Empiece por una tarea que pueda evaluar
Sepa cómo reconocer un resultado útil.
Buscar en documentos internos y predecir un resultado operativo requieren datos y métodos de evaluación diferentes. Examinamos las entradas, la decisión que debe apoyar el resultado y las consecuencias de un error. Esto permite determinar qué enfoque explorar, qué evidencias se necesitan y dónde debe intervenir una persona para revisar el resultado antes de utilizarlo.
Un análisis de viabilidad acotado puede responder a una pregunta técnica concreta antes de acordar el alcance de una aplicación más amplia.
Servicios de IA y aprendizaje automático
Elija el enfoque en función del problema.
Los datos disponibles, el acceso a las fuentes y los requisitos de revisión determinan la aplicación y la forma de evaluar sus resultados.
Hablemos de sus requisitosDesarrollo de aplicaciones de IA
Cree aplicaciones que ayuden a procesar documentos, encontrar información y preparar borradores de contenido. Defina el material de referencia, la salida necesaria y los pasos de revisión dentro del proceso empresarial correspondiente.
- Procesamiento de documentos
- Búsqueda en fuentes de conocimiento seleccionadas
- Preparación asistida de contenido
Desarrollo de chatbots y asistentes
Desarrolle interfaces conversacionales con información aprobada y servicios conectados. Establezca límites temáticos y reglas de acceso, con opciones para pedir aclaraciones o transferir la conversación a una persona.
- Interfaces de usuario conversacionales
- Conexiones con fuentes de conocimiento
- Transferencia a soporte humano
Desarrollo de aprendizaje automático
Prepare los datos para una tarea de predicción o clasificación, desarrolle modelos candidatos y compare sus resultados con una referencia pertinente. La evaluación utiliza ejemplos representativos y métricas adecuadas a la pregunta de negocio.
- Preparación de datos
- Modelos de predicción y clasificación
- Comparación y evaluación de modelos
Integración y evaluación de IA
Conecte el modelo seleccionado con su aplicación y compruebe el comportamiento del flujo completo. Registre comentarios útiles y revise los casos con entradas desconocidas, fuentes ausentes o resultados que requieren atención.
- Integración de aplicaciones y modelos
- Ejemplos y criterios de evaluación
- Supervisión y comentarios de usuarios
Ejemplo ilustrativo de visión artificial
Detecte objetos y después revise las evidencias.
Este ejemplo de una escena de construcción ilustra la detección de objetos en un flujo de tratamiento de imágenes. En un proyecto se definirían las categorías de objetos y los ejemplos representativos, y se analizarían las omisiones y las detecciones incorrectas antes de decidir cómo utilizar los resultados.
- Defina los objetos y las situaciones relevantes.
- Revise las detecciones incorrectas y los objetos no detectados.
- Vincule el resultado con un paso de revisión humana acordado.
Ejemplo de aplicación de IA
Busque en documentos de la empresa con referencias a las fuentes.
Un asistente interno podría ayudar al personal a encontrar respuestas en un conjunto seleccionado de documentos de la empresa. La aplicación recuperaría materiales a los que el usuario tiene permiso de acceso y prepararía una respuesta con referencias. La evaluación comprobaría si esas referencias respaldan la respuesta y cómo actúa el asistente cuando faltan documentos, están desactualizados o son contradictorios.
- Aplique las reglas de acceso a documentos antes de recuperar el material de referencia.
- Pruebe las respuestas útiles junto con las preguntas que no se pueden responder.
- Ofrezca una vía para revisar la fuente o solicitar ayuda humana.
- PreguntarUna persona del equipo plantea una pregunta sobre su trabajo.
- RecuperarLa aplicación busca en las fuentes documentales permitidas.
- ResponderEl asistente prepara una respuesta con referencias a las fuentes.
- RevisarEl usuario comprueba las referencias o solicita ayuda adicional.
Escenario hipotético de asistente; la viabilidad y la calidad de las respuestas deben evaluarse con las fuentes seleccionadas.
Ejecución de proyectos de IA
Utilice la evaluación para orientar el siguiente paso.
Un prototipo resulta útil cuando responde a una pregunta acordada sobre la tarea, los datos o el enfoque propuesto.
Evaluar el caso de uso
Revise con su equipo las entradas de ejemplo, el acceso a las fuentes y el resultado esperado. Defina los ejemplos de evaluación, los criterios de éxito y las condiciones que harían inadecuado el enfoque.
Qué recibiráAlcance del caso de uso y plan de evaluaciónDesarrollar y comparar
Construya un prototipo o modelo acotado y evalúe los resultados. Analice los fallos, compare enfoques candidatos e identifique qué limitaciones deben abordarse antes de la integración.
Qué recibiráPrototipo y conclusiones documentadasIntegrar y revisar
Integre el enfoque seleccionado en la aplicación con los controles de acceso y la revisión humana acordados. Documente la supervisión, la recopilación de comentarios y la forma de comprobar futuros cambios en modelos o fuentes.
Qué recibiráFlujo integrado y procedimientos de revisión
Antes de empezar
Algunas cuestiones
que quizá se esté planteando.
¿Tiene otra pregunta?
Hablemos de ello
¿Necesitamos un modelo de aprendizaje automático propio?
Depende de la tarea. Un modelo existente, una aplicación basada en búsquedas o software convencional podrían cubrir la necesidad. Antes de recomendar un modelo propio, consideramos la disponibilidad de datos, los resultados de la evaluación y las restricciones operativas.
¿Podemos empezar si nuestros datos empresariales están incompletos?
Podemos comenzar revisando una muestra representativa. Los hallazgos pueden indicar la necesidad de preparar datos, ampliar la cobertura de las fuentes o acotar la tarea inicial. También ayudan a distinguir qué se puede probar ahora y qué requiere información adicional.
¿Cómo gestionan las respuestas inexactas de la IA?
El diseño puede incluir referencias a fuentes, revisión humana, comportamientos alternativos y recopilación de comentarios. Estos controles se eligen según la tarea y se prueban con preguntas representativas. Ayudan a gestionar los errores, pero no hacen que todos los resultados sean correctos.
Su siguiente paso
¿Qué tarea debe abordar su proyecto de IA?
Comparta ejemplos de entrada, el resultado que necesita y la decisión que apoyaría. Podemos definir un alcance de evaluación inicial.