Por dónde sigues según lo que haces

Llegaste al final 🎉

Y quiero que veas lo que te llevas, porque es más de lo que parece.

Sabes qué es la IA de verdad y qué es software con etiqueta. Sabes que aprende persiguiendo bajar un error y que por eso agarra atajos. Sabes por qué un modelo de lenguaje inventa con tanta seguridad. Sabes qué se puede hacer hoy y qué no. Sabes qué pasa con tus datos. Y sabes por qué se caen los proyectos que se caen.

Eso es más criterio del que tiene la mayoría de la gente que va a estar sentada contigo en esas reuniones. En serio 🐣

Las seis preguntas, otra vez

Si de todo el libro te quedas con una sola cosa, que sea esta. Están en la portada para que las copies:

1. ¿De dónde saca su criterio? ¿Alguien lo programó o lo aprendió de datos?
2. Si lo aprendió, ¿de qué datos exactamente? ¿De cuándo son?
3. Ya sé que acierta. ¿Acierta mirando qué?
4. ¿Sobre qué datos midieron eso? ¿Datos que el modelo no había visto nunca?
5. ¿Qué pasa cuando se equivoca? ¿Quién se da cuenta y en cuánto tiempo?
6. ¿A dónde van los datos que le doy? ¿Se quedan en algún lado?

Y ahora, ¿qué sigue?

Depende de qué te pasó leyendo, y los tres caminos son igual de válidos.

Si quieres usarla en tu trabajo desde mañana

O sea: no te interesa construir nada, te interesa que la IA te quite trabajo repetitivo esta semana.

Lo que menos rinde acá es un curso largo, porque lo que necesitas no es profundidad sino manos. El Full Day IA es justo eso: ocho horas en un día, sin programar en ningún momento, aplicando las herramientas a lo que tú haces. Sales usándolas ese mismo día.

Si quieres ver primero cuál te sirve para lo que tienes que hacer hoy, tengo un selector de herramientas gratis que te lo dice en dos minutos.

Si te dieron ganas de construirlo tú

Si mientras leías lo de cómo aprende una máquina pensaste "yo quiero hacer eso", tienes el camino completo acá y es gratis entero.

Empieza en Python desde cero, que es la herramienta, y sigue por Estadística desde cero para entender qué estás midiendo. Con eso ya puedes entrar a Machine learning desde cero, que es donde se construyen los modelos de los que hablamos en el capítulo 3.

Cuando ya no te falte el mecanismo sino la práctica de armar algo que aguante en producción, ahí está Ingeniería de IA, que son cuatro semanas y terminas con un sistema tuyo funcionando y medido.

Si mientras leías pensabas en tu equipo

Si en los capítulos 9 y 10 ibas poniéndole cara a gente de tu trabajo, ese es tu caso, y es distinto a los dos anteriores.

Mandar a una persona a un curso no resuelve esto, porque el problema no es de una persona: es que el equipo no comparte el mismo mapa, y entonces cada decisión sobre IA se toma por corazonada distinta.

La capacitación in company se arma según el equipo, el sector y lo que quieren resolver, con los casos de ustedes sobre la mesa en vez de ejemplos genéricos. Por eso no tiene precio de lista: se ve caso por caso.

Y si todavía no sabes ni por dónde empezar a plantearlo, tengo un diagnóstico de madurez gratis que te dice en qué punto está tu empresa en seis dimensiones. Sirve para llegar a esa reunión con algo en la mano 📋

Una última cosa

Si algo de este libro te sirvió, cuéntamelo. Escribo estas cosas leyendo lo que me preguntan, y las preguntas que me llegan son las que terminan siendo capítulos.

Gracias por llegar hasta acá. Que tengas un hermoso día! 🌟

Comprueba que se entendió