Qué pasa después de entregar un chatbot o agente de IA
Así mantenemos un chatbot de IA después de entregarlo: un golden dataset con conversaciones reales, monitorización, alarmas y resultados cada semana.
Lo que vamos descubriendo construyendo IA en producción con nuestros clientes.
Así mantenemos un chatbot de IA después de entregarlo: un golden dataset con conversaciones reales, monitorización, alarmas y resultados cada semana.
En las pruebas donde nadie más puede desmentir al agente, casi la mitad de sus fallos llegan con un «ha ido bien». Qué miden los estudios y quién dice «hecho».
El reglamento europeo de inteligencia artificial no da deberes solo a quien fabrica modelos. Dos ya te aplican hoy. El aplazamiento del que todos hablan no los toca.
El proyecto de IA que impresiona en la demo y muere en el cajón tiene nombre y tiene remedio. Un test de tres señales para distinguir la herramienta del juguete.
Vendemos agentes de IA y no nos gusta cómo los construye casi todo el mundo. Las reglas de negocio no pueden vivir en el prompt, tienen que vivir en el código.
El mercado entero vende ingeniería de instrucciones. Nuestra experiencia en producción dice que se gana más ordenando los datos que puliendo el prompt.
Los proyectos de IA vistosos se estrenan bien y mueren pronto. Los rentables son fáciles de empezar y de mantener. La diferencia se decide antes de escribir código.
Documentar cómo se reconoce un fallo desde fuera rinde más que documentar cómo se arregló. Tres firmas reales de un asistente de IA en producción.
Un asistente conversacional depende de sistemas que fallan. El disyuntor que protege al usuario y las tres lecciones que nos dio mantenerlo en producción.
La productividad es la métrica cómoda de la IA, siempre sale bien y no compromete a nada. Nosotros preferimos la incómoda, qué ganancia concreta dejó el sistema.
El patrón text-to-SQL promete que el modelo escribirá las consultas. Lo construimos para Savian con la decisión contraria, que es la que lo hace seguro.
Qué cambia cuando el OCR se combina con un modelo de lenguaje, cómo se ve con facturas de suministros reales y por qué la validación es el verdadero producto.
Decenas de mensajes de WhatsApp al día, cinco a diez minutos por consulta y un equipo desbordado. Esto es lo que hace el agente que los filtra.