Qué es el aprendizaje supervisado
Es como aprender con un profesor que corrige: le das al modelo miles de emails marcados como «spam» o «no spam» y aprende qué los distingue. Es el tipo de machine learning más usado en empresas porque resuelve problemas muy concretos con resultados medibles.
Tipos
- Clasificación: predecir una categoría (spam o no, cliente que abandona o no, tipo de incidencia).
- Regresión: predecir un número (ventas del mes que viene, precio de una vivienda, días de entrega).
Ejemplo real
Una empresa tiene 20.000 tickets de soporte clasificados a mano por su equipo en ocho categorías. Con ellos entrena un modelo supervisado que, a partir de ahora, clasifica automáticamente cada ticket nuevo y lo envía al equipo correcto, con una precisión similar a la de una persona.
Para qué te sirve en tu negocio
Si tienes históricos con la respuesta conocida (clientes que se dieron de baja, pedidos devueltos, leads que compraron), puedes entrenar modelos que predigan esos resultados en casos nuevos. El reto casi nunca es el algoritmo: es tener datos bien etiquetados.
Errores comunes
- Etiquetas inconsistentes: dos personas clasificando lo mismo de forma distinta.
- Pocos ejemplos de los casos raros, que suelen ser los que más importan.
- Evaluar el modelo con los mismos datos del entrenamiento.
Preguntas frecuentes
¿Qué diferencia hay con el aprendizaje no supervisado?
El supervisado aprende con respuestas conocidas; el no supervisado busca patrones sin ellas.
¿Qué es el etiquetado de datos?
El proceso, a menudo manual, de añadir la respuesta correcta a cada ejemplo.
¿Los LLM usan aprendizaje supervisado?
Sí, en fases como el ajuste con instrucciones, combinado con otras técnicas.