El volante de datos
Dos equipos usan el mismo modelo base. ¿Por qué uno se sigue adelantando?
La idea que hay dentro
El tráfico de producción, registrado y curado, alimenta las evals y el entrenamiento, así que tus datos se vuelven tu ventaja.
Después de esta lección
Puedes explicar el volante de datos y por qué los datos de producción son hoy la ventaja clave.
Adónde lleva
Los agentes potentes en producción también crean una nueva forma de ser atacado.
Dentro de esta lección
Ese es el escenario real de la lección, en pausa. Reclama tu pase para operarlo.
Mira cómo funciona la IA de verdad, de principio a fin.
Esta lección es solo una parada del arco completo. Desbloquéalo todo y consérvalo de por vida.
Lo que obtienes
- El camino principal de 34 lecciones, una ruta que sí se termina, de una palabra a los agentes
- Rutas por objetivo para usar IA en el trabajo y construir funciones con IA
- Labs de jefe que te hacen aplicar un acto entero, no solo reconocerlo
- Repaso espaciado que trae cada idea de vuelta antes de que la olvides
- Memoria del curso: cada término definido, con enlaces a donde aparece por primera vez
- Una tarjeta de capacidades para compartir cuando termines el camino principal
- Acceso de por vida en cualquier dispositivo, con todas las lecciones futuras incluidas
No son videos para mirar. Predices, operas la máquina y luego lo demuestras. Por eso se queda.
99 lecciones y retos interactivos. Sin videos, sin código.
Pase de lanzamiento gratis: acceso de por vida, sin tarjeta
¿Nuevo por aquí? Las primeras lecciones son gratis para probar. Empieza con la lección 0.1
Qué muestra esta lección
El tráfico de producción, registrado y curado, alimenta las evals y el entrenamiento, así que tus datos se vuelven tu ventaja.
La pregunta con la que abre
Dos equipos usan el mismo modelo base. ¿Por qué uno se sigue adelantando?
El recorrido, en palabras de la propia lección
- Dos equipos arrancan con el mismo modelo. Gira la manivela: manda tus datos una vuelta alrededor del bucle.
- Sigue girando. Mira cómo sube la calidad y se compone el dataset.
- Ahora sáltate el paso de etiquetado e intenta girarla otra vez.
- El bucle es la ventaja defensiva: tus datos de producción, componiéndose.
- Seis estaciones, un bucle. Gira la manivela para mandar tus datos una vuelta.
- Los fallos etiquetados se convierten en ejemplos de fine-tuning y en nuevos casos de prueba: eso es lo que convierte los errores registrados en un mejor modelo.
- Números de calidad inventados; las mejoras reales por vuelta son más pequeñas y más lentas, pero la forma del efecto compuesto es real.
- El uso real es el combustible: el equipo que registra su tráfico, extrae los casos difíciles y los realimenta consigue un bucle que el otro no puede comprar: el volante de datos.
- Cada vuelta crece más: el mejor modelo atrae más uso, que extrae más casos difíciles; el bucle se compone con cada usuario.
- Sin ground truth etiquetado no hay nada que añadir a los evals ni al entrenamiento: el hueco no se puede cerrar, así que la manivela solo da un tirón y se detiene.
- Quita cualquier estación (sin observability, sin curación, sin etiquetas) y todo el volante se traba. Solo se compone cuando cada paso gira: el disco no puede saltarse un hueco.
- No todos los datos de entrenamiento se registran de usuarios reales. Los modelos también aprenden de datos sintéticos que el equipo genera a propósito: un modelo fuerte escribe ejemplos, resuelve problemas o reescribe respuestas débiles, y esos se vuelven datos de entrenamiento para el próximo modelo. Combinados con el volante de datos, llenan huecos que el tráfico real nunca cubre: casos raros, funciones nuevas, casos límite difíciles, y te dejan escalar los datos sin escalar los usuarios. El riesgo es un bucle que se alimenta a sí mismo: si entrenas solo con la propia salida de un modelo, los errores pequeños se acumulan, así que los equipos filtran con dureza y mantienen datos humanos reales y evals en la mezcla.
- Un equipo casi no tiene tráfico real todavía, pero necesita datos de entrenamiento y de eval para una función totalmente nueva. ¿Qué puede hacer además de esperar a los usuarios?
- Generar datos sintéticos: que un modelo fuerte produzca inputs realistas y respuestas gold, y luego que personas o evals de confianza filtren y verifiquen una muestra. Eso arranca el volante de datos antes de que exista tráfico real, siempre que lo contrastes con casos reales para que el modelo no esté aprendiendo solo sus propias manías.
- Rompe el anillo en una estación y el bucle no puede cerrarse.
- El disco ámbar es tu dataset creciente, recorriendo el bucle.
La idea clave
Los datos, no el modelo base, son la ventaja duradera, y se acumulan con cada usuario.
Qué puedes hacer después de esta lección
Puedes explicar el volante de datos y por qué los datos de producción son hoy la ventaja clave.
Ponte a prueba: ¿Por qué los datos de producción se vuelven un foso defensivo?
- Los casos registrados, curados y etiquetados retroalimentan un mejor modelo, se acumula(correcta)
- Los datos dejan de importar una vez entrenado el modelo
- Un modelo base lo bastante grande vuelve irrelevantes los datos
- Solo ayuda con la observability
El uso real, una vez registrado, curado y etiquetado, alimenta un mejor modelo, que gana más uso. El bucle se acumula con el tiempo.
¿Prefieres leer primero? Esta lección tiene un explicador de compañía: Data flywheel
Adónde lleva: Los agentes potentes en producción también crean una nueva forma de ser atacado.
Este es el resumen escrito. La lección en sí es interactiva: arriba predices, arrastras y operas el mecanismo, y la revelación te responde.