¿Qué son los LLM (modelos de lenguaje de gran tamaño)?

Cuando se utiliza la IA generativa para resumir un informe o redactar el borrador de un texto para las redes sociales, los modelos de lenguaje de gran tamaño (LLM) son los que lo hacen posible. Estos modelos son la base tecnológica que impulsa la IA generativa. Y cuantos más datos utilizan, más precisos son los resultados. Este aspecto es esencial para las empresas, ya que pueden utilizar los LLM para ofrecer a los clientes contenidos más relevantes y personalizados.

Los avances en inteligencia artificial (IA), impulsados por los LLM, también permiten a las empresas crear e implementar agentes de IA. Cuando los clientes o el personal los activan, estos sistemas inteligentes pueden resolver problemas complejos usando memoria, razonamiento secuencial y autorreflexión.

Veamos en qué consiste un LLM, cómo funcionan estos modelos y cómo pueden beneficiar a su negocio.

Temas que trataremos:

• ¿Qué son los LLM?
• ¿Cómo funcionan los modelos de lenguaje de gran tamaño?
• ¿Cómo se entrenan los modelos de lenguaje de gran tamaño?
• ¿Para qué se utilizan los LLM?
• ¿Debería construir su propio LLM?
• ¿Qué ventajas y desventajas tienen los LLM?
• Aproveche la potencia de los LLM con Agentforce

Los modelos de lenguaje de gran tamaño (LLM) son el motor que impulsa la IA generativa. Los LLM comprenden y responden preguntas en lenguaje natural gracias a su entrenamiento con grandes volúmenes de texto. Actualmente, estos modelos se utilizan para generar texto, contenido visual, resúmenes y código nuevo.

Los usuarios interactúan con los LLM mediante instrucciones, preguntas y contexto en lenguaje natural que se envían al modelo. Por ejemplo, puede pedirle a un modelo de IA generativa que cree un resumen de este artículo. Primero, enviaría el texto del artículo a su herramienta de IA para que lo ingiera y analice. Luego, escribiría la instrucción detallando lo que desea obtener. El LLM crearía un resumen general. Cuantos más datos se utilicen para entrenar el modelo, más completos y precisos serán sus resultados.

Con los datos adecuados, las empresas pueden aprovechar los LLM de muchas formas, como permitir que su equipo de ventas utilice la IA para generar presentaciones adaptadas, basándose en datos relevantes de los clientes que reflejen sus necesidades y preferencias.

Antes de adentrarse en una estrategia de IA generativa más avanzada, conviene entender cómo esta tecnología transforma una solicitud en un resultado. Los modelos de lenguaje de gran tamaño dependen de tres componentes: aprendizaje automático (y profundo), redes neuronales y modelos de transformadores.

Los algoritmos de aprendizaje automático (ML) enseñan a los LLM cómo recopilar datos, detectar conexiones e identificar características comunes.

El aprendizaje profundo es un subconjunto del aprendizaje automático que permite que los LLM aprendan con menos intervención humana y utilicen un enfoque probabilístico para mejorar la precisión. Supongamos que un LLM analiza 1000 frases. Las herramientas de aprendizaje profundo determinan que las letras "E", "T", "A" y "O" son las aparecen con mayor frecuencia. A partir de ahí, el modelo extrapola (correctamente) que estas letras son algunas de las más utilizadas en inglés.

Las redes neuronales, también llamadas redes neuronales artificiales (ANN), son grupos de nodos conectados que se comunican entre sí. Estos nodos se organizan en capas que incluyen entrada, salida y al menos una capa intermedia, lo que permite a los LLM procesar la información con rapidez. Estas redes se inspiran de forma simplificada en las del cerebro humano, aunque son mucho menos complejas.

Los modelos de transformación ayudan a los LLM a comprender el contexto del lenguaje. Mediante una técnica conocida como autoatención, estos modelos pueden analizar la estructura de las oraciones y la elección de palabras para comprender cómo se relacionan entre sí los distintos elementos del lenguaje. Esto permite a los LLM comprender y procesar mejor las consultas de los usuarios.

Los LLM interpretan el texto de manera diferente según el tipo de modelo que utilicen. Los modelos solo codificadores se centran en dar sentido al texto que se proporciona, mientras que los modelos solo decodificadores generan texto a partir de una instrucción. Cuando se combinan (codificador-decodificador), los LLM pueden comprender y generar texto, asumiendo tareas basadas en el lenguaje, como el servicio al cliente o las ventas. Por ejemplo, un chatbot de IA impulsado por un LLM podría servir para responder a las preguntas de los clientes sobre plazos de envío, detalles de los productos o cambios de precios, lo que permitiría al personal humano centrarse en tareas más estratégicas.

Existen muchos tipos de agentes LLM, pero independientemente de cuál utilice, el entrenamiento mejora la precisión y la fiabilidad de sus resultados. Como las redes neuronales basadas en transformadores pueden tener miles de millones de parámetros, es necesario entrenarlas para garantizar que estos se ponderen y apliquen correctamente a las consultas. La eficacia de los modelos de entrenamiento varía según la complejidad del LLM y su caso de uso.

En el aprendizaje sin ejemplos previos, los LLM se entrenan sobre la marcha. Los usuarios hacen preguntas y los LLM clasifican las fuentes de datos conectadas para encontrar respuestas. La precisión inicial suele ser baja, pero mejora con el tiempo.

En un enfoque de pocos ejemplos, los científicos de datos proporcionan una pequeña selección de ejemplos relevantes para ayudar a los LLM a establecer conexiones de referencia. El entrenamiento de pocos ejemplos mejora significativamente la precisión en las áreas objetivo.

El entrenamiento en cadena de pensamiento (CoT) guía a los LLM a través de un proceso de razonamiento sencillo. En lugar de hacer una sola pregunta, CoT la divide en varias partes. He aquí un ejemplo:

Solicitud estándar:

Steve tiene 20 camisas. La mitad de sus camisas son de manga corta y la mitad de esas camisas son azules. ¿Cuántas camisas azules tiene?

Solicitud de CoT:

Steve tiene 20 camisas.

La mitad de sus camisas son de manga corta. Esto significa que tiene 10 camisas de manga corta.

La mitad de estas camisas son azules, lo que significa que tiene 5 camisas azules.

Aunque la solicitud en sí no es particularmente complicada, CoT proporciona un enfoque paso a paso para resolver problemas que muestra al LLM cómo responder a la pregunta. Este enfoque se puede aplicar a otras preguntas.

Los modelos de ajuste y específicos de dominio proporcionan información contextual adicional para casos de uso específicos. Por ejemplo, una empresa que busca mejorar su análisis del sentimiento en las redes sociales podría proporcionar a su LLM información detallada sobre cómo comprender palabras y frases específicas dentro del contexto más amplio de las plataformas sociales.

En este tipo de modelo, en lugar de analizar directamente el texto, se traduce en números llamados vectores. Al usar números, los sistemas pueden aplicar aprendizaje automático para analizar con mayor facilidad cómo se estructuran las palabras y las oraciones, interpretando el contexto y el significado semántico para identificar las relaciones entre ellas.

En los modelos multimodales, los LLM se entrenan para procesar distintos formatos de datos tanto de entrada como de salida. Además de texto, estos formatos pueden incluir datos de audio, vídeo o imagen.

Los LLM permiten que los agentes de IA conversen en lenguaje natural, aunque lograrlo no sea tan fácil como parece.

Los bots tradicionales requieren entrenar manualmente modelos de lenguaje natural para entender el lenguaje del cliente y diseñar diálogos. Este proceso es muy lento y costoso para las empresas, pero los LLM ofrecen alternativas más sencillas.

Por ejemplo, soluciones como Agentforce, la capa de agentes de Salesforce Platform, utilizan habilidades prediseñadas, así como acciones personalizadas de bajo código, para evitar los largos procesos de entrenamiento. Agentforce también emplea IA conversacional, lo que permite que las interacciones con los agentes sean más naturales y menos robóticas.

Entre otros casos de uso comunes de LLM se incluyen:

• Generación de texto: los LLM pueden generar texto basado en sus datos, para que sea más relevante para los clientes. Por ejemplo, los equipos de marketing pueden utilizar un LLM para redactar una llamada a la acción o escribir un correo electrónico promocional para un nuevo producto. Por su parte, los equipos de comercio también pueden usar la IA para generar promociones.
• Resumen de contenido: los usuarios también pueden pedir a los LLM que resuman grandes bloques de texto. Además, pueden personalizar el formato de salida. Los resúmenes pueden entregarse como párrafos breves, listas con viñetas o frases sueltas.
• Respuestas de bases de conocimientos: muchas empresas tienen bases de conocimientos dirigidas tanto a empleados como a clientes, con respuestas a preguntas frecuentes. Los LLM pueden utilizar estas bases de conocimientos para responder a las consultas de los usuarios.
• Generación de código: también es posible usar los LLM para generar código, una vez entrenados en un lenguaje específico. Así, los equipos pueden pedirle al modelo que genere código Python para una función específica.
• Análisis de sentimientos: los LLM pueden recopilar y analizar datos de publicaciones en redes sociales, correos electrónicos, mensajes de texto y otras fuentes de datos con el objetivo de analizarlos y determinar el sentimiento general del usuario. Es una excelente forma de usar la IA de marketing para identificar a clientes que puedan estar frustrados o insatisfechos, y tomar medidas para resolver el problema.
• Traducción de idiomas: los LLM también pueden actuar como servicios de traducción, lo que permite al equipo de servicio utilizar la IA para responder a consultas en idiomas distintos al suyo. Los usuarios pueden pedir a los modelos que traduzcan oraciones o párrafos a otro idioma. Dada la gran cantidad de datos disponibles en línea, esta es una tarea sencilla para los LLM. Con una salvedad. Las traducciones suelen carecer de contexto, por lo que se recomienda la supervisión humana.
• Clasificación y categorización: los LLM permiten a las empresas agilizar el proceso de clasificación y categorización de datos. En primer lugar, los usuarios proporcionan detalles específicos: si los datos contienen el elemento "X" o el valor "Y", pertenecen a la categoría "Z". Después, los LLM analizan todos los datos de un conjunto específico y asignan cualquier valor coincidente a una categoría designada.
• Agentes de IA: los avances en los LLM han hecho posible el uso de agentes de IA. Estas aplicaciones autónomas proporcionan asistencia especializada y bajo demanda para clientes y personal, y pueden adaptarse a requisitos comerciales específicos.

La respuesta más rápida es que probablemente no.

La más completa es que, en la mayoría de los casos, crear un LLM propio requiere una inversión importante de tiempo y dinero, y es completamente innecesario.

Resulta caro porque es necesario invertir en la experiencia y la infraestructura para desarrollar un modelo lingüístico a medida. Requiere mucho tiempo porque se necesita proporcionar una gran cantidad de datos de entrenamiento y asegurarse de que los resultados del entrenamiento sean precisos. Y es innecesario porque, en la mayoría de los casos, ya hay soluciones que funcionan.

Utilizar LLM de código abierto ya entrenados y con salvaguardas de seguridad integradas suele ofrecer el mejor equilibrio entre rendimiento y protección. Las empresas pueden aprovechar la potencia de modelos entrenados con billones de datos sin preocuparse de que posibles errores en el código supongan una filtración accidental. También puede complementar la información del modelo LLM con una RAG (generación aumentada por recuperación), que combina los datos más relevantes y confidenciales de su empresa.

Los LLM ofrecen diferentes ventajas a las organizaciones, como la reducción o eliminación de procesos manuales y la capacidad de descubrir nuevas tendencias e información práctica utilizando las fuentes de datos disponibles. No obstante, para usarlos de forma eficaz, las empresas deben identificar en qué áreas funcionan bien y en cuáles pueden tener dificultades.

A continuación se presentan algunas de las principales ventajas de los LLM, así como sus posibles desventajas:

• Adaptabilidad: los LLM utilizan el modelo de arquitectura de transformador en lugar de reglas explícitas "codificadas de forma rígida", por lo que pueden adaptarse a las solicitudes dinámicas e impredecibles que puedan recibir.
• Flexibilidad: los LLM se pueden utilizar de muchas formas distintas. Las empresas pueden personalizar estas herramientas para que actúen como asistentes de IA, asistentes colaborativos o agentes autónomos.
• Rendimiento: a medida que los LLM analizan e incorporan más datos, mejora su rendimiento y se reduce el tiempo que transcurre entre la consulta y la respuesta.
• Eficacia: como gran parte del aprendizaje del LLM se produce sin supervisión humana, el personal puede dedicar su tiempo a otras tareas estratégicas.

• Costes de desarrollo y funcionamiento: el proceso de desarrollo puede implicar una gran inversión de tiempo y dinero. Los gastos más comunes incluyen escribir y probar código, encontrar e incorporar conjuntos de datos, y garantizar que los LLM respondan correctamente a los datos de entrenamiento.
• Preocupaciones éticas: si los datos utilizados para tomar decisiones se recopilan sin el consentimiento del usuario, las empresas podrían enfrentarse a consecuencias legales. El sesgo es otra preocupación. Si los conjuntos de datos no se ponderan correctamente o contienen datos inexactos, las respuestas podrían parecer acertadas, pero estar sesgadas en contra de un grupo o resultado concreto.
• Explicabilidad: la forma en que los LLM toman decisiones es difícil de explicar. Esto puede debilitar la confianza en los resultados y en el proceso de toma de decisiones de los modelos. Para contrarrestarlo, utilice una capa de confianza que ofrezca información sobre cómo se tomaron las decisiones.
• Alucinaciones/tokens defectuosos: las alucinaciones ocurren cuando los usuarios piden a los LLM que "imaginen" que pueden realizar acciones que, en realidad, no tienen permitido realizar. Por ejemplo, un ciberdelincuente podría solicitar a un LLM la información de contacto de todos los empleados de una empresa. De acuerdo con sus reglas de seguridad, el LLM rechaza la solicitud. Entonces, el atacante le pide al modelo que “imagine” que puede llevar a cabo dicha acción. Al hacerlo, el LLM acaba completando la función solicitada. Los tokens defectuosos, por su parte, son cadenas de caracteres que generan resultados inesperados. Tanto los tokens como sus resultados tienden a ser aleatorios, lo que dificulta saber cuándo o cómo se generan.
• Riesgos de seguridad: los modelos también pueden presentar riesgos de seguridad. Por ejemplo, si los LLM empresariales se entrenan con datos públicos y privados, existe la posibilidad de que se vean comprometidos o de que los datos protegidos queden expuestos.

El futuro de los LLM apunta en dos direcciones: modelos más grandes y más pequeños.

A medida que mejoran los algoritmos de aprendizaje profundo y los procesadores se vuelven más potentes, los modelos de lenguaje de gran tamaño serán capaces de procesar volúmenes de datos mayores con más rapidez y precisión que nunca.

Al mismo tiempo, se prevé el desarrollo de modelos de lenguaje pequeños que ofrezcan el mismo nivel de rendimiento en conjuntos de datos más reducidos y estrictamente controlados. Estos modelos más pequeños permiten a las empresas definir parámetros altamente especializados y obtener resultados de gran precisión.

Los modelos de lenguaje de gran tamaño se están acercando cada vez más a una comprensión completa y contextual de la comunicación. Si bien la supervisión sigue siendo un elemento clave en su uso, estos modelos ofrecen una vía para cerrar la brecha entre el conocimiento humano y las operaciones de TI, al permitirnos hablar un lenguaje común.

Ahora que tiene una comprensión de la IA y de los LLM más profunda, puede explorar Agentforce. Agentforce le permite crear agentes de IA autónomos con el LLM que prefiera, lo que ayudará a su empresa a hacer más en menos tiempo y a mejorar tanto el retorno de la inversión como la productividad.