La tecnolog\u00eda tradicional es determin\u00edstica: ante la misma entrada siempre existe una misma salida. Pero los modelos de IA no lo son. Razonan con un contexto, y si ese contexto no se cuida, la calidad de las respuestas puede ir deterior\u00e1ndose. Lo que antes era una respuesta correcta puede dejar de serlo, y un indicador como la satisfacci\u00f3n del cliente empieza a caer de a poco. <\/p>\n\n\n\n
En ese punto aparece el riesgo de que nadie lo note a tiempo, cuando las organizaciones miden los resultados en los primeros meses y los celebran, pero dejan el modelo en producci\u00f3n sin seguimiento. <\/p>\n\n\n\n
En este episodio de nuestro vlog “Off the record”, te contamos qu\u00e9 es la observabilidad de IA y c\u00f3mo se degrada un modelo de IA. Vas a aprender que los modelos de IA no son determin\u00edsticos y pueden degradarse con el tiempo; que la observabilidad mide calidad, consumo, sesgos y disponibilidad de forma autom\u00e1tica, que sostener un modelo en producci\u00f3n requiere m\u00e1s esfuerzo que construirlo, y que lo que se observa puede cambiar incluso el caso de negocio original.<\/p>\n\n\n\n