Mi primera experiencia con la inteligencia artificial empezó hace algo más de veinte años, cuando empezamos a probar sistemas de procesamiento de lenguaje natural (PLN) combinados con machine learning para crear un motor de generación de contratos en mi primer startup (e-contratos) que, dicho sea de paso, funcionaba mejor que la mayoría de sistemas actuales que haya probado. Y he probado un montón.
Luego, en Terminis utilizamos un combo parecido hace unos 12 años para identificar y clasificar los contenidos online que certificábamos, al principio con sellos de tiempo y poco después a través de blockchain.
A pesar de haber experimentado con un montón de tecnologías distintas durante más de dos décadas, la explosión de la inteligencia artificial generativa me pilló desprevenido.
De repente, podía hacer yo solo cosas para las que hasta ese momento necesitaba un rebaño de diseñadores y desarrolladores.
Yo, que soy muy de abrazar, enseguida abracé todas las herramientas de inteligencia artificial que cayeron en mis manos y empecé a conectarlas y a inventarme usos cada vez más locos para cada una de ellas.
Hace poco os hablaba por aquí sobre mi pequeña obsesión con Lovable, que ya estoy empezando a reemplazar en parte con otras herramientas de vibe coding un poco más avanzadas, como Google Antigravity.
No soy programador ni pretendo convertirme en un experto informático, pero cuando has aprendido a documentar y transmitir lo que necesitas, estas herramientas son oro.
Si todavía estás dando tus primeros pasos en la IA y no tienes conocimientos técnicos, no te aconsejo que te metas de lleno en herramientas que presuponen que sabes lo que quieres y cómo pedirlo.
Entonces, ¿cómo demonios empiezo?
Primero tienes que familiarizarte con la interfaz y para ello te aconsejo que empieces probando GPAIs o Inteligencias Artificiales de Propósito General, es decir, herramientas generalistas basadas en modelos de lenguaje (LLMs) que sirven para muchas cosas distintas. Por ejemplo, los omnipresentes ChatGPT, Claude o Gemini.
La curva de aprendizaje para estos sistemas es bastante suave: tienes una caja de texto en la que introduces tu pregunta o prompt y el modelo te ofrece una respuesta.
En tus primeras experiencias, utilizarás poco contexto y preguntarás lo primero que te venga a la cabeza. Y probablemente, las primeras respuestas serán increíblemente acertadas, pero a medida que profundices irás descubriendo el perímetro real del sistema.
Aprender a preguntar al sistema y a relacionarte con él -lo que algunos llaman promptear- te llevará algún tiempo, pero vale la pena experimentar todo lo que puedas, porque la diferencia entre un buen prompt y uno regular determina de forma brutal el resultado de tu consulta.
Una vez que te sientes cómodo con el sistema básico de preguntas y respuestas, estás en disposición de crear tu primera configuración reutilizable, que recibe un nombre distinto en función del modelo (GPT en ChatGPT, Gem para Gemini).
Estas configuraciones te permiten personalizar los resultados del modelo a partir de una serie de parámetros que tú defines. Por ejemplo, puedes decirle que te responda como si fuese un periodista, un médico o un arquitecto y que analice con el máximo detalle una fuente externa o simplemente responda con la información de la que ya dispone. También puedes ajustar la creatividad, la profundidad, el tono o el formato de la respuesta y casi cualquier otra cosa que te imagines.
Vale, ya tienes un modelo que responde como tú quieres. Ahora tienes que darle contexto, para que tenga en cuenta determinados datos o bases documentales a la hora de preparar su respuesta.
Solemos llamar a esto un RAG o generación aumentada de recuperación. En esencia, es un sistema para buscar información relevante en tus documentos y pasársela al modelo como contexto, justo antes de responder, lo que puede ayudarte a reducir las alucinaciones, aunque no sea su único propósito.
Ya sabes preguntar, tienes un sistema que ajusta la configuración del sistema a tus necesidades y le has proporcionado el contexto necesario para que pueda personalizar al máximo su respuesta.
Es el momento de conectar ese modelo con tu propia interfaz, porque no quieres tener que entrar cada vez en la app o la web de GhatGPT o porque muchas veces la consulta que lanzas no es un fin en sí mismo, sino que es un medio para poner en marcha o curar otras aplicaciones.
Los principales modelos tienen APIs a las que te que puedes conectar para integrar sus resultados en tus propios sistemas o construir agentes que lleven a cabo tareas específica.
Y aquí es donde empieza la magia de verdad, porque cuando empiezas a conectar cosas es cuando se despliega la potencia real de esta tecnología.
Otro día hablaremos de usos un poco más avanzados de la IA, pero como toma de contacto, recuerda que el proceso de aterrizaje en esta tecnología se parece bastante a esto:
- Selecciona el modelo que más te apetezca (todos son bastante buenos y muchos tienen versiones gratuitas para empezar). Yo arranqué con ChatGPT y ahora utilizo varios en paralelo, porque cada uno tiene sus cosas buenas y malas.
- Familiarízate con la interfaz y aprende a preguntar (promptear) a base de prueba y error.
- Crea distintas configuraciones (GPTs, Gems) para cada una de tus necesidades o casos de usos y descubre cómo mejoran los resultados.
- Proporciónale el contexto necesario para que pueda darte las respuestas que esperas, con el detalle que necesitas.
- Conecta este sistema con las herramientas que utilizas todos los días, para que no tengas que saltar de una aplicación a otra todo el rato.
Espero que esta breve guía te sirva para dar los primeros pasos en el campo de la inteligencia artificial. Si es así, no te olvides de compartir tu experiencia por aquí, me hará mucha ilusión saber que te ha sido útil.
Y si quieres leer más posts como éste, puedes apuntarte a mi lista y sólo te escribiré cuando publique algo: http://eepurl.com/h-O2lf. 0% spam, garantizado.
Deja un comentario