Anteriormente en el Radar Tecnol¨®gico hemos presentado large language models (LLM por sus siglas en ingl¨¦s) como BERT y ERNIE; sin embargo, los LLMs espec¨ªficos de dominio son una tendencia emergente. Ajustar un LLM de prop¨®sito general con datos espec¨ªficos de un dominio puede adaptarlo para diversas tareas, incluyendo b¨²squeda de informaci¨®n, incremento del servicio de atenci¨®n al cliente y creaci¨®n de contenido. Esta pr¨¢ctica ha mostrado resultados prometedores en industrias como la y financiera, como ha demostrado en el an¨¢lisis de documentos jur¨ªdicos. Con cada vez m¨¢s organizaciones experimentando con LLMs y nuevos modelos como GPT4 siendo lanzados, podemos esperar m¨¢s casos de uso espec¨ªficos de dominio en el futuro cercano.
Sin embargo, hay ciertos desaf¨ªos y dificultades que considerar. Primero, los LLMs pueden con certeza estar equivocados, por lo que es esencial incluir en el proceso mecanismos que aseguren la exactitud de los resultados. Segundo, los LLMs de terceros pueden retener y compartir tus datos, presentando un riesgo para la propiedad y confidencialidad de la informaci¨®n. Las organizaciones deber¨ªan revisar cuidadosamente los t¨¦rminos de uso y confiabilidad de los proveedores o considerar entrenar y ejecutar LLMs sobre una infraestructura que ellos mismos controlen. Como con cualquier tecnolog¨ªa nueva, las empresas deben ir con cuidado, entendiendo las implicaciones y riesgos asociados con la adopci¨®n de los LLM.
