La funcionalidad que permite resumir páginas web mediante un gesto en el móvil ha supuesto un avance interesante para los usuarios de navegadores actuales. Sin embargo, detrás de una herramienta aparentemente sencilla se esconde un complejo trabajo de modelado y ajuste de instrucciones para que el sistema entienda exactamente qué debe hacer en cada situación.
Los modelos de lenguaje de menor tamaño, que suelen priorizarse por motivos de eficiencia en dispositivos móviles, necesitan indicaciones muy específicas. A diferencia de las grandes inteligencias artificiales, estos modelos más compactos no siempre consiguen intuir las intenciones implícitas si las directrices son demasiado abiertas o generales.
Cada tipo de contenido requiere un enfoque distinto
Durante las fases de prueba iniciales, los desarrolladores comprobaron rápidamente que el concepto de un resumen útil cambia radicalmente según lo que se esté procesando. Mientras que una novela o una noticia permiten omitir detalles secundarios y centrarse en la trama general o en los datos clave, una receta de cocina exige una precisión absoluta.
- Noticias: Se priorizan los hechos esenciales, el momento y las consecuencias para el lector.
- Artículos de opinión: Se extraen los argumentos principales y las evidencias citadas.
- Guías paso a paso: Se detallan materiales, herramientas y advertencias importantes.
- Recetas: Necesitan reflejar los ingredientes exactos, los tiempos y los pasos principales sin simplificaciones excesivas.
El problema específico con las recetas de cocina
Cuando se aplicaba una instrucción genérica de resumen a las páginas de cocina, el modelo tendía a generalizar en exceso. En lugar de ofrecer una lista clara de ingredientes y pasos, el resultado se quedaba en una descripción vaga sobre lo que trataba el artículo, omitiendo cantidades y detalles prácticos indispensables para cocinar.
Para solucionar este inconveniente, el equipo apostó por una estrategia de enrutamiento basada en la estructura de los datos integrados en cada página web. En lugar de sobrecargar una única instrucción general, se diseñó un prompt independiente y específico exclusivamente para las recetas.
Ingeniería inteligente frente al tamaño del modelo
Gracias al uso de metadatos web para categorizar el contenido de forma automática y derivada, el sistema es capaz de desviar la solicitud hacia la instrucción adecuada sin añadir una carga computacional excesiva. Los resultados demostraron que este enfoque duplicaba la eficacia a la hora de devolver resúmenes completos y precisos.
Esta experiencia demuestra que mejorar los sistemas basados en inteligencia artificial no depende únicamente de crear modelos cada vez más grandes. Con un diseño de software bien pensado, una reducción de la ambigüedad y una correcta estructuración de las tareas, los modelos más ligeros y de código abierto pueden ofrecer un rendimiento excelente y muy útil para el día a día.