En una reciente conferencia, Srinath Godavarthi, Director y Arquitecto Divisional en Capital One, exploró la optimización del rendimiento y la calidad de salida de la inteligencia artificial generativa, destacando su impacto en clientes y empresas. La exposición se centró en la importancia de los modelos base y los desafíos que enfrentan, como la variabilidad en la calidad de los resultados y las «alucinaciones» causadas por datos de entrenamiento ruidosos.
Godavarthi presentó cuatro estrategias fundamentales para mejorar el rendimiento de estos modelos: el diseño de prompts, la generación aumentada de recuperación (RAG), el ajuste fino y la construcción de modelos desde cero. Cada una ofrece ventajas específicas; el diseño de prompts facilita mejoras rápidas, mientras que el ajuste fino permite adaptaciones personalizadas para tareas concretas. La estrategia adecuada se elige en función del caso de uso y su complejidad.
Este análisis subraya la necesidad de solucionar los desafíos de la inteligencia artificial generativa y propone soluciones prácticas para maximizar su efectividad en diversas aplicaciones, promoviendo un mayor valor y efectividad en el uso de estas tecnologías avanzadas.
