\/figure><\/div>\n\n\nGeneraci\u00f3n Aumentada por Recuperaci\u00f3n (RAG)<\/strong><\/h3>\n\n\n\n
![\"Imagen](\"https:\/\/es.abstracta.us\/wp-content\/uploads\/2024\/05\/image-5-1024x576.png\")
Herramientas para tareas espec\u00edficas<\/strong><\/h3>\n\n\n\n
\u00bfEntrenar, ajustar o usar un modelo preentrenado?<\/strong><\/h2>\n\n\n
![\"Imagen](\"https:\/\/es.abstracta.us\/wp-content\/uploads\/2024\/05\/image-6-1024x683.png\")
<\/figure><\/div>\n\n\n![\"Gr\u00e1fico](\"https:\/\/es.abstracta.us\/wp-content\/uploads\/2024\/05\/image-7-1024x576.png\")
Requisitos de baja latencia<\/strong><\/h3>\n\n\n\n
Con frecuencia, recomendamos ajustar debido a que solo ajusta las capas finales. En computaci\u00f3n, esto puede ser m\u00e1s r\u00e1pido y menos intensivo.<\/p>\n\n\n\nRecomendaciones para “modelos peque\u00f1os”<\/strong><\/h3>\n\n\n\n
\n
Si la tarea es estrecha y bien definida, podr\u00eda ser mejor comenzar desde cero. Puedes dise\u00f1ar la arquitectura, con el fin de lograr que sea compacta.<\/li>\n\n\n\n
Alternativamente, ajustar un peque\u00f1o modelo preentrenado para tus necesidades tambi\u00e9n puede ser una buena opci\u00f3n. La elecci\u00f3n depende de las restricciones del proyecto.<\/li>\n<\/ul>\n\n\n\nReducir los requisitos de hardware<\/strong><\/h3>\n\n\n\n
\n
Comenzar con un modelo preentrenado generalmente requiere menos computaci\u00f3n, por lo cual generalmente es m\u00e1s eficiente en t\u00e9rminos de hardware.<\/li>\n\n\n\n
Si la tarea es altamente especializada, sugerimos considerar la posibilidad de dise\u00f1ar un modelo eficiente, lo cual implica una planificaci\u00f3n cuidadosa.<\/li>\n<\/ul>\n\n\n\nModelos de c\u00f3digo abierto vs. propietarios<\/strong><\/h2>\n\n\n
![\"Imagen](\"https:\/\/es.abstracta.us\/wp-content\/uploads\/2024\/05\/image-8-1024x683.png\")
<\/figure><\/div>\n\n\nCostos: gestionando el presupuesto<\/strong><\/h2>\n\n\n\n
\n
Manejo de datos, para incrementar los niveles de seguridad<\/strong><\/h2>\n\n\n\n
![\"Imagen](\"https:\/\/es.abstracta.us\/wp-content\/uploads\/2024\/05\/image-11-1024x683.png\")
<\/figure>\n\n\n\nDesarrollando sistemas basados en LLMs<\/strong><\/h2>\n\n\n
![\"Imagen](\"https:\/\/es.abstracta.us\/wp-content\/uploads\/2024\/05\/image-9-1024x683.png\")
<\/figure><\/div>\n\n\n\u00bfQu\u00e9 es Langchain?<\/strong><\/h3>\n\n\n\n
Microsoft Copilot Studio<\/strong><\/h3>\n\n\n\n
GeneXus Enterprise AI<\/strong><\/h3>\n\n\n\n
Abstracta Copilot<\/h3>\n\n\n\n
\n
Browser Copilot<\/strong><\/h3>\n\n\n\n
Preguntas frecuentes<\/strong><\/h2>\n\n\n\n
![\"Imagen](\"https:\/\/es.abstracta.us\/wp-content\/uploads\/2024\/05\/image-12-1024x576.png\")
<\/figure>\n\n\n\n\u00bfPor qu\u00e9 es importante la Inteligencia Artificial Generativa?<\/strong><\/h3>\n\n\n\n
\u00bfCu\u00e1les son las aplicaciones principales de la inteligencia artificial?<\/strong><\/h3>\n\n\n\n
\n
\u00bfCu\u00e1les son las IA actuales?<\/strong><\/h3>\n\n\n\n
\n
C\u00f3mo podemos ayudarte<\/h2>\n\n\n\n