Cuestiones empresariales, operativas y éticas
Large Language Models for Business
Iason Prassides
Content Developer, DataCamp
Transparencia
Transparencia sobre los LLM
Las empresas deben saber cómo un LLM llega a una respuesta
Es clave para generar confianza
Responsabilidad
Si las recomendaciones del LLM no funcionan
¿Quién responde?
¿Los desarrolladores que diseñaron el modelo?
¿La empresa que lo implementó?
Riesgos de los LLM
Riesgo inherente de propagar desinformación
Posibles repercusiones para la empresa:
Basar decisiones en datos incorrectos
Impactar en el resultado
Dañar la reputación
Peligro de que los LLM se usen como arma:
Engañar, manipular o confundir a los grupos de interés
Riesgos reputacionales y operativos
LLM y medio ambiente
La potencia de cómputo para entrenar LLM consume mucha energía
Genera una gran huella de carbono
Las empresas deben entender y mitigar el impacto ambiental
¿Cómo construir LLM?
Hay consideraciones prácticas que sopesar
¿Crear LLM internos o usar proveedores externos?
Recursos tecnológicos
Interno
Requiere muchos recursos: infraestructura y datos
¿Se puede invertir? Dinero y tiempo
Externo
Acceso inmediato y escalabilidad
Sin sobrecarga de desarrollo
LLM personalizados
Interno
Ajusta los LLM a necesidades específicas
Modelos afinados con datos de la empresa
Externo
Rendimiento sofisticado
Modelos más genéricos, salvo personalización
Actualizaciones y mantenimiento
Interno
El mantenimiento mantiene los LLM eficaces y seguros
Coste continuo para la empresa
Externo
La empresa no es responsable
El proveedor gestiona actualizaciones y mantenimiento
Gestión de datos
Interno
Mantiene el control de los datos
Importante con datos sensibles
Externo
Puede requerir compartir datos
Riesgos de seguridad y privacidad
Eficiencia de costes
Interno
Equilibrar costes recurrentes para ser rentable
Los costes iniciales son altos
Externo
Costes recurrentes
Costes iniciales bajos
¡La decisión es tuya!
¡Vamos a practicar!
Large Language Models for Business
Preparing Video For Download...