Conceptos de IA
Artículos de Conceptos de IA en el blog de MG Solutions.
Almacén de datos para pymes: ¿hace falta antes de usar IA?
Qué es un almacén de datos (data warehouse), cuándo compensa a una pyme y cuándo basta con conectar los programas que ya usas antes de empezar con IA.
Base de datos vectorial gestionada o propia: qué decide el gerente
Base de datos vectorial gestionada por un tercero o en tu servidor: coste recurrente, control de los datos y mantenimiento, con una recomendación según tu caso.
Base de datos vectorial o buscador clásico: ¿cuál necesita tu pyme?
Cuándo basta un buscador por palabras con filtros y cuándo hace falta buscar por significado con una base de datos vectorial: coste, esfuerzo y ejemplos.
Búsqueda por significado en tu intranet: qué necesitas para activarla
Cómo pasar de buscar por palabras exactas a encontrar manuales y procedimientos por su significado: qué documentos, permisos y responsables hacen falta.
Caché en IA: cuándo ahorra dinero y cuándo sirve datos caducados
Reutilizar respuestas ya generadas recorta costes en preguntas frecuentes, pero puede servir precios o plazos desfasados. Cuándo conviene y cómo controlarlo.
¿Cada cuánto hay que actualizar los embeddings de tu catálogo?
Los embeddings de tu catálogo se actualizan según lo rápido que cambie tu información, no por calendario. Criterios para fijar la frecuencia sin complicarte.
¿Cambio de temporada o data drift? Cómo distinguirlos
Cómo saber si el aumento de consultas de tu agente de IA es temporada o data drift real, con tres comparaciones sencillas antes de reentrenar nada.
Cola de tareas en IA: cómo evitar atascos en hora punta
Qué es una cola de tareas, por qué evita que un agente de IA se bloquee cuando entra mucho trabajo de golpe y qué prioridades tienes que fijar tú como dueño.
Cómo calcular cuántos tokens gastará tu agente de IA al mes
Método paso a paso para estimar el gasto mensual de IA: número de consultas, longitud media de entrada y salida, y tarifa del proveedor. Con ejemplo ficticio.
Contexto largo o búsqueda en documentos: cuál pagar según la tarea
Contexto largo o búsqueda en documentos (RAG): compara coste por uso, precisión y facilidad de actualización para saber qué te están vendiendo y qué te conviene.
Coste por tarea, no por token: la métrica que debe mirar un gerente
Un gerente debe pensar en euros por factura procesada o por ticket resuelto, no en tokens. Cómo pedir esa métrica a tu proveedor y seguirla mes a mes.
¿Cuánto cuesta convertir tus documentos en embeddings?
De qué depende el coste de convertir tus documentos en embeddings y mantenerlos al día, y cómo pedir presupuestos comparables a varios proveedores.
¿Cuántos ejemplos hacen falta para afinar un modelo con tus datos?
No hay un número mágico: importan más la calidad y la variedad de los ejemplos que su cantidad. Qué preparar para saber si afinar un modelo te compensa.
Data drift: 5 señales de que tu IA se ha quedado desfasada
El data drift ocurre cuando los datos reales ya no se parecen a los de la puesta en marcha. Estas cinco señales visibles te avisan antes de que lo note el cliente.
Datos maestros: qué son y por qué un agente de IA los necesita
Los datos maestros son tus clientes, productos y proveedores: la base de cualquier automatización. Qué pasa si están desordenados y cómo asignarles responsable.
Ejemplos de function calling en una pyme: de la cita al abono
Cinco ejemplos de function calling en una pyme: reservar una cita, consultar un pedido, emitir un abono, abrir una incidencia y enviar un presupuesto.
Embeddings del proveedor o propios: la decisión que sí es tuya
Usar los embeddings del proveedor de IA o un modelo propio: qué cambia en privacidad, coste, dependencia y cambio futuro, y qué debe fijar el gerente.
Embeddings para buscar en tus contratos y facturas: un ejemplo
Los embeddings permiten encontrar el contrato que habla de penalización por retraso aunque no use esas palabras. Un ejemplo con contratos y facturas de una pyme.
¿Function calling o conexión por API? Qué cambia para tu negocio
Diferencia entre dejar que un agente de IA decida cuándo usar una función y una conexión por API fijada por un programador, y qué pedir al proveedor.
Function calling: qué acciones puede ejecutar tu agente y cuáles no
Function calling es la lista de acciones que das a tu agente de IA: crear una cita, emitir un abono, consultar stock. Cómo decidir cuáles quedan fuera.
IA que evalúa a otra IA: cuándo es fiable y cuándo no
Un modelo de IA puede puntuar las respuestas de otro: es rápido y barato, pero tiene sesgos conocidos. Cuándo fiarte de él y por qué sigue haciendo falta una persona.
Instrucciones de sistema: el manual de empleado de tu agente de IA
Qué son las instrucciones de sistema (system prompt) de un agente de IA, qué políticas reales debes aportar tú y cómo revisarlas sin saber programar.
Más potencia o más copias: dos formas de escalar tu sistema de IA
Escalar en vertical es poner un equipo más potente; en horizontal, repartir el trabajo entre varias copias. Qué propone cada proveedor y cuál te conviene.
¿Por qué la IA se inventa datos de tus clientes y proveedores?
La IA no consulta una verdad, escribe lo más probable y por eso rellena huecos. Cuándo ocurre más, cómo notarlo y qué decidir: dar acceso a datos reales o limitar.