Clase corta de seguimiento: el pasapalabra del estado del arte (DeepSeek, embedding y fine-tuning), la escalera de cuatro niveles para enseñarle cosas a una IA, y el pistoletazo de salida del primer sprint de los equipos. Poca teoría y mucha construcción.
Seguimos con el mini concurso de arranque: tres términos que han ido saliendo estas semanas, para fijar vocabulario y ponernos al día del estado del arte. En clase jugamos todos en un solo equipo, contra mí. Hoy tocaban la D, la E y la F, y hubo pleno: el bote sigue vivo.
Escribe tu respuesta a cada pista y pulsa Enter. Vale aunque falles alguna letra o te comas una tilde: puntúa por parecido. En clase hubo pleno, ¿lo igualas?
Empieza por D. Startup china fundada en Hangzhou por un ex gestor de hedge fund que en enero de 2025 hizo caer a NVIDIA un 17% en bolsa con R1, su modelo razonador abierto entrenado por una fracción del coste de OpenAI.
Empieza por E. Palabra inglesa: vector de unos 1.500 números que representa el significado de un texto. Si dos cosas significan parecido, sus vectores quedan cerca en el espacio.
Empieza por F. Palabra inglesa: coger un modelo ya preentrenado y reentrenarlo un poco con tus datos para especializarlo en tu tarea o tu tono.
Los tres términos del pasapalabra no son sueltos: son peldaños de la misma escalera. Hay cuatro niveles para enseñarle cosas a una inteligencia artificial, ordenados de barato a caro. La regla de oro: sube de nivel solo cuando el anterior no llega.
Se lo dices en la propia pregunta: instrucciones claras, ejemplos, skills reutilizables. Segundos de esfuerzo. Es lo primero que hay que dominar y resuelve la mayoría de los casos.
Le das tus documentos en tiempo real: la IA busca por significado (embeddings) en tu información y responde con ella, sin reentrenar nada. Horas de esfuerzo. Es el truco detrás de todo "ChatGPT que sabe de tu empresa".
Modificas los pesos del modelo reentrenándolo con tus datos. Días de trabajo y GPUs. Solo compensa cuando el prompt y el RAG no llegan: tono muy específico o tarea repetitiva y acotada.
Crear tu propio modelo desde cero, sin reutilizar nada de otros. Diez pasos más allá: millones de euros, equipos enteros y meses de entrenamiento. Es la liga de OpenAI, Anthropic o DeepSeek.
Embedding. Un vector de unos 1.500 números que representa el significado de un texto, una imagen o un audio. Si dos cosas significan parecido, sus vectores quedan cerca en un espacio matemático. La idea en una frase: Rey menos Hombre más Mujer es, aproximadamente, Reina: los conceptos se pueden sumar y restar como vectores. Con eso se construye la búsqueda semántica (buscar por significado, no por palabras clave), las recomendaciones de productos o canciones, la detección de plagios y, sobre todo, el RAG. Sin embeddings no hay "ChatGPT que sabe de tu empresa".
Fine-tuning. Coger un modelo ya preentrenado (Llama, GPT, Mistral...) y reentrenarlo un poco con tus datos para que se especialice. Compensa cuando necesitas un tono muy específico (legal, médico, tu marca), una tarea repetitiva y acotada (clasificar tickets, extraer datos de facturas), o quieres que un modelo pequeño y barato haga el trabajo de uno grande. No compensa casi nunca antes de agotar el prompt y el RAG.
DeepSeek. Startup china fundada en 2023 en Hangzhou por Liang Wenfeng, un ex gestor de hedge fund cuantitativo que la financió con el dinero de su propio fondo. En enero de 2025 lanzó R1: razonaba al nivel de o1 de OpenAI, entrenado con unos 5 millones de dólares frente a los cientos de millones habituales, en GPUs peores por los controles de exportación, y con pesos, paper y código publicados en abierto.
El lanzamiento de R1 hizo caer a NVIDIA un 17% en bolsa en un solo día: demostró que la eficiencia algorítmica le puede ganar a la fuerza bruta. Con una API 20 veces más barata que la de OpenAI y todo en abierto, cualquiera puede descargarlo y autoalojarlo sin mandar sus datos a Estados Unidos ni a China.
Hoy fue el pistoletazo de salida: cada equipo (Lobos, Pulpos, Leones y Unicornios) a su sala, hora y media de trabajo, y los mentores de apoyo durante la semana. La próxima clase conmigo es dentro de dos semanas: una hora para coordinarse y después la primera review de verdad, enseñando lo construido y recibiendo feedback.
Marca lo que vayas completando. Se guarda en tu navegador, así que al volver sigue aquí.
El PowerPoint está bien, pero lo que quiero ver es una URL en la que pueda entrar y darle al botón. Nada de botones de cartón pluma que no hacen nada: todo lo que pongáis tiene que funcionar. Mejor una o dos funcionalidades completas que diez pantallas bonitas. Si ponéis registro de usuario, que registre; imaginad un WhatsApp donde enviar un audio no funcionara. Eso es la mentalidad de producto: un MVP, no una maqueta.
Tres preguntas para fijar lo esencial. No hay nota ni castigo: si fallas, te explico el porqué.
Repaso · Pregunta 1/3
Glosario · toca para ampliar
Vector numérico (una lista de ~1.500 números) que representa el significado de un texto, imagen o audio. Si dos cosas significan parecido, sus embeddings quedan cerca en un espacio matemático multidimensional.
Ver en el diccionarioReentrenar un poco un modelo ya preentrenado con datos propios para especializarlo. Es el nivel más caro de enseñar cosas a una IA: se usa solo cuando el prompting y el RAG no llegan.
Ver en el diccionarioRetrieval-Augmented Generation: darle a un LLM tus documentos en tiempo real, buscando por significado con embeddings, para que responda con tu información sin tener que reentrenarlo.
Ver en el diccionarioStartup china de IA fundada en 2023 en Hangzhou por Liang Wenfeng. En enero de 2025 lanzó R1, un modelo razonador open source entrenado con ~5M$ que hizo caer a NVIDIA un 17% en bolsa en un día.
Ver en el diccionarioUn modelo de IA creado desde cero, sin reutilizar pesos de otros modelos. Entrenarlo cuesta millones y es el último nivel de la escalera: prompting, RAG, fine-tuning y, al final, tu propio modelo.
Ver en el diccionarioProducto Mínimo Viable: la versión más pequeña de tu idea que ya funciona de verdad y sirve para validar si alguien la quiere. Pocas funcionalidades, pero completas.
Ver en el diccionarioEstas dos ideas son las que más impacto tienen. Si te llevaras únicamente dos cosas de toda esta página, que sean éstas:
¿Dudas con vuestro producto? Escribidme a hi@alci.dev o llevadlas a la mentoría. Nos vemos en la review dentro de dos semanas.