Preguntas Frecuentes

Un LLM (modelo de linguaxe grande, se o traducimos) é, resumido sen tecnicismos, un programa adestrado con moitísimo texto que aprendeu a predicir que palabra vén despois doutra. Soa sinxelo, case parvo. E aínda así de aí sae ChatGPT, Claude, Gemini e toda a onda de ferramentas que che escriben un correo ou che resumen un contrato en dous segundos.

Pénsao como o autocompletado do móbil, pero adestrado cunha biblioteca enteira en vez de cos teus últimos mensaxes. A diferenza de escala é tan grande que o resultado deixa de parecer autocompletado e comeza a parecer conversa.

Por que agora e non hai dez anos? Porque fixeron falta tres cousas á vez: moitísimos datos de texto dispoñibles, ordenadores capaces de procesalos (as famosas GPU, que ata hai pouco só interesaban a quen xogaba a videoxogos) e un cambio de deseño interno do modelo, o chamado “transformer”, que saíu dun paper de Google en 2017. Sen as tres pezas xuntas, isto seguiría sendo un experimento de laboratorio.

Unha cousa que a xente dá por feita e non é certa: o modelo non “sabe” nada no sentido en que o sabe unha persoa. Non consulta unha base de datos cando lle preguntas algo, xera a resposta palabra a palabra en base a patróns aprendidos. Por iso ás veces inventa cousas con total seguridade (o que se coñece como alucinación) e por iso convén non tratalo como un oráculo, senón como unha ferramenta que hai que revisar.

Para un negocio pequeno isto tradúcese en usos moi concretos: responder dúbidas frecuentes de clientes, redactar primeiras versións de textos, resumir documentos longos. Nada de ciencia ficción, simplemente un empregado moi rápido e algo despistado ao que hai que revisarlle o traballo.

Se te preguntas se paga a pena miralo para o teu negocio, a pregunta que che faría eu non é “que pode facer a IA”, é “que tarefa repetitiva vos quita máis tempo cada semana”. Aí adoita estar a resposta.

→ Ligazón directa a esta pregunta

Esta pregunta fanma sobre todo clientes que dubidan se de verdade precisan contratar unha axencia ou se poden “facelo con IA” directamente. Entendo, calquera que vise a ChatGPT escribir unha función en segundos fíxose esa pregunta.

A IA xerativa escribe código razoablemente ben cando o problema está ben delimitado e se parece a algo que xa existe miles de veces en internet: un formulario de contacto, unha función que ordena unha lista, un compoñente típico. Aí si aforra tempo de verdade, e na axencia usámola para iso constantemente.

O que non fai ben, aínda, é entender o contexto completo dun proxecto real: por que esa API devolve os datos nese formato tan raro, que decisión de hai dous anos segue condicionando como se pode tocar tal compoñente, ou que vai pasar co rendemento cando ese cliente pase de 50 a 5.000 usuarios. Iso require alguén que entenda o negocio detrás do código, non só o código.

Hai un exemplo que uso moito: pedirlle a unha IA que “arranxe un bug” nun proxecto grande sen darlle máis contexto có mensaxe de erro. Ás veces acerta. Moitas veces propón unha solución que fai desaparecer o síntoma pero deixa o problema real intacto, ou peor, introduce un problema novo noutro sitio do código que ninguén revisou.

Entón, substitúe a un programador? Non ao programador que sabe o que está a facer. Si pode substituír, co tempo, a parte máis mecánica e repetitiva do traballo, e de feito xa o está facendo, o cal cambia que habilidades paga a pena ter. Un desenvolvedor que sabe revisar, corrixir e decidir que código xerado por IA paga a pena usar, vale máis agora ca hai tres anos. Un que só copia e pega sen entender, non.

Se no teu negocio te propós prescindir de desenvolvedores por isto, a pregunta que che faría é quen vai asumir a responsabilidade cando algo falle en produción un sábado pola noite. Esa parte, de momento, segue sendo humana.

→ Ligazón directa a esta pregunta

Antes de meterme neste tema tiven que aprendelo eu mesmo, porque non tiña nin idea de que pasaba realmente co que escribes nun chat de IA. A resposta curta é: depende, e a maioría da xente non le a parte que depende.

Cando escribes algo nunha ferramenta de IA gratuíta orientada a consumidor, en moitos casos esa conversa pode usarse para seguir adestrando o modelo, salvo que a propia ferramenta ofreza (e ti actives) unha opción para evitalo. Nos plans de empresa ou nas API que usamos nós para construír cousas para clientes, normalmente é ao revés: por defecto non se usa para adestrar nada, queda só como parte do servizo que pediches.

A regra que aplico eu, sen excepcións: nunca pegar nun chat de IA nada que non pegarías nun correo a un descoñecido. Contrasinais, datos de clientes, contratos con cláusulas de confidencialidade, todo iso queda fóra. Non porque asuma mala fe da empresa que fai a IA, senón porque calquera sistema pode ter un fallo de seguridade, e canto menos dato sensible circule, menos hai que perder se algo falla.

Para un negocio que quere meter IA na súa web ou na súa atención ao cliente, hai unha pregunta que case ninguén fai e debería: onde vive o dato mentres se procesa? Se é unha ferramenta con servidores na Unión Europea e contrato de encargado do tratamento (o que esixe o RGPD), a cousa cambia bastante respecto de copiar e pegar datos de clientes na web pública dun chatbot calquera.

E logo está o obvio, que se nos esquece: se a túa propia empresa non permite compartir certa información cun provedor externo calquera, tampouco deberías compartila cunha IA só porque pareza “só unha ferramenta”. É un provedor externo máis, coas súas condicións de servizo e a súa letra pequena coma calquera outro.

O que aprendín investigando isto é que o risco real non adoita estar na IA en si, senón en non ler que plan estás a usar e para que se configurou.

→ Ligazón directa a esta pregunta