Índice del artículo
Qué es
El ajuste fino es un entrenamiento extra, más corto y enfocado, que se hace sobre un modelo ya entrenado para afinarlo en una tarea concreta: escribir en el tono exacto de tu despacho, clasificar con tus categorías o respetar tu formato. El modelo ya sabía lo general; el ajuste le enseña lo tuyo.
No es entrenar desde cero. Es una capa más de aprendizaje, sobre una base que ya existía.
Explicado fácil
Piensa en contratar a un abogado con años de experiencia general y darle una formación interna de tu despacho: cómo redactan ustedes, qué términos usan, qué documentos manejan. El abogado ya sabía derecho; la formación lo alinea a tu casa. Eso es el ajuste fino.
Lo mismo con la IA: ya sabe redactar y razonar; el ajuste le enseña tu estilo.
Ejemplo práctico
Un despacho quiere que todos sus escritos salgan con su formato y su vocabulario. Antes de tocar el ajuste fino, prueban lo sencillo: dan mejores instrucciones, incluyen un par de ejemplos de escritos que ya gustaron y cargan su plantilla. Comprueba si eso basta para tu tarea.
Si aun así el tono no termina de salir, ahí sí plantean el ajuste fino: juntan ejemplos propios, etiquetados, y afinan el modelo para que los reproduzca de forma estable. RAG y ajuste fino pueden combinarse; vuelve a afinar solo si las pruebas muestran que hace falta.
Así no
Saltar directo al ajuste fino sin probar antes si con buenas instrucciones y ejemplos ya se consigue el resultado.
Así sí
Empezar por los datos y las instrucciones, y plantear el ajuste fino cuando el resto ya no da para más.
Prueba antes contexto e instrucciones; afina solo si las pruebas lo piden.
Por qué te importa
Porque tiene un costo real y no siempre se recupera. Afinar requiere juntar ejemplos de calidad, revisarlos y mantenerlos; si cambia tu operación, conviene evaluar si hace falta volver a afinar. Y por eso, como punto de partida, conviene agotar antes lo barato: mejores datos, mejores instrucciones y una base de conocimiento al día.
No es una regla universal: hay tareas de formato muy estables donde el ajuste fino se plantea desde el inicio. La decisión se toma midiendo, no por costumbre.
El error típico
Ajustar el modelo para algo que un documento resuelve. Si tu problema es que la IA no conoce tus precios o tus políticas, eso se arregla con una base de conocimiento que se consulta en el momento; el ajuste fino no es el camino. El otro error es el inverso: esperar que el ajuste fino cambie cómo escribe, cuando lo que necesitas es darle mejor contexto.
No lo confundas con
RAG. El ajuste fino cambia el modelo; RAG consulta tus documentos en el momento de responder. Uno trae el dato de fuera, el otro cambia cómo trabaja el modelo. La diferencia completa está en RAG y ajuste fino.
El entrenamiento. El proveedor prepara el modelo base. El ajuste fino también es entrenamiento: una capa extra con ejemplos que tú eliges.