Cómo ser Especialista en Inteligencia Artificial

9:00 — El especialista en IA revisa los resultados del fine-tuning nocturno de un modelo LLM para clasificación de reclamaciones de seguros. Las métricas de validación han mejorado: F1 de 0.78 a 0.85 tras ajustar el learning rate.

10:00 — Reunión con el equipo de producto: presentación del prototipo de chatbot de atención al cliente. El especialista explica las limitaciones del modelo (alucinaciones, contexto limitado) y propone guardrails específicos para el caso de uso. El equipo legal pide revisar los prompts del sistema.

11:30 — Desarrollo del pipeline de RAG (Retrieval-Augmented Generation): el chatbot necesita acceso a la base de conocimiento interna de la empresa. El especialista implementa la indexación vectorial con Chroma DB y prueba distintas estrategias de chunking de documentos.

14:00 — Code review de un compañero: revisa el código del pipeline de datos para el modelo de detección de fraude. Sugiere usar transformaciones más robustas para manejar outliers en las variables de importe.

15:30 — Evaluación de modelos: compara el rendimiento de GPT-4o, Claude 3.5 Sonnet y Mistral Large en la tarea de extracción de información de contratos. Prepara un benchmark interno con 200 ejemplos anotados. Claude tiene mejor rendimiento en español.

17:30 — Paper reading: lectura de un preprint de arXiv sobre nuevas técnicas de RLHF para reducir alucinaciones en LLMs. El especialista anota tres ideas aplicables al proyecto actual.

19:00 — Contribución a open source: envía un Pull Request al repositorio de LangChain con una mejora en el conector de datos para el CRM de la empresa.