Amazon ha introducido una revolucionaria técnica de personalización de modelos de inteligencia artificial denominada «refinamiento por retroalimentación» (RFT). Este enfoque pretende mejorar la adaptación de modelos generales para satisfacer necesidades empresariales específicas, eliminando la dependencia de grandes volúmenes de datos etiquetados.
El RFT se diferencia del ajuste fino tradicional, que requiere numerosos ejemplos etiquetados, al permitir que los modelos aprendan mediante la evaluación directa de resultados. Los usuarios pueden determinar qué respuestas son correctas a través de casos de prueba y criterios verificables, facilitando que el modelo encuentre soluciones mediante retroalimentación iterativa.
La eficacia de RFT se ha demostrado en aplicaciones como la generación de código y la atención al cliente, donde su capacidad para verificar salidas automáticamente agiliza el proceso de personalización. Además, su implementación es flexible, adaptándose desde soluciones gestionadas como Amazon Bedrock hasta entornos personalizados con Nova Forge.
En diciembre de 2025, Amazon lanzó la familia Nova 2, modelos diseñados para mejorar la precisión en contextos analíticos complejos, al descomponer problemas en pasos intermedios.
RFT es muy beneficioso en situaciones donde los resultados correctos son verificables pero complicados de demostrar con ejemplos detallados. Esto lo hace ideal para problemas complejos que demandan exploración y aprendizaje a partir de la retroalimentación.
Amazon ofrece múltiples niveles de implementación de RFT, enfocándose en iniciar con conjuntos de datos moderados y proceder a iteraciones basadas en la evaluación continua de métricas clave. Conforme las empresas adopten esta técnica, se espera que RFT se convierta en un estándar crucial en la implementación de soluciones de inteligencia artificial en varias industrias.
