Modelos e ingeniería de IA
Se leyó todo el internet y ninguno de tus tickets. Tomamos un modelo de pesos abiertos, lo entrenamos con el trabajo que tu equipo ya hizo y lo medimos contra el que hoy pagas por token. Cuando gana el nuestro, corre en tu propia infraestructura, cuesta una fracción por petición y los pesos son tuyos.
Qué entrenamos
Partimos de la tarea, no de la técnica. A veces la respuesta honesta es que no necesitas entrenar ningún modelo, y preferimos decirlo antes de que alguien firme algo.
Tomamos un modelo de pesos abiertos, lo seguimos entrenando con el trabajo que tu empresa ya hizo y terminamos con uno que responde y razona como lo hace tu equipo. Corre en tu hardware y los pesos son tuyos.
Casi todo lo que las empresas le piden a un modelo grande es un solo trabajo angosto repetido un millón de veces: clasifica esto, sácame este dato, califica esta llamada. Un modelo pequeño entrenado para eso es más rápido, más barato y mucho más fácil de defender en una auditoría.
Cuando la respuesta correcta es cuestión de criterio y no de etiqueta, entrenamos con el criterio mismo: lo que tus revisores aceptaron, lo que reescribieron y lo que tiraron a la basura.
La parte que decide si algo de lo anterior sobrevive al contacto con producción: un conjunto de pruebas que atrapa regresiones, un registro que dice qué versión está viva y un despliegue que aguanta tu tráfico real.
Antes de entrenar nada
Cada escalón de esta lista cuesta más que el de arriba y toma más tiempo cambiar de opinión. Bajamos en orden, y la mayoría de los proyectos se detiene antes de llegar al fondo.
Cobramos la evaluación que contesta esta pregunta, y la cobramos por separado, para que oír “no necesitas entrenar nada” te cueste dos semanas y no un proyecto.
Dónde se paga solo
Ninguno de estos necesita un modelo que escriba poesía. Necesitan uno que le atine a tu trabajo, rápido y lo bastante barato como para correrlo sobre todo lo que entra.
Cada mensaje clasificado por equipo, urgencia e idioma antes de que una persona lo abra, entrenado con diez años de cómo tu equipo los clasificó de verdad.
Facturas, notas de remisión y contratos convertidos en campos que tus sistemas pueden leer, incluidos los escaneados y la nota que alguien escribió al margen.
Un modelo entrenado con tus propias imágenes o con tu historial de sensores, que marca el lote malo en la línea y no en casa del cliente.
Entrenado con tus ventas, tus temporadas y tus quiebres, y no con una curva genérica que nunca ha visto tu mercado.
Cada llamada calificada con los criterios que usan tus propios supervisores, para que el coaching cubra todas y no las tres que alguien alcanzó a escuchar.
Una primera pasada a los documentos contra tus reglas internas, con la cláusula que se brincó señalada, para que tus revisores arranquen de una lista corta.
Cómo lo ingenieríamos
Un notebook que un día dio buen número no es un entregable. Esto es lo que construimos junto al modelo, y en conjunto suele ser más trabajo que el entrenamiento mismo.
Escribimos el conjunto de pruebas antes de entrenar nada. Si no podemos medir la tarea, tampoco podemos decirte si la mejoramos.
Cada corrida queda fijada: versión de datos, versión de código, semilla y hardware. Un resultado que nadie puede reproducir es un rumor.
Registramos de dónde salió cada ejemplo de entrenamiento y qué tienes permitido hacer con él, antes de que toque una GPU.
Los modelos se versionan como el código. Puedes ver cuál contestó una petición y regresar al anterior en minutos.
Desde el arranque se fija una meta de precio por petición y de tiempo de respuesta. Un modelo que no la cumple no está terminado, por buena que se vea la exactitud.
Tu negocio cambia y el modelo deja de atinarle en silencio. Vigilamos eso y te avisamos cuándo toca reentrenar.
Cómo trabajamos
La primera fase existe para convencerte de no hacerlo. Nos sale más barato a los dos descubrir en dos semanas que una tarea no se puede aprender, que descubrirlo en cuatro meses.
01Estimado: 2 semanas
Definimos la tarea con precisión, armamos el conjunto de pruebas y medimos cuánto saca ya un modelo de estante. Ese número es al que todo lo demás tiene que ganarle.
EntregableUn conjunto de pruebas, una línea base y una recomendación
02Estimado: 2–4 semanas
Armamos el conjunto de entrenamiento con trabajo que tu equipo ya hizo, lo limpiamos, etiquetamos lo que haga falta y apartamos los casos difíciles para el examen.
EntregableUn conjunto de entrenamiento y evaluación versionado
03Estimado: 3–6 semanas
Corremos los experimentos, comparamos tamaños y técnicas, y nos detenemos en el modelo más pequeño que pase la vara que pusiste.
EntregablePesos entrenados y las corridas que los produjeron
04Estimado: 1–2 semanas
Lo calificamos contra la línea base y ponemos sus peores respuestas frente a quienes hacen el trabajo hoy, porque un benchmark nunca atrapa todo.
EntregableUn reporte de evaluación y un sí o un no
05Estimado: 2–3 semanas
Lo servimos dentro de tu infraestructura, detrás de una API que tus sistemas pueden llamar, con un plan B para los casos en los que no esté seguro.
EntregableUn modelo servido, con monitoreo y manuales
06Estimado: Continuo
Se acumulan ejemplos nuevos, la calidad se desvía y el modelo se reentrena en un calendario que tu equipo puede correr sin nosotros en la sala.
EntregableUn pipeline de reentrenamiento y la entrega
Los tiempos de cada etapa son una referencia de proyectos anteriores.
Stack
Usamos lo que ya pagas siempre que aguante. Cuando no hay restricción, aquí es donde empezamos.
Cómo trabajamos contigo
La mayoría empieza por arriba y decide después, con un número en la mano en lugar de una corazonada.
Dos o tres semanas, precio cerrado, para contestar una sola pregunta: ¿puede un modelo hacer esto lo bastante bien como para valer la pena, y cuánto costaría operarlo?
Ideal para
Equipos con una tarea en mente y ninguna idea de si se puede aprender.
Incluye
De punta a punta: datos, entrenamiento, evaluación y un modelo servido que tus sistemas pueden llamar, con tu equipo en la sala durante todo el camino.
Ideal para
Una tarea que pasó factibilidad y trae presupuesto detrás.
Incluye
Una iguala mensual para la parte que nadie planea: el modelo está vivo, el mundo se movió y algo necesita reentrenarse.
Ideal para
Equipos con modelos en producción y sin un ingeniero de ML de planta.
Incluye
Tu modelo
Todo lo que entrenamos corre en tus cuentas, sobre modelos base cuyas licencias te dejan quedarte con lo que sale. Cuando termina el proyecto te quedas con los pesos, los datos de entrenamiento y el código que produjo ambos, y no tienes ninguna razón técnica para volver a llamarnos.
Preguntas
Seguido no lo necesitas, y el estudio de factibilidad es como lo comprobamos en cualquier dirección. Si con un prompt y tus propios documentos llegas al 90% del valor, esa es la respuesta que te vamos a dar, y averiguarlo cuesta dos semanas en lugar de un proyecto.
Para un clasificador o un extractor, unos cuantos cientos de buenos ejemplos suelen bastar para ganarle a un modelo general. Para afinar un modelo de lenguaje que razone como tu equipo, unos miles. La calidad importa mucho más que la cantidad, y “tenemos diez años de tickets” suele ser mejor punto de partida de lo que la gente cree.
Lo son. Los de todos lo son. Limpiar y etiquetar es una fase real con semanas reales encima, y por eso aparece en el plan de arriba en vez de esconderse dentro del entrenamiento. Lo único que no podemos arreglar son datos que nunca registraron lo que quieres predecir.
El estudio de factibilidad es precio cerrado y una fracción pequeña de una construcción. Una construcción completa depende de la tarea, y el entrenamiento rara vez es lo caro: los datos y la evaluación normalmente lo son. Operarlo es el número más fácil, porque un modelo pequeño en tu propio hardware suele costar mucho menos por petición que una llamada a una API, y te lo proyectamos antes de que te comprometas.
Para muchas cosas sí deberías, y también construimos esos sistemas. Entrenar se gana su lugar cuando el volumen hace que el precio por token duela, cuando la latencia importa, cuando los datos no pueden salir de tu edificio, o cuando la tarea es lo bastante angosta como para que un modelo pequeño le gane a uno grande. Si nada de eso aplica, te mandamos a una API y te ahorramos el proyecto.
Para entrenar, no. Las rentamos las semanas que hagan falta y te pasamos el costo tal cual. Para operar depende del modelo: muchos modelos de tarea corren bien en los CPU que ya tienes, y los que sí piden GPU normalmente piden menos de la que la gente supone.
Descríbenos una decisión repetitiva que alguien de tu equipo toma todo el día. Te decimos si un modelo podría aprenderla, qué implicaría averiguarlo en serio y cuánto costaría operarla una vez que funcione.
La primera plática no tiene costo. Si con un prompt se resuelve, te lo decimos en lugar de venderte un entrenamiento.