Un mapa que separa tareas y sistemas
La forma de la salida determina qué errores debemos medir.
Los enlaces con ?t= abren el vídeo en un segundo concreto.
Las ideas que debes retener
1. Qué es la IA y su evolución
Explicaremos la IA como los diferentes sistemas que, bajo datos y objetivos, permiten predecir, clasificar, decidir o controlar. Es decir, que funcionan como expertos de una tarea concreta
2. Qué es IA generativa exactamente
Veremos cómo nace esta nueva tecnología, desde los embeddings al transformer y la Ley de escala Veremos el impacto de que un único modelo fundacional de IA generativa puede usarse para…
3. IA vs IA generativa
La diferencia entre entradas y salidas, determinismo, explicabilidad, evaluación y riesgos. Matriz operacional de cuándo usar reglas vs ML vs LLM vs (LLM + RAG) vs agentes basados en LLMs
Ve directamente a una sección
Leer transcripción revisada
Vídeo sin narración. Esta transcripción reproduce el texto visual del vídeo; no atribuye una voz inexistente.
¿Qué debe salir del sistema?
Una transacción puede necesitar una etiqueta; una consulta, una explicación redactada.
Clasificar elige entre categorías definidas. Generar construye una secuencia de contenido.
La forma de la salida determina qué errores debemos medir.
Un modelo no es todo el producto
El modelo transforma una entrada en una predicción o continuación.
El producto añade contexto, permisos, herramientas y controles de calidad.
Cambiar esos componentes puede cambiar el resultado sin entrenar de nuevo el modelo.
Tres preguntas que no son sinónimos
La familia describe la técnica: por ejemplo, una red neuronal.
La señal describe cómo aprende: etiquetas, estructura del dato o recompensa.
El ajuste describe qué cambia: aquí, los pesos de esa misma red.
Una consulta puede usar varias piezas
Una tienda recibe un mensaje sobre la devolución de un pedido.
Una regla valida el plazo; un clasificador identifica la intención del mensaje.
Un modelo generativo redacta la respuesta usando la política y el resultado de la regla.
Entrenar es un paso, no el cierre
Separa los datos de entrenamiento de los casos reservados para evaluación.
Sólo despliega la versión que supera los criterios definidos para esa tarea.
Observa errores reales y deriva: una nueva versión vuelve a pasar por evaluación.
Capacidad y autonomía son distintas
Un sistema puede resolver una tarea difícil y limitarse a recomendar.
Otro puede ejecutar acciones sencillas con permisos amplios.
Describe por separado qué sabe hacer y qué está autorizado a ejecutar.
