Amazon ha lanzado un innovador enfoque de personalización de modelos de inteligencia artificial llamado «refinamiento por retroalimentación» (RFT, por sus siglas en inglés), que promete optimizar la adaptación de modelos generales a necesidades empresariales específicas sin la necesidad de grandes conjuntos de datos etiquetados. Esta nueva técnica se presenta como una solución para las organizaciones que requieren que sus modelos de IA integren conocimientos especializados, optimizando tareas como la generación de código y el razonamiento financiero.
A diferencia del tradicional ajuste fino supervisado, que exige miles de ejemplos etiquetados con el camino completo de razonamiento, RFT capacita a los modelos a través de la evaluación. Los usuarios pueden definir lo que constituye una respuesta correcta a través de casos de prueba y criterios verificables, permitiendo que el modelo descubra su propio camino hacia soluciones correctas en base a retroalimentación iterativa.
RFT ha demostrado ser eficaz en varias aplicaciones del mundo real, incluidas la generación de código y la atención al cliente. Su capacidad para verificar salidas automáticamente elimina la necesidad de proporcionar razonamientos detallados, lo que resulta en un proceso de personalización más ágil y eficiente.
Un aspecto destacado de RFT es su arquitectura de implementación, que permite desde experiencias completamente gestionadas, como Amazon Bedrock, hasta flujos de trabajo complejos en entornos personalizados con Nova Forge. Esta flexibilidad facilita la adaptación del enfoque a las necesidades y experiencia técnica de cada equipo.
En diciembre de 2025, Amazon amplió su oferta con la introducción de la familia Nova 2, modelos que incorporan capacidades de razonamiento. Estos modelos son capaces de descomponer problemas en pasos intermedios, lo que mejora la precisión en contextos analíticos complejos.
RFT es particularmente ventajoso en escenarios donde se pueden definir y verificar resultados correctos, pero crear demostraciones detalladas de soluciones es poco práctico. Este enfoque también se destaca en problemas complejos que requieren exploración y aprendizaje a partir de la retroalimentación, como en la programación y la asignación de recursos.
Amazon ha delineado varios niveles de implementación para RFT, desde soluciones sencillas hasta configuraciones avanzadas diseñadas para equipos de investigación. La empresa enfatiza la importancia de comenzar con conjuntos de datos de tamaño moderado y de iterar en función de la evaluación continua de métricas clave durante el proceso de personalización.
A medida que las empresas diagan más beneficios en el uso de modelos de AI personalizados con RFT, se espera que esta técnica se convierta en un estándar clave para la implementación efectiva de soluciones de inteligencia artificial en diversas industrias.
vía: AWS machine learning blog
