Anteriormente en el Radar Tecnológico hemos presentado large language models (LLM por sus siglas en inglés) como BERT y ERNIE; sin embargo, los LLMs específicos de dominio son una tendencia emergente. Ajustar un LLM de propósito general con datos específicos de un dominio puede adaptarlo para diversas tareas, incluyendo búsqueda de información, incremento del servicio de atención al cliente y creación de contenido. Esta práctica ha mostrado resultados prometedores en industrias como la jurídica y financiera, como ha demostrado OpenNyAI en el análisis de documentos jurídicos. Con cada vez más organizaciones experimentando con LLMs y nuevos modelos como GPT4 siendo lanzados, podemos esperar más casos de uso específicos de dominio en el futuro cercano.
Sin embargo, hay ciertos desafíos 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 información. Las organizaciones deberían revisar cuidadosamente los términos de uso y confiabilidad de los proveedores o considerar entrenar y ejecutar LLMs sobre una infraestructura que ellos mismos controlen. Como con cualquier tecnología nueva, las empresas deben ir con cuidado, entendiendo las implicaciones y riesgos asociados con la adopción de los LLM.
