En pocas palabras
El fine-tuning es reentrenar un modelo que ya existe usando tus propios datos. Así deja de ser un modelo «de todo» y se convierte en un experto en tu tarea concreta. A diferencia de darle ejemplos en el mensaje, aquí se cambian de verdad las «conexiones» internas del modelo.
Explicado fácil
Imagina a un médico general que sabe un poco de todo. Es muy capaz, pero no es especialista en nada. Si lo mandas a estudiar dos años más solo de corazón, se convierte en cardiólogo: sigue siendo médico, pero ahora es buenísimo justo en esa parte.
El fine-tuning es ese curso de especialización para la IA. Partes de un modelo que ya sabe mucho y le das muchos ejemplos de tu tema concreto: tu forma de escribir, tus tipos de preguntas, tus respuestas ideales. Después de ese entrenamiento, el modelo responde justo como tú quieres, sin que tengas que explicárselo todo cada vez.
¿Por qué importa para crear agentes de IA?
El fine-tuning sirve cuando necesitas que un agente responda siempre con un estilo muy concreto o domine un tema muy especial, y los ejemplos en el prompt no bastan. Eso sí: cuesta tiempo, dinero y datos de calidad. Por eso, para la mayoría de proyectos, primero se prueba con un buen prompt y con RAG (darle documentos para que consulte). Solo si eso no llega, se recurre al fine-tuning. Conviene saber cuándo de verdad merece la pena.
Un ejemplo
Una empresa quiere un agente que escriba siempre con su tono de marca: cercano, sin tecnicismos y con un saludo concreto. Probar a explicárselo en cada mensaje funciona regular. Entonces hacen fine-tuning con cientos de textos suyos ya aprobados. Tras el entrenamiento, el agente escribe con ese tono solo, sin recordárselo, y gastando menos palabras en cada petición.