Los proyectos de IA fracasan por los datos, no por el modelo
Según un análisis de heise online, la mayoría de los proyectos de IA con grandes modelos de lenguaje en el Mittelstand fracasan por datos mal gestionados, no por el modelo. Los problemas más habituales son la falta de un responsable claro de los datos, la mala calidad de estos y bases de conocimiento contradictorias. El artículo recomienda definir antes qué fuentes puede consultar el modelo, cuál es la fuente de verdad (Golden Source) y quién la mantiene. Añade que la reproducibilidad de los LLM es difícil de garantizar, por lo que conviene medir la calidad con preguntas de prueba y monitorización.
Fuentes
- heise online (DE)heise+ | Woran scheitern KI-Projekte? Ein Überblick der wichtigsten Einflussfaktoren