Fine-tuning
Entrenar (re-entrenar) parcialmente un LLM con datos específicos para que adapte su comportamiento a un dominio concreto. Distinto de RAG: modifica el modelo, no solo lo que ve.
Definición completa
El **fine-tuning** es el proceso de tomar un LLM ya entrenado (Gemini, Llama, etc.) y continuar su entrenamiento con un conjunto de datos específico. El resultado es un modelo "afinado" que rinde mejor en ese dominio que el modelo base.
**Fine-tuning vs RAG — diferencias clave:**
| | Fine-tuning | RAG |
|---|---|---|
| Modifica el modelo | Sí | No |
| Permite añadir datos sin re-entrenar | No | Sí |
| Coste | Alto | Bajo |
| Trazabilidad | Difícil | Cita fuentes |
| Actualización | Re-entrenar | Subir documento |
**Para sector público, RAG suele ser preferible** por:
- Trazabilidad (cita artículo de ordenanza).
- Actualización inmediata (cuelgas nueva ordenanza y la IA la usa al instante).
- Cumplimiento RGPD (los datos no entran en pesos del modelo).
- Coste asumible.
Pueblania **no hace fine-tuning** con datos ciudadanos por contrato. Usa RAG con los documentos del propio Ayuntamiento.
Ejemplos prácticos
- Una empresa que quiere que la IA responda con su tono de marca puede fine-tunear un modelo base con sus textos corporativos.
- Un Ayuntamiento NO debería fine-tunear con datos ciudadanos: salen del control jurídico y son difíciles de retirar después.
Términos relacionados