Alguien tiene que hacer que funcione
Un ingeniero de IA construye funciones útiles sobre un modelo de lenguaje y demuestra que funcionan. El departamento de personal de una cadena de ferreterías de Zaragoza recibe cada día las mismas preguntas.
Quieren una función que conteste a partir del convenio y del manual interno. Alguien tiene que construirla, demostrar que acierta y mantenerla después del lanzamiento. En muchos equipos, ese es el trabajo del ingeniero de IA.
Al final de esta lección
Nota
Puedo describir lo que un ingeniero de IA construye, comprueba y mantiene en marcha.
Palabras clave
| Palabra | Qué significa |
|---|---|
| Modelo | un programa entrenado para dar respuestas a partir de ejemplos |
| Función | una cosa que un producto hace para sus usuarios |
| Evaluación | comparar respuestas con casos conocidos |
| Conjunto de evaluación | preguntas fijas con las respuestas esperadas |
| Salvaguarda | un control que bloquea una entrada o salida peligrosa |
| Monitorización | vigilar las cifras de un sistema en marcha |
Las celdas que rellenan los estudiantes quedan en blanco en esta vista previa.
Construir, comprobar y mantener
Un ingeniero de IA casi nunca entrena un modelo nuevo. Parte de un modelo que ya existe y construye una función con él. Eso supone un prompt, algo de código y, a menudo, una búsqueda en los documentos de la empresa.
Después lo comprueba con un conjunto de evaluación. Por último, lo mantiene: vigila coste, velocidad y calidad con monitorización, y corrige lo que se desvía.
Un mapa de las habilidades
El trabajo junta habilidades de varias áreas. Necesitas el Python justo para leer y cambiar código. Necesitas llamar a un modelo desde un servidor sin riesgos. Necesitas escribir casos de prueba y leer cifras.
Sobre todo, necesitas explicar un compromiso: qué ganaste, qué te costó y cómo lo sabes. La tabla dice dónde se enseña cada habilidad.
Dónde se enseña cada habilidad
| Habilidad | Para qué la usas | Dónde aprenderla |
|---|---|---|
| Python y la terminal | Leer, cambiar y ejecutar código | Lo básico de cualquier trabajo técnico, Ingeniería de software en el trabajo |
| Llamar a un modelo sin riesgos | Guardar la clave en el servidor, validar respuestas | Programar con IA |
| Probar y medir | Escribir conjuntos de evaluación, calcular la exactitud | Ingeniería de aprendizaje automático |
| Datos y registros | Leer una semana de cifras | Análisis e ingeniería de datos, DevOps e ingeniería de plataformas |
| Ir más a fondo | Búsqueda en documentos, agentes, evaluación a fondo | Las lecciones de IA de la página Recursos |
Las celdas que rellenan los estudiantes quedan en blanco en esta vista previa.
Pruébalo: tu propio mapa de habilidades
# Ponte una nota de 1 (empiezo) a 5 (lo domino).
ratings = {
"Python": 3,
"Llamar a un modelo desde el código": 2,
"Escribir un conjunto de evaluación": 1,
"Leer registros y cifras": 2,
"Explicar un compromiso": 4,
}
TARGET = 3
for skill in ratings:
if ratings[skill] < TARGET:
print("Trabajar ahora:", skill)
else:
print("Lista:", skill)
# Cambia las notas para que se parezcan a ti y pulsa Ejecutar.
Casi todo el trabajo es comprobar
Un modelo puede dar otra respuesta a la misma pregunta otro día. Por eso una sola demo que sale bien nunca demuestra que una función funciona.
Un ingeniero de IA guarda un conjunto de evaluación: preguntas con las respuestas que espera. Después de cada cambio, ejecuta el conjunto entero y cuenta los aciertos. El programa de abajo lo hace con una muestra grabada.
Pruébalo: puntúa una muestra grabada
# Una muestra grabada: cinco preguntas, la respuesta esperada
# y lo que contestó una función de soporte en las pruebas.
expected = ["14 días", "viernes", "formulario B2", "no", "2 semanas"]
answered = ["14 días", "lunes", "formulario B2", "no", "no lo sé"]
right = 0
for position in range(len(expected)):
if expected[position] == answered[position]:
right = right + 1
else:
print("Falla en la pregunta", position + 1)
print("Bien:", right, "de", len(expected))
# Cambia la segunda respuesta a "viernes" y vuelve a ejecutar.
Un error frecuente
Advertencia
Mucha gente cree que un ingeniero de IA pasa el día entrenando modelos nuevos. Entrenar un modelo grande desde cero es trabajo de investigación que hacen muy pocos equipos. La mayoría construye sobre modelos existentes, así que su tiempo va al código, a la evaluación y a la monitorización.