La pregunta sobre qué modelo de IA corresponde a un proyecto se respondía rápidamente hace pocos años: apenas había donde elegir. Hoy, incluso los proveedores individuales mantienen familias enteras de modelos que se diferencian en tamaño, comportamiento de respuesta, tiempo de reacción y precio. Para proyectos de desarrollo y automatización, esto no es una agradable abundancia, sino una decisión que debe justificarse.
En la práctica, a menudo se toma por intuición: se elige el modelo que se conoce por la ventana de chat, o aquel del que más se escribe en ese momento. Ambos son malos criterios de selección, porque no tienen en cuenta la tarea real. Un modelo que convence en el diálogo libre puede decepcionar en la extracción de datos estrictamente estructurada, y viceversa.
Primero la tarea, luego el modelo
El primer paso no es espectacular, pero a menudo se omite: describir la tarea con precisión. No "resumir textos", sino: qué entrada, qué longitud, qué idioma, qué formato de salida, qué errores son tolerables y cuáles no.
De esta descripción suele surgir ya una preselección. Las clases típicas de tareas en proyectos web y de software son:
- Clasificación y enrutamiento: clasificar consultas, asignar tickets, etiquetar contenidos. Aquí la consistencia y la velocidad importan más que la elegancia lingüística.
- Extracción: obtener datos estructurados de documentos. Lo decisivo es que se respete de forma fiable el formato de salida.
- Producción de texto: borradores, traducciones, variantes. Aquí las diferencias de calidad se hacen visibles de inmediato.
- Tareas de varios pasos: investigación, cambios de código, flujos con llamadas a herramientas. Estos casos plantean las mayores exigencias y a menudo justifican un modelo más caro.
Esta clasificación tiene un efecto secundario práctico: muestra que en un proyecto rara vez un modelo es la respuesta correcta. La preselección sencilla de entradas y el procesamiento final exigente pueden ser atendidos por modelos diferentes.
Hacer medible la calidad
Sin una medición propia, toda selección de modelo queda en cuestión de gusto. No se necesita un procedimiento científico, sino un pequeño conjunto de pruebas con casos reales del proyecto, preferiblemente con las excepciones desagradables que causan problemas en el día a día.
Para cada caso hay que tener una idea de cómo es un resultado aceptable. En las salidas estructuradas esto se puede comprobar de forma automatizada; en los textos ayuda una breve escala de evaluación y un segundo par de ojos. Lo importante es la repetibilidad: el mismo conjunto de pruebas se recorre de nuevo con cada cambio de modelo.
Un punto a menudo subestimado es la dispersión. Los modelos no responden de forma determinista; la misma entrada puede generar salidas diferentes. Un modelo que es bueno de media pero impredecible puede ser menos adecuado en un proceso automatizado que uno algo más débil pero más estable.
Calcular los costes de forma realista
La facturación suele realizarse por tokens, es decir, por unidades de texto y datos en la entrada y la salida. El precio por unidad por sí solo dice poco. Lo significativo es el importe por operación realizada, es decir, por documento revisado, por consulta respondida, por borrador generado.
Vale la pena fijarse en los volúmenes: un modelo caro en un proceso que se ejecuta diez veces al día no es crítico. El mismo modelo en un proceso con decenas de miles de ejecuciones cambia notablemente el cálculo del proyecto. A ello se suman costes indirectos que se pasan por alto fácilmente: retrabajo por personas, pasos de verificación adicionales, repeticiones ante salidas defectuosas.
Qué cuenta además de la calidad y el precio
Algunos criterios deciden la selección más rápido que cualquier comparación de calidad, porque establecen condiciones marco estrictas:
- Tiempo de respuesta: en las interfaces interactivas, el tiempo de espera es un criterio de calidad. En los procesos por lotes nocturnos es irrelevante.
- Protección de datos y ubicación de la operación: dónde se procesan los datos, qué puede entregar la empresa en absoluto, si es necesaria una operación en infraestructura propia.
- Longitud del contexto: cuánto material debe abarcar el modelo en una sola pasada.
- Disponibilidad y vida útil: los modelos se sustituyen. Quien fija una aplicación a un único modelo planifica esfuerzo de migración sin saberlo.
La intercambiabilidad como decisión de arquitectura
Como la oferta cambia continuamente, la decisión más importante a menudo no es la de un modelo, sino la de una estructura en la que los modelos puedan intercambiarse. En la práctica, esto significa: agrupar los accesos a modelos detrás de una interfaz propia, almacenar prompts y criterios de evaluación con versiones, registrar resultados.
Si esto está dado, una cuestión estratégica de fondo se convierte en una tarea rutinaria: conectar el nuevo modelo, ejecutar el conjunto de pruebas, comparar los costes por operación, decidir. Este ciclo dura horas en lugar de semanas.
Qué significa esto para los proyectos
La diversidad de modelos no exige conocimientos más profundos sobre arquitecturas de modelos, sino disciplina de proyecto: descripción clara de la tarea, conjunto de pruebas propio, cálculo de costes por operación. Quien tiene estas tres cosas puede evaluar objetivamente cada nuevo lanzamiento, en lugar de seguirlo o ignorarlo.
Y quien integra la intercambiabilidad en la arquitectura desde el principio, se reserva la posibilidad de trabajar de forma más económica o mejor dentro de doce meses, sin tener que tocar medio sistema.