No necesitas un modelo propio (todavía)

Antes de entrenar nada: que la IA responda con tus documentos, citando la fuente, y medirlo con preguntas reales.

«Queremos nuestro propio modelo de IA.» Es de las frases que más oigo cuando una empresa empieza a pensar en inteligencia artificial, y casi siempre la respuesta es: todavía no. No porque entrenar un modelo sea imposible, sino porque casi nunca es lo primero que hace falta.

Lo que se quiere decir con «modelo propio»

Cuando alguien pide un modelo propio, normalmente quiere tres cosas:

1. Que la IA sepa lo que sabe su empresa: sus procedimientos, sus contratos, sus fichas técnicas.
2. Que no se invente las respuestas.
3. Que sus datos no acaben en manos de otros.

Ninguna de las tres exige entrenar nada.

Primero, que responda con tus documentos

La técnica se llama RAG (retrieval-augmented generation): antes de responder, el sistema busca en tus documentos los fragmentos relevantes y el modelo contesta a partir de ellos, citando de dónde sale cada respuesta. Si no encuentra nada, dice «no lo encuentro» en lugar de inventar.

Comparado con entrenar, tiene ventajas muy prácticas:

• Se actualiza solo. Cambias un documento y la respuesta cambia. Un modelo entrenado habría que volver a entrenarlo.
• Respeta permisos. Cada persona solo recibe respuestas de los documentos que ya podía ver.
• Se puede comprobar. Cada respuesta enseña su fuente; si está mal, sabes por qué.

Lo explico con más calma en Cómo aprende una IA, donde comparo RAG, CAG y reentrenar.

Después, medirlo

Un asistente que «parece que funciona» no basta. Antes de ponerlo en marcha preparamos con la empresa un conjunto de preguntas reales con su respuesta correcta, las que hace su equipo cada semana, y medimos cuántas acierta. Esa misma batería se repite cada mes: si un cambio en los documentos o en el modelo empeora algo, se ve.

Ese conjunto de preguntas es lo más valioso de todo el proyecto, más que cualquier modelo. Es lo que permite decidir con datos y no con impresiones.

Y solo entonces, si hace falta, ajustar

Hay casos en los que ajustar un modelo (fine-tuning, a menudo con técnicas ligeras como LoRA) sí compensa: un vocabulario muy específico, un formato de salida muy rígido o un idioma en el que los modelos generales flojean. Pero la manera de saberlo es la misma: con la batería de preguntas delante. Si el ajuste no mejora la medida, no se hace.

El orden, entonces, es este:

1. RAG sobre tus documentos, con fuentes citadas.
2. Una evaluación con preguntas reales, antes de arrancar y cada mes.
3. Ajuste opcional, solo si la evaluación lo justifica.

Sobre los datos y la soberanía

La tercera preocupación, que los datos no salgan de casa, tiene soluciones que tampoco pasan por entrenar: servidores en la Unión Europea, proveedores que actúan como encargados del tratamiento y no entrenan con tus datos, o modelos abiertos desplegados en local cuando el caso lo pide. En castellano y catalán hay modelos abiertos como Salamandra, del Barcelona Supercomputing Center, que se pueden ejecutar en infraestructura propia; como con cualquier modelo, conviene revisar la licencia de cada versión antes de usarla (lo explico en Datos y modelos que se pueden usar en una web comercial).

Cuándo no

Para la mayoría de negocios locales, entrenar un modelo propio casi nunca tiene sentido: no hay ejemplos suficientes para que aprenda algo que un buen RAG no resuelva ya. Para empresas medianas con mucha documentación, el camino es el de arriba, por fases y midiendo en cada una. Es lo que propongo en IA para empresa, y empieza siempre por un diagnóstico gratuito.