Fine-tuning.

En la práctica

Se le dan al modelo ejemplos resueltos y se ajustan sus pesos para que imite ese comportamiento. Google pide pensar en unos cien ejemplos como mínimo, y lo recomienda para clasificar, analizar sentimiento, extraer datos, resumir textos sencillos y redactar consultas propias de un dominio.

Un ejemplo. Una aseguradora clasifica cada día miles de partes en 40 categorías con un modelo grande y un prompt de diez páginas. Afina un modelo pequeño con partes que su equipo ya etiquetó, y mide con evals si clasifica igual de bien por menos dinero.

Por qué te importa

El mercado cambió en 2026. OpenAI está cerrando su plataforma: desde el 7 de mayo no admite a quien no lo hubiera usado antes, y desde el 6 de enero de 2027 ningún cliente podrá lanzar entrenamientos nuevos.

Anthropic no ofrece hoy ninguna vía pública para afinar sus modelos actuales. La única fue Claude 3 Haiku en Amazon Bedrock, que llegó al final de su vida allí el 10 de septiembre de 2026. Google sí lo sigue ofreciendo para Gemini. La aseguradora del ejemplo tendría que hacerlo con Google o con un modelo abierto.

Los propios fabricantes piden empezar por el prompt. OpenAI escribe que trabajar el prompt puede ser todo lo que necesitas, y Google recomienda dar con el mejor y pasar al fine-tuning solo si hace falta. En la encuesta de Menlo Ventures de 2024, solo el 9 % de los modelos en producción estaba afinado, y la de 2025 lo cuenta entre las técnicas de nicho.

Los límites

«Entrena la IA con los datos de tu empresa» se vende como fine-tuning. Para que un asistente responda con tus documentos, lo normal es RAG, que se los pone delante en cada pregunta. El fine-tuning sirve para fijar un comportamiento.

Lo afinado deja de funcionar cuando se retira su modelo base, como dice la propia OpenAI, y hay que rehacerlo con el siguiente. Y sin unas evals preparadas antes de empezar, no se sabe si ha mejorado. Google insiste en que los ejemplos bien etiquetados pesan más que la cantidad.