IA generativa e integración de LLM

Reducimos el riesgo por capas. El modelo responde a partir de fragmentos recuperados de su contenido y debe citarlos. Las salvaguardas comprueban que esos fragmentos respaldan cada afirmación. Cuando las fuentes no contienen una respuesta, la funcionalidad lo indica en lugar de adivinar. El conjunto de evaluación mide con qué frecuencia hay respuestas sin respaldo, y no publicamos hasta que esa tasa cumple el umbral que usted acuerde.

Para responder a partir de sus documentos, la recuperación suele ser el mejor punto de partida: mantiene las respuestas actualizadas, muestra las fuentes y respeta los permisos. El ajuste fino ayuda cuando se necesita un formato o un estilo uniforme, un vocabulario especializado o un modelo más pequeño y económico de ejecutar. Muchos sistemas combinan ambos. Probamos las opciones con su conjunto de evaluación y recomendamos la más sencilla que alcance el nivel exigido.

No, si está en nuestras manos evitarlo, y diseñamos para impedirlo. Usamos servicios empresariales de modelos cuyas condiciones excluyen el entrenamiento con sus datos, o modelos abiertos alojados en su propio entorno. Los prompts y documentos se envían solo a los servicios que usted aprueba, los registros se conservan según sus reglas de conservación y los datos personales se enmascaran cuando la tarea lo permite.

Elegimos para cada tarea según la calidad de las respuestas en su conjunto de evaluación, el costo por solicitud, la velocidad, el soporte de idiomas y dónde se permite ejecutar el modelo. Las opciones incluyen los modelos GPT de OpenAI, Anthropic Claude, Google Gemini, Meta Llama y Mistral, mediante servicios como Azure OpenAI, Amazon Bedrock o Vertex AI. El modelo queda detrás de una única interfaz, por lo que puede sustituirse más adelante.

El costo de desarrollo depende del número y el estado de sus fuentes, de las integraciones y los permisos implicados y de lo estricto que sea el nivel de precisión. El costo de operación depende del uso, del modelo elegido, de cuánto texto se envía con cada solicitud y del almacenamiento en caché. Estimamos ambos y mostramos cómo un modelo más pequeño o una mejor recuperación pueden reducir el costo de operación.

Sus usuarios pueden probar pronto un prototipo sobre su contenido, antes del desarrollo completo. Lo que lleva más tiempo es conectar las fuentes con los permisos correctos, las revisiones de seguridad y privacidad, y alcanzar la calidad acordada en el conjunto de evaluación. Planificamos esos pasos desde el principio y le damos un calendario en cuanto las fuentes y la tarea están claras.

La propiedad intelectual del trabajo que desarrollamos para usted es suya desde el primer commit, sin ningún trámite de cesión al final. Esto incluye el código, los prompts, los conjuntos de evaluación, los índices de recuperación y los pesos de cualquier modelo ajustado producido para usted. Las herramientas de XSIS que ya existían antes siguen siendo nuestras y se le conceden bajo licencia. Los modelos comerciales siguen siendo del fabricante y se usan según sus condiciones, que le detallamos. Sus documentos y datos siguen siendo suyos en todo momento.

Solo si usted lo acepta. Le indicamos qué herramientas usaríamos, cómo tratan el código y los datos, y si algo sale de su entorno. Si lo prefiere, trabajamos sin ellas. El código escrito con ayuda de IA pasa por la misma revisión y las mismas pruebas que cualquier otro, y el ingeniero que lo entrega es responsable de él.