Modelo vertical

¿Qué es un modelo vertical?

Un modelo general sabe un poco de todo, pero en una industria concreta a menudo no es lo bastante profundo como para fiarte. Un modelo vertical está optimizado para un campo o caso de uso específico: derecho, medicina, finanzas, código. No busca saberlo todo; busca ganar al modelo general en su propio terreno.

¿En qué se diferencia de un modelo general?

Conocimiento más profundo
Ha leído muchísimo material del sector, así que domina mejor la jerga, las normas y la lógica del negocio.
Más pequeño, rápido y barato
Muchos modelos verticales tienen menos parámetros y menor coste de inferencia, y es más fácil desplegarlos en tus propios servidores.
Pegado al trabajo
Entiende la jerga y las reglas no escritas del sector, y su salida es utilizable al momento, no genérica.

¿Cómo se construye?

Preentrenamiento continuado
Se le da texto del sector sobre una base general para volcar conocimiento de dominio.
Ajuste fino (SFT)
Se entrena con pares de pregunta-respuesta del campo para que aprenda respuestas profesionales.
Recuperación (RAG)
Se conecta a la base de conocimiento y bases de datos de la empresa, para que las respuestas tengan fuente y estén al día.
Alineación
Recibe un entrenamiento de retroalimentación específico para las reglas de seguridad y cumplimiento del sector.

¿Por qué lo prefieren las empresas?

Para muchas compañías, la amplitud del general importa menos que la profundidad del vertical. Los datos quedan bajo control, los costes son previsibles, el cumplimiento es más fácil y los resultados encajan con el trabajo. Un general responde a «¿puede hacerlo?»; un vertical responde a «¿lo hace bien?».

En resumen: un modelo vertical convierte a la IA de un generalista «amplio pero superficial» en un especialista fino y certero en un solo campo.