RAG en producción
Indexación, re-ranking, citas y evaluación de respuestas con tus documentos reales.
Fine-tuning & RAG
Criterio, no recetas
RAG cuando el conocimiento debe estar al día y las citas importan. Fine-tuning cuando el estilo, el idioma o una skill estrecha no caben en el contexto. Híbrido cuando ambas cosas son ciertas.
Por defecto RAGCuando toca Adapters · LoRARegla Evaluación > hype
En resumen
No hay receta mágica: hay restricciones. Si tus datos cambian a diario, RAG. Si el tono o el formato deben ser tuyos, fine-tuning. Si el cumplimiento exige tener el conocimiento en casa, inferencia local con modelos abiertos.
Lee el criterio completo en Fine-tuning vs RAG y cómo elegimos modelos en Cómo elegimos un modelo.
Qué entregamos
Qué construimos
El camino más barato que cumple la calidad; el resto es lucro de consultores.
Fine-tuning con propósito
Adapters LoRA para estilo, formato o tareas estrechas; sin quemar dinero en lo que RAG ya resuelve.
Evaluación honesta
Juegos de prueba con tus casos y comparación de coste/calidad entre rutas.
Privacidad
Residencia de datos, inferencia local o VPC cuando el cumplimiento lo exige.
Cómo trabajamos
Cómo decidimos y construimos
Restricciones
Datos, idiomas, presupuesto y cumplimiento: el marco antes que el modelo.
Baseline
Probamos el mejor modelo genérico; es la vara contra la que medimos todo.
Experimento
RAG y/o adapters sobre el baseline con métricas comparables y coste por corrida.
Decisión
La ruta más barata que cumple la calidad, documentada; si no la hay, lo decimos.
Alcance y entregables
Qué entrega el proyecto
| Análisis de restricciones | Datos, idioma, coste y cumplimiento, por escrito. |
|---|---|
| Baseline | El mejor modelo genérico evaluado sobre tus casos. |
| Experimento | RAG y adapters con métricas y coste comparables. |
| Recomendación | Ruta elegida con coste estimado y riesgos. |
| Implementación | Pipeline productivo si decides continuar. |
| Publicación | El criterio queda documentado y compartible. |
Prueba en producción
El criterio aplicado
0prompts fijos por evaluación
0idiomas evaluados
0rutas comparadas: RAG y adapters
0%decisiones con evidencia
Preguntas frecuentes
Las preguntas que escuchamos a menudo
¿Cuándo NO conviene fine-tuning?
Cuando el problema es conocimiento faltante o cambiante: eso lo resuelve RAG con menos coste y riesgo.
¿Trabajan con modelos abiertos?
Sí, incluida inferencia local con GLM, Qwen, Mistral u otros, cuando el cumplimiento lo pide.
¿Cuánto cuesta un experimento?
Se acota por sprints; el diagnóstico define el tamaño. Escríbenos con tu caso.
¿Mejorarás el resultado en español?
Evaluamos explícitamente el español de tu negocio; es uno de los ejes del lab.
¿Cuándo recomiendan híbrido?
Cuando el estilo debe ser tuyo y el conocimiento cambia a diario: adapters para el tono, RAG para el dato.
Continuar por aquí
¿Y después de esto?
AI Lab
Slash AI Lab
El laboratorio donde evaluamos modelos y publicamos el método.
Saber más→ IAInteligencia artificial
IA aplicada a operación real: agentes, RAG, visión, voz y automatización.
Saber más→ RAGFine-tuning vs RAG
Cuándo RAG, cuándo fine-tune, cuándo híbrido.
Saber más→ ConsultoríaConsultoría IA
Diagnóstico y arquitectura antes de construir. Roadmaps accionables.
Saber más→
Hablar con Slash
Pongámoslo en producción
Cuéntanos tu reto. Respondemos en menos de 24 horas con una primera lectura honesta: si podemos ayudarte, te diremos cómo; si no, te diremos quién puede.
Contesto personalmente. Sin formularios eternos ni respuestas automáticas.