Te doy mi veredicto desde el principio: si quieres que tu equipo de almacén y tu equipo de atención al cliente le hagan preguntas a una IA sobre tu montaña de SOP, manuales de equipos y registros de excepciones, en nueve de cada diez casos construye una base de conocimiento RAG. No hagas fine-tuning de un modelo. El fine-tuning significa alimentar y mantener un modelo. RAG significa entregarle al modelo un manual vivo que puede hojear en cualquier momento. Los documentos de almacén cambian constantemente: para cuando termina un ciclo de fine-tuning, una configuración RAG ya ha absorbido docenas de actualizaciones.
El año pasado me visitó un cliente 3PL. Opera una instalación de 120,000 pies cuadrados al este de Los Ángeles, con más de veinte mil posiciones de palet, y sus SOP repartidos entre discos compartidos, archivos adjuntos de correo y la memoria de unos cuantos supervisores veteranos. Los recién contratados terminaban dos semanas de formación y aun así no trabajaban un turno sin supervisión. Las excepciones del turno de noche significaban sacar al supervisor de la cama. La petición del dueño era simple: «¿Puede nuestra gente simplemente preguntarle a la IA en vez de llamar a alguien?». Dos proveedores ofrecieron dos enfoques —hacer fine-tuning de un modelo privado, o construir una base de conocimiento RAG— con precios varias veces distintos. El cliente me preguntó cuál elegir. Yo le devolví tres preguntas: ¿con qué frecuencia cambian sus SOP? ¿Están dispuestos a convertir sus registros de excepciones en texto de verdad? ¿Y quién mantiene este modelo a largo plazo? Tras la tercera pregunta, ya tenía su respuesta.
¿Qué se ajusta realmente con el fine-tuning?
Aclaremos primero el mayor malentendido: el fine-tuning no es «meterle documentos al modelo para que los memorice». Lo que el fine-tuning cambia de verdad es el comportamiento del modelo: su tono, la estructura de sus respuestas, cómo enmarca una respuesta con la voz de tu empresa. Pero su memoria de hechos concretos sigue siendo difusa. Cambias hoy tu hora límite de pedido, y el modelo que ajustaste ayer puede citar mañana la antigua, con total confianza. La industria lo llama alucinación, y el fine-tuning no la cura. Es más, la etiqueta de «este es nuestro propio modelo con fine-tuning» hace que la gente confíe más en él, así que los errores duelen más.
Luego está el problema del tamaño de la muestra, que golpea al almacenamiento con especial fuerza. ¿Cuántos pares de preguntas y respuestas de alta calidad tienes realmente? Unos cientos de documentos SOP no sostienen un ciclo serio de fine-tuning. Fórzalo con datos escasos y obtendrás un modelo que responde peor que uno de propósito general. Y la rueda no se detiene: abres una nueva instalación, instalas una nueva línea de clasificación, consigues un cliente con requisitos especiales de etiquetado, y vuelves a preparar datos, reentrenar y revalidar. Decenas de miles de dólares por ciclo te compran un modelo que «habla como tu empresa» pero que sigue improvisando cuando le preguntas por términos concretos.
Y esta es la factura que casi nadie menciona: el fine-tuning te ata a un proveedor de modelos. Los modelos base cambian cada pocos meses, y tu versión ajustada no se mantiene al día gratis. La mayoría de los equipos de TI de almacén ya van justos. Añadir «mantenimiento del modelo» como partida permanente es más de lo que la mayoría de las operaciones puede cargar.
Y en la práctica, preparar los datos de fine-tuning es un proyecto en sí mismo. Los pares de preguntas y respuestas no son SOP copiados y pegados: alguien tiene que escribir cómo preguntan de verdad los empleados, cuál es la respuesta correcta y qué formulaciones son erróneas. Para un 3PL de tamaño medio, reunir suficientes muestras de calidad puede consumir meses del tiempo de tu mejor gente de operaciones. Dedica esos meses a limpiar una base de conocimiento y RAG rinde de inmediato. Dedícalos a preparar datos de fine-tuning y puede —puede— que veas un resultado incierto meses después. Los dueños deberían hacer esa cuenta de tiempo antes de firmar nada.
¿Cómo funciona realmente RAG?
La idea detrás de RAG es casi vergonzosamente simple, y encaja con los almacenes de maravilla. Cuando alguien hace una pregunta, el sistema primero recupera los pasajes más relevantes de tu base de conocimiento, y luego se los entrega al modelo junto con la pregunta, para que el modelo responda «a partir del material que tiene delante». Cuando el material cambia, actualizas la base de conocimiento. El modelo en sí no se mueve. SOP revisado hoy, los empleados reciben la nueva versión mañana. Esa propiedad de «el modelo se queda quieto, el material se mantiene fresco» encaja exactamente con cómo se comporta la documentación de almacén en la vida real.
Hay una bonita ironía aquí: el paso de recuperación no es más que clasificación e indexación, el mismo oficio que la gente de almacén practica cada día. SOP archivados por proceso, manuales de equipos por modelo de máquina, registros de excepciones por código de motivo, requisitos específicos de clientes por número de cliente. Quien haya pasado por una selección de WMS conoce la regla: la calidad de la recuperación es un setenta por ciento buena indexación y un treinta por ciento modelo. Ese cliente 3PL midió después su mezcla de tickets y descubrió que atención al cliente respondía una y otra vez las mismas pocas docenas de preguntas: horas límite, direcciones de devolución, las reglas especiales de etiquetado de un gran cliente. RAG las resuelve rápido y con precisión, porque las respuestas ya viven en los documentos. El modelo no necesita «recordar» nada.
RAG tiene sus propios dolores de cabeza, y son muy reales. Primero: basura dentro, basura fuera se aplica a RAG más que en ningún otro sitio. Muchos SOP de almacén son «solo para referencia» mientras el procedimiento real vive en la cabeza de los veteranos. Si no limpias eso primero, RAG es decoración. Vi el contraejemplo cerca de Dallas, en una instalación de comercio electrónico de 80,000 pies cuadrados con tres versiones contradictorias del procedimiento de devoluciones repartidas en tres carpetas distintas. En la primera semana de RAG, alguien preguntó cómo se gestionaban las devoluciones, el sistema recuperó las tres versiones, y el modelo resumió fielmente la contradicción: una respuesta más confusa que cualquier documento por separado. Pasaron dos semanas fusionando todo en una única fuente de verdad, y el problema desapareció. La lección es concreta: antes de lanzar RAG, pregúntate cuántas respuestas dan tus documentos a la misma pregunta. Si es más de una, fusiona los documentos antes de hablar de IA.
Segundo dolor de cabeza: el control de acceso. Las tarifas y los requisitos de manipulación del Cliente A nunca deben ser recuperables por el equipo que atiende al Cliente B. El diseño de permisos pertenece al día uno de la base de conocimiento, no a una reforma posterior. Tercero: no esperes que RAG piense por ti. «Las devoluciones están altas este mes, ¿cuál es la causa raíz?». Ese tipo de razonamiento cruzado entre documentos está más allá de la recuperación. RAG encuentra el material. Las conclusiones las siguen sacando las personas.
Entonces, ¿cuándo merece la pena el fine-tuning?
No digo que el fine-tuning sea inútil, solo que llega más tarde en la secuencia. Una vez que RAG funciona y las respuestas son correctas, pero el sabor no encaja —los guiones de soporte necesitan una sola voz consistente, los informes de excepciones necesitan un formato fijo, los sitios multilingües necesitan los mismos puntos de conversación— es cuando un ligero fine-tuning sobre un conjunto pequeño y de alta calidad se gana su lugar. Mejora RAG; no lo sustituye. Equivócate en el orden y estarás puliendo el tono antes de tener la precisión.
El otro caso legítimo son los entornos de cumplimiento extremo o sin conexión: los datos no pueden salir del edificio, la recuperación y el modelo corren ambos en local. Proyectos así necesitan presupuestos y equipos que la mayoría de los almacenes no tiene, así que viven en otra conversación. Para casi todos los almacenes y 3PL, RAG es el punto de partida, y la línea de meta durante mucho tiempo. Y aquí está la clave: una vez que tu base de conocimiento RAG acumula miles de pares de preguntas y respuestas verificados por humanos, por fin posees lo único que el fine-tuning necesita de verdad: datos de calidad. Entonces, y solo entonces, la conversación del fine-tuning se pone interesante.
Una cosa más. La próxima vez que un proveedor te ofrezca «hacer fine-tuning de tu propio LLM», haz tres preguntas: quién prepara los datos de entrenamiento, con qué frecuencia se reentrena el modelo, y qué pasa cuando cambian los SOP. Si no puede responder las tres, está vendiendo licencias, no resolviendo problemas.
Lo único que puedes hacer mañana: no lances aún un proyecto. Toma las 50 preguntas que tu personal de planta y tus agentes de atención al cliente reciben con más frecuencia, limpia los pasajes SOP correspondientes en texto plano, y corre un piloto RAG mínimo durante dos semanas. Júzgalo con solo dos métricas: ¿son correctas las respuestas, y la gente lo usa de verdad? El piloto no cuesta casi nada, pero responde la pregunta que más importa: ¿tiene tu base de conocimiento algo que merezca la pena preguntar?
Traducido del inglés. En caso de discrepancia, prevalece la versión en inglés.
