Qué es un modelo fundacional
El término lo acuñó la Universidad de Stanford en 2021. La idea es que, en lugar de entrenar un modelo para cada tarea, se entrena un modelo enorme una sola vez y luego se adapta con prompts, RAG o fine-tuning. GPT, Claude, Gemini o Llama son modelos fundacionales.
Cómo funciona
- Preentrenamiento: el modelo aprende de un volumen gigantesco de datos generales.
- Ajuste: se refina para seguir instrucciones y comportarse de forma segura.
- Adaptación: empresas y desarrolladores lo usan como base para sus productos.
Ejemplo real
Una startup de atención al cliente no entrena su propio modelo: usa un modelo fundacional vía API, le añade el conocimiento de cada cliente con RAG y le da instrucciones de tono. En semanas tiene un producto que, hace unos años, habría requerido años de desarrollo.
Para qué te sirve en tu negocio
Casi todo lo que harás con IA se apoya en un modelo fundacional de terceros. La decisión clave no es entrenar el tuyo, sino elegir bien cuál usar y cómo adaptarlo.
Errores comunes
- Pensar que necesitas entrenar un modelo propio.
- Depender de un único proveedor sin plan alternativo.
- Olvidar que estos modelos tienen sesgos y fecha de corte de conocimiento.
Preguntas frecuentes
¿Qué diferencia hay entre modelo fundacional y LLM?
Los LLM son modelos fundacionales de texto; también hay modelos fundacionales de imagen, audio o vídeo.
¿Quién crea modelos fundacionales?
Empresas como OpenAI, Anthropic, Google, Meta o Mistral.
¿Se pueden usar gratis?
Algunos son abiertos (open weights) y otros se usan pagando por API.