Un modelo es un componente, no una estrategia. El trabajo son los datos que lo rodean, la evaluación que lo sustenta y una explicación honesta de lo que no puede hacer.

00

¿Cómo sería una buena respuesta?

La primera pregunta decide la mayoría de estos proyectos: ¿cómo sería una buena respuesta y cómo sabría que la obtuvo?

Muchos llegan como tecnología que busca una tarea: alguien vio lo que hace un modelo y quiere uno. La primera conversación útil va en sentido contrario.

¿Qué decisión o trabajo debe cambiar? ¿Cómo es una buena respuesta, con precisión suficiente para que dos personas coincidan al juzgarla? ¿Y qué ocurre si falla? A veces fallará y debe poder soportarse.

Recomendar resolver el problema de otra manera es aquí un resultado normal, no una venta fallida, y suele deberse a una de dos razones: aún no existen los datos para aprender, o una regla haría el trabajo a menor coste y también sería explicable.

Qué se establece primero

• La tarea expresada como resultado, no como tecnología
• Cómo es una buena respuesta y quién decide
• Qué ocurre ante una respuesta errónea y cómo se detecta
• Si existen datos de aprendizaje y si puede usarlos legalmente
• Si bastaría una regla, una consulta o un formulario mejor
• Cuánto vale si funciona, para fijar el presupuesto de la prueba

Qué recibe

• Una declaración escrita de tarea y criterios de aceptación
• Una evaluación honesta de si los datos lo permiten
• El enfoque más sencillo que podría funcionar, probado primero
• Coste de averiguarlo separado del coste de construirlo
• Recomendación de no continuar cuando sea lo correcto

No se incluye: elegir un modelo antes de definir la tarea. Así se acaba teniendo una demostración.

01

Los datos, que son casi todo el trabajo.

El modelo es la parte fácil. Aportarle datos limpios, trazables y lícitos no lo es.

Casi todas las horas que parecen dedicadas al modelo se dedican a los datos: buscarlos, limpiarlos, etiquetarlos y poder explicar después el origen de cada pieza.

La procedencia no es burocracia. Si alguien pregunta por qué el sistema dijo algo, la respuesta empieza en sus datos de aprendizaje. Quien no puede responder tiene un modelo que no puede defender.

Incorporarlos

• Procesos desde sus sistemas actuales, versionados como cualquier código
• Limpieza y eliminación de duplicados con reglas escritas, no improvisadas
• Etiquetado: quién, con qué guía y cómo resolver desacuerdos
• Un conjunto reservado antes de que nadie examine los datos
• Procedencia por registro para responder a preguntas posteriores

Mantener la licitud

• Base jurídica establecida antes de ejecutar el primer proceso
• Datos personales minimizados y seudonimizados cuando la tarea lo permita
• Conservación según la obligación, no la comodidad
• Derecho de supresión técnicamente posible, no solo prometido
• Registro de tratamiento que incluya entrenamiento e inferencia

No se incluye: extraer datos que no tiene derecho a usar. Sin procedencia declarable, el modelo no puede defenderse.

02

Ejecutarlo donde pueda verlo.

Inferencia en hardware suyo para que nada deba salir para ser útil.

Los modelos de pesos abiertos bastan para la mayoría del trabajo real de una organización. Ejecutarlos usted mismo evita que las entradas salgan.

Importa donde está el valor: documentos que no puede enviar fuera, correspondencia y registros. Un modelo alimentado por una API ajena no puede usarse con sus datos interesantes.

Despliegue

• Modelo elegido según su tarea, no una clasificación
• Cuantización y lotes dimensionados para su hardware real
• Aprovisionamiento GPU o explicación honesta de que basta la CPU
• Servicio de inferencia con límites, colas y comprobación de estado
• Pesos versionados para reproducir una respuesta meses después
• Comportamiento alternativo ante indisponibilidad, decidido de antemano

Operación

• Latencia y coste medidos por solicitud, no estimados
• Capacidad planificada según tráfico real
• Actualizaciones ensayadas: un modelo nuevo cambia el comportamiento
• Registro de qué versión respondió a cada solicitud
• Supervisión del fallo importante: respuestas erróneas dadas con confianza

No se incluye: prometer que la inferencia local siempre sea más barata. Por encima de cierto volumen sí; por debajo, una API. Haremos ese cálculo con honestidad.

03

Respuestas fundamentadas en sus documentos.

Respuestas fundamentadas en sus documentos, cada una con su fuente.

Lo más útil para muchas organizaciones no es un modelo que sepa cosas, sino uno que encuentre el párrafo correcto entre lo que ya tienen e indique su origen.

Eso es recuperación. El trabajo importante es recuperar, no generar: qué se indexa, cómo se divide, cómo se actualiza y si la cita sustenta realmente su frase.

Construcción

• Indexación de sus almacenes existentes con sus permisos
• División según el documento, no un número fijo de caracteres
• Representaciones vectoriales regenerables con un modelo que conserva
• Actualidad: cuánto tarda un cambio documental en cambiar la respuesta
• Citas en cada afirmación, comprobadas en la evaluación

Mantener la honestidad

• Un "no lo sé" visible, usado, no decorativo
• Rechazar respuestas no sustentadas por la evidencia recuperada
• Permisos aplicados en la recuperación para evitar lecturas indebidas
• Evaluación con preguntas de respuesta conocida en cada cambio
• Vía para corregir una respuesta y actualizar el índice con ello

No se incluye: un sistema infalible. La recuperación reduce la invención, no la elimina; una cita permite comprobar el error, no lo hace imposible.

04

Una cifra defendible.

Una cifra defendible, medida igual cada vez; de lo contrario, es una demostración.

Sin evaluación no se distingue un sistema útil de uno que impresionó una vez. El conjunto de pruebas se escribe antes de construir, con casos reales y respuestas acordadas por conocedores del ámbito.

Se ejecuta igual en cada cambio y se conserva la cifra incluso cuando baja.

Cómo se mide

• Conjunto reservado de casos reales, acordado antes de construir
• Métricas elegidas para la tarea, no para lucirse
• Mismo sistema de pruebas en cada cambio para comparar cifras
• Revisión humana de una muestra: hay cosas que ninguna métrica detecta
• Vigilar la deriva tras el lanzamiento: el mundo cambia, el modelo no

Qué se comunica

• La puntuación, incluidas las pruebas en que bajó
• Dónde falla, descrito, no oculto por una media
• Casos que debe rechazar y si los rechazó
• Coste y latencia junto a calidad: los tres forman el producto
• Recomendación de parar cuando las cifras no justifican continuar

No se incluye: una puntuación pública como prueba de utilidad para usted. Una prueba pública mide una tarea pública.

05

Qué puede decidir.

Qué puede decidir el sistema, qué debe elevar a una persona y el registro que demuestra qué ocurrió.

Sugerir y decidir son productos distintos con obligaciones distintas. Su frontera es una decisión de diseño, no una propiedad que surge sola.

Se define explícitamente qué puede decidir solo, qué debe elevar y qué debe rechazar. El registro muestra cuál ocurrió en cada solicitud.

Controles

• Declaración escrita de lo que decide y lo que solo sugiere
• Vía de escalado con una persona al otro lado
• Lista de rechazo: preguntas que no debe responder
• Límites de solicitudes y gestión de abuso: un modelo es una puerta abierta
• Registro de instrucciones y respuestas con conservación según la obligación

Registros

• Qué versión respondió, con qué evidencia y cuándo
• Registro de tratamiento que incluya entrenamiento e inferencia
• Evaluación de impacto cuando el uso la requiera
• Historial de evaluación conservado, no resumido
• Documentación para quien herede el sistema, no quien lo construyó

No se incluye: asesoramiento jurídico sobre la Ley de IA u otras normas. Construimos el registro y los controles; su asesor los lee.

Inicio

Empiece por la tarea.

• Díganos la tarea, qué aceptaría como buena respuesta y qué datos tiene. No qué modelo quiere.
• Recibirá una evaluación honesta de si los datos bastan, el enfoque más sencillo que convenga probar y un coste de averiguarlo separado del de construir.

Escriba a

hello@ave17.com

Acerca de

Aprendizaje automático

No se incluye: un presupuesto fijo desde el primer mensaje. Averiguar si es posible ya es trabajo.

A

Cómo se desarrolla un proyecto de aprendizaje automático.

Cinco etapas. Las dos primeras ahorran dinero y ambas pueden terminar deliberadamente el proyecto.

No se incluye: una fecha de entrega en la primera conversación. Antes de estudiar los datos, cualquier fecha es una conjetura con un número.

B

Dónde falla.

Cinco fallos habituales de este campo, identificados de antemano. Ninguno es técnico.

La demostración que nunca se entrega

Funcionó con los veinte ejemplos elegidos por alguien. Sin conjunto reservado, nadie averiguó si funcionaba con los otros mil.

Protección: escribir las pruebas antes de construir, con casos que nadie haya seleccionado.

Con confianza, pero equivocado

El sistema responde a todo porque se construyó para responder. Los errores tienen la misma apariencia que los aciertos y nadie los nota.

Protección: una vía de rechazo y una evaluación que cuente los rechazos como aciertos.

No teníamos derecho a usar los datos

Se descubre tarde, normalmente por alguien externo; invalida el trabajo en lugar de retrasarlo.

Protección: establecer la base jurídica antes del primer proceso de datos.

Funciona y nadie lo usa

Se construyó al lado del trabajo, no dentro; usarlo exige un paso adicional que nadie da.

Protección: preguntar primero qué trabajo existente cambiará.

Nadie se hace responsable después del lanzamiento

Los modelos derivan, las fuentes cambian y los costes varían. Seis meses después es discretamente peor y nadie es responsable de notarlo.

Protección: responsable identificado al entregar, con horas disponibles y revisión programada.

No se incluye: afirmar que evitamos los cinco. Los nombramos para que pueda comprobar durante el proyecto si ocurren.

C

Qué no afirmaremos.

La lista breve. Cada punto es algo que se afirma en este campo sin que deba hacerse.

No afirmaremos

• Que un modelo entiende algo. Predice y predecir basta para mucho trabajo útil
• Que una puntuación de referencia se traslada a su tarea
• Que más datos siempre ayudan; a partir de cierto punto ayudan mejores datos, no más
• Que el sistema no puede equivocarse o una cita lo hace correcto
• Que podemos explicar por qué un modelo grande produjo una frase concreta

Qué sí diremos

• El enfoque más sencillo viable antes del más interesante
• Cuándo una regla superaría al modelo y sería explicable
• Cuándo la respuesta honesta es que aún no existen datos
• El coste de averiguarlo separado del de construirlo
• Cuál de los cinco fallos empieza a aparecer

El término de este campo es aprendizaje automático. Inteligencia artificial es el término comercial para algo que no existe; usarlo dificulta comprobar las demás frases.

No se incluye: excepciones por un contrato suficientemente grande. Por eso aparece en una página pública, no en una propuesta.

D

Cuánto cuesta.

Inferencia en infraestructura ajustada hasta parecerse a la suya. No se envía nada: funciona en su navegador y es una estimación, no un presupuesto.

Configuración, una vez

590 EUR

Ingeniería fuera del alcance

110 EUR por hora

Una evaluación

desde 3 días a 110 EUR por hora

Más de 1000 usuarios

termina la escala y hacemos un presupuesto

No se añade IVA: no estamos registrados y la cifra mostrada es el total.

La puesta en marcha se cobra una vez; lo demás es mensual. La ingeniería cuesta 110 EUR por hora. Un modelo que necesite GPU se presupuesta según la tarjeta realmente necesaria, después de que la evaluación la determine.

No se incluyen: ingeniería ni tarjeta gráfica. Ambas se presupuestan según el alcance de la evaluación.

E

Qué cubre el soporte y qué no.

Los mismos dos niveles de los demás despliegues. El límite está entre operar un modelo y mejorarlo.

Horario laboral, de lunes a viernes, excepto festivos: una solicitud enviada el viernes por la noche se responde el siguiente día laborable. Tres preguntas distintas en un mensaje cuentan como tres solicitudes.

Cubierto

• Máquina detenida, inaccesible o que devuelve errores
• Fallo de un componente instalado con el despliegue, incluidos el servicio de inferencia y el índice
• Problemas del sistema: disco, memoria, certificados y copias
• Reconfiguración solicitada: cambiar modelo o límite, reconstruir índice con documentos existentes
• Actualizaciones de lo instalado y fallos surgidos durante ellas

No cubierto

• Respuestas deficientes del modelo. Es evaluación e ingeniería con alcance, no una solicitud de soporte
• Reentrenar, ajustar o crear un índice de un corpus nuevo
• Explicar por qué un modelo grande produjo una frase concreta. Nadie puede, como indica el panel de afirmaciones que no haremos
• Cambio de comportamiento de un modelo externo tras cambios de sus autores
• Escribir la aplicación que llama al modelo
• Decidir qué puede decidir el sistema. Le corresponde a usted; construimos el registro de la decisión tomada

No se incluye: guardias de 24 horas. Los plazos de respuesta son laborables y explícitos; la cláusula 7 no promete disponibilidad.

F

Qué conserva y cómo salir.

Ejecutar un modelo en su hardware no vale nada si no puede llevárselo. Estas son las piezas y lo que ocurre con cada una.

Los pesos nunca fueron nuestros

Los modelos son archivos de pesos abiertos publicados por sus autores con sus licencias. No se los licenciamos ni podemos retirarlos: paga instalación, evaluación y operación.

El índice y las representaciones vectoriales

Índice vectorial, representaciones y proceso que los creó permanecen en la máquina y se trasladan tal como están, sin convertirse en un archivo de despedida. El proceso está documentado para reconstruir el índice con sus documentos.

El conjunto de evaluación es el activo

Los casos reservados, el código de puntuación y todas las puntuaciones son suyos y se entregan con el resto. Sin ellos, el siguiente ingeniero adivina si un cambio mejoró el sistema; el trabajo existe para evitarlo.

Las instrucciones y la configuración

Versionadas y revisables por sus ingenieros, con cada desviación del valor predeterminado registrada junto a su motivo.

Sus datos siempre fueron suyos

Sus datos permanecen donde los coloque. Nada tiene que salir de su infraestructura para ser útil; nada de lo que nos envía se introduce en un modelo y los datos de clientes nunca son datos de entrenamiento. El acuerdo de tratamiento hace vinculante este compromiso.

Marcharse es gratuito

1 mes de preaviso para cualquiera, sin tarifa de salida y con retirada de acceso a petición. La entrega se cobra a 110 EUR por hora; marcharse no. Cláusula 13 y página de salida completa.

No podemos entregar un modelo nunca ejecutado ni datos nunca conservados. Si se compró una tarjeta para el trabajo, es suya y permanece donde está; si el modelo está en nuestra máquina, el despliegue migra como cualquier otro.

No se incluye: ningún derecho sobre lo suyo. Nuestras condiciones no nos conceden licencia sobre datos, documentos o resultados; el aviso de privacidad lo declara en su propia sección.

G

Los plazos acordados.

Los plazos de este trabajo, cada uno con su cláusula. No cambian porque haya un modelo en el despliegue.

Antes de empezar

Un pedido se convierte en contrato con nuestra confirmación escrita; lo anterior es una estimación. La configuración empieza tras pagar la primera factura y aportar lo necesario: dominio, acceso a su máquina si corresponde y el directorio al que debamos conectarnos. Cláusula 4.

Una solicitud de soporte estándar

2 en 30 días, respondidas en 2 días laborables, incluidas con la máquina. Horario laboral, de lunes a viernes, excepto festivos: una solicitud enviada el viernes por la noche se responde el siguiente día laborable.

Una solicitud de soporte prioritario

4 en 30 días, respondidas en 8 horas laborables, por 199 EUR al mes. El mismo horario laboral. El exceso de cualquiera de las cuotas se cobra a 110 EUR por hora.

Una factura

Pagadera en 14 días. Configuración una vez antes de empezar, mantenimiento mensual anticipado y trabajo fuera del alcance presupuestado antes de comenzar y facturado al terminar. Cláusula 5.

Un cambio de precio

Al menos 30 días antes de aplicarse y nunca a un mes ya facturado. Cláusula 5.

Un cambio de estos documentos

Al menos 30 días antes de aplicar un cambio sustancial; puede terminar el contrato antes de su entrada en vigor. El documento muestra la fecha vigente y todas las anteriores debajo. Cláusula 14.

Preaviso para terminar

1 mes por escrito para cualquiera de las partes. Sin motivo necesario ni tarifa de salida. Cláusula 13.

Un incumplimiento

Cualquiera puede terminar inmediatamente si la otra parte incurre en incumplimiento sustancial y no lo subsana en 14 días desde el aviso. Cláusula 13.

Sus datos después de terminar

Los datos personales conservados como encargado se suprimen en 30 días desde la terminación, antes si lo pide, salvo conservación obligatoria por ley. Cláusula 13.

Desistimiento del consumidor

Si contrató como particular, no como organización, 14 días desde la celebración del contrato; reembolso en 14 días desde su aviso, descontando el trabajo que solicitó comenzar dentro de ese plazo. Cláusulas 4 y 5a.

Las fechas de inicio y entrega se acuerdan en el alcance escrito antes de la primera factura. El soporte se cuenta en horas laborables según la cláusula 6 de las condiciones.

Las fechas de entrega se acuerdan en el alcance escrito de su proyecto.

H

Con quién trata.

Con quién trata y la documentación correspondiente.

Las condiciones del servicio, el aviso de privacidad y el acuerdo de tratamiento del artículo 28 se publican íntegramente antes de pedir a nadie que firme.

Escriba a

hello@ave17.com

Acerca de

Aprendizaje automático

No se incluye: asesoramiento jurídico. Declaramos nuestra situación; sus obligaciones conforme a la Ley de IA de la UE u otras normas requieren su propio asesoramiento. Redactamos los documentos técnicos que leerá su asesor.

I

Si no le conviene.

Incluido el resultado que esta página menciona más que cualquier otro: la evaluación concluye honestamente que no merece la pena realizar la tarea. Es trabajo terminado y se factura como tal.

Si la respuesta es no continuar

Una evaluación que aconseja quedarse como está es trabajo terminado; su factura es igual que si aconsejara construir. Cobramos por el resultado, no por el que preferimos, y su precio permite encargarla antes de comprometerse.

Si el trabajo no es lo acordado

Para consumidores, la Consumer Rights Act 2015 exige diligencia y competencia razonables y permite pedir repetir el trabajo o reducir el precio; ningún contrato lo elimina, como dice la cláusula 5a. Para organizaciones, la cláusula 12 limita la responsabilidad total en doce meses a lo pagado durante ese periodo; no prometemos más.

Si quiere marcharse

1 mes de preaviso para ambas partes y salir es gratuito. Recibe el despliegue tal como está - base de datos, archivos y configuración - no una exportación de despedida; retiramos el acceso a petición suya. La entrega cuesta 110 EUR por hora; salir, no. Cláusula 13 y página de salida completa.

Si somos el proveedor equivocado

Si un producto alojado habitual ya resuelve la necesidad, nadie de su lado asumirá el resultado o lo decisivo es el menor precio de este trimestre, rechazaríamos el trabajo. Preferimos perderlo a descubrirlo en el tercer mes.

Si algo falla

Una interrupción se cuenta y nunca se cobra en ninguno de los dos niveles. No promete disponibilidad, como dice la cláusula 7: prometemos rapidez de respuesta, no ausencia de fallos.

Todo figura en las condiciones, el acuerdo de tratamiento o la página de salida, publicados íntegramente antes de pedir firmas. Los cambios se hacen primero allí y después aquí; el documento indica su fecha de vigencia.

No se incluye: prometer una cifra que no se ha medido. Acordar precisión antes de evaluar sería inventarla antes de evaluar; el panel C lo declara.

Cómo funciona

• A · Cómo se desarrolla un proyecto de aprendizaje automático
• B · Dónde falla

Antes de comprar

• C · Qué no afirmaremos
• D · Cuánto cuesta
• E · Qué cubre el soporte y qué no
• G · Los plazos acordados

Antes de confiar

• F · Qué conserva y cómo salir
• H · Con quién trata
• I · Si no le conviene