Fine-tuning

Proceso de continuar el entrenamiento de un modelo base con ejemplos específicos de tu dominio para que aprenda un estilo, formato o vocabulario particular. Requiere un dataset curado (típicamente 500–5,000 ejemplos), infraestructura de entrenamiento y criterio técnico. El modelo resultante es "tuyo" pero sigue heredando las capacidades y sesgos del modelo base.

¿Cuándo usar Fine-tuning en una empresa?

Cuando ni prompting ni RAG logran la consistencia de estilo o formato requerida; cuando necesitas vocabulario técnico muy específico; cuando la latencia o el costo por inferencia importan más que la flexibilidad.

¿Cuándo NO conviene Fine-tuning?

Como primera opción. Siempre empieza por prompting y escala a RAG; solo fine-tune cuando las dos anteriores no alcanzan. La inversión típica es 10–30x mayor que un RAG equivalente.