Ya estoy inscrito ¿Todavía no tienes acceso? Nuestros Planes
Ya estoy inscrito ¿Todavía no tienes acceso? Nuestros Planes
1
respuesta

Práctica 2 - Analizar AI Generativa

¡Hola a todos y todas!

En esta participación comparto cómo apliqué los mecanismos de la inteligencia artificial generativa en "Precocidos Mi Rejo", una empresa ficticia de productos precocidos y fritos (como empanadas, arepas y aborrajados) creada con la proyección de convertirse en un negocio real. Vivo en la Ciudad de Cali Colombia y dichos productos son tipicos y apetecidos en cualquier momento del día.

https://docs.google.com/document/d/12fn2Yd-wNHlo0xXyrB-pmwkN-CDFn9jj6V2kHqwAQ4A/edit?usp=sharing

1 respuesta

¡Hola, Leidy! ¿Cómo estás?

Muchas gracias por compartir tu práctica. ¡Qué buena idea trabajar con "Precocidos Mi Rejo"! Usar un negocio con productos típicos de Cali, y con la proyección de hacerlo realidad, hace que el ejercicio sea mucho más concreto y útil para ti.

Lo que destacamos

  • Un mapeo muy claro. Relacionar cada área con sus documentos y con ejemplos reales de preguntas de clientes muestra muy bien por qué la IA necesita fuentes específicas para responder con precisión.
  • Un caso de prueba realista. El reclamo por el pedido incompleto y los aborrajados aplastados combina logística y calidad, y tu análisis identifica bien cuál es la fuente ideal para resolverlo.
  • El experimento de temperatura. La respuesta con temperatura alta, que promete una bandeja familiar gratis, es un ejemplo excelente de cómo la creatividad puede llevar a compromisos que la empresa no puede cumplir.
  • La detección de alucinaciones. Comparar el modelo abierto con el entorno controlado deja muy claro el riesgo: sabores que no existen y un horario equivocado pueden generar reclamos reales.
  • El registro de validación. Separar lo que falló de lo que se aprobó, con una acción correctora para cada punto, es una práctica muy profesional.

Algunas sugerencias

  • Matizar el "cero alucinación". Trabajar con fuentes propias en NotebookLM reduce mucho el riesgo, pero no lo elimina por completo: la herramienta aún puede malinterpretar o mezclar información. Por eso, la revisión humana sigue siendo necesaria.
  • La temperatura no reemplaza a las fuentes. Incluso la respuesta con temperatura baja ofrece opciones de compensación que deberían confirmarse con el manual de garantías. Una temperatura baja hace las respuestas más consistentes, pero lo que asegura que sigan las políticas reales es que la IA consulte los documentos oficiales.
  • Escalar a una persona. Para reclamos con productos dañados o pedidos incompletos, podrías sumar una regla para que la IA derive el caso a alguien del equipo cuando la compensación supere cierto valor o el cliente esté muy molesto.

¡Mucho éxito con el proyecto! Ojalá pronto "Precocidos Mi Rejo" sea un negocio real.

¡Un saludo hasta Cali y buenos estudios!