Fine-tuning: reentrenar un modelo para cambiarle el hábito, no la instrucción

Qué es

El fine-tuning —afinamiento— es tomar un modelo de lenguaje ya entrenado y volver a entrenarlo con ejemplos propios hasta que responda distinto de como venía de fábrica. No se le escribe una regla: se le muestran casos resueltos hasta que le sale por costumbre.

Lo que se mueve es el comportamiento por defecto: formato, tono, manera de clasificar. El system prompt y el context engineering actúan sobre lo que el modelo lee; el afinamiento, sobre cómo responde antes de leer nada.

En palabras de contador

Es la diferencia entre cambiar la costumbre de la casa y dar una indicación para hoy. La indicación se pone en la mañana y se retira en la tarde. La costumbre llevó años formándose, se aplica sola sin que nadie la recuerde, y moverla cuesta mucho más que una instrucción nueva. Afinar es lo primero; instruir es lo segundo.

Ahí está la consecuencia práctica: la costumbre se aplica sola pero moverla exige volver a formarla, y la indicación se cambia el mismo día. Las dos sirven, y por eso mismo no cuestan lo mismo ni envejecen al mismo ritmo.

Ejemplo aplicado

El instructivo que deja de hacer falta. Un despacho traía media hoja de indicaciones pegada en cada consulta. Después de afinar, obtiene lo mismo con una petición de dos renglones: el comportamiento ya viene de fábrica y no hay que recordárselo cada vez.

El criterio que cambia a media temporada. Se modifica el catálogo de cuentas en septiembre y el modelo afinado sigue proponiendo con el criterio anterior hasta que se vuelve a entrenar. Con ejemplos pegados bastaría con cambiarlos; aquí no.

El papel de trabajo que se arma solo. Una herramienta afinada con los papeles de la firma reproduce columnas y orden sin que nadie los describa. El índice del mes, en cambio, se consulta aparte: ese valor no lo aprendió.

Para qué sirve en un despacho

• Fijar formato y tono de entregables recurrentes sin repetir instrucciones.
• Trasladar a la herramienta un criterio de clasificación propio.
• Acortar instrucciones largas en tareas repetitivas.
• Distinguir qué compraste: hábito entrenado o instrucción escrita.

Riesgos o limitaciones

Afinar no enseña datos vigentes. Un modelo afinado puede haber aprendido la forma de un dictamen y seguir sin saber la tasa del periodo. Lo que envejece —tablas, índices, cuotas— no se arregla reentrenando: se resuelve consultando la fuente, con grounding o herramientas conectadas.

Es además la vía más cara y la más lenta de deshacer: pide un conjunto de ejemplos preparado, y mover el hábito exige otro. Si esos ejemplos salen de expedientes de clientes, revisa qué ocurre con ellos: es asunto de privacidad y de anonimización.

Buena práctica

Compruébalo tú mismo. Pídele un valor del periodo —el índice del mes— y fíjate si lo consulta y cita la fuente o si lo entrega de memoria: si es lo segundo, lo afinado fue la forma, no el dato. Luego pide el mismo entregable con instrucciones opuestas; si obedece de inmediato, lo que gobierna es un texto editable.

Antes de pagar, pregunta qué pasa cuando cambie el criterio: si implica volver a entrenar, eso va al costo del año, no al de la compra.

Preguntas frecuentes

¿Un modelo afinado deja de alucinar? No. Acota las desviaciones de forma en lo que se entrenó; la alucinación sobre datos se ataca con fuentes consultadas.

¿Cuándo conviene afinar y cuándo basta con instrucciones? Si buscas formato, tono o clasificación repetidos en volumen, rinde. Si el criterio todavía se discute, la instrucción sale más barata de cambiar.

¿Cuánto tarda en notarse un afinamiento? En la forma de los entregables, desde las primeras corridas. En el dato del periodo no se nota: se consulta aparte.

Escrito y revisado por Ernesto Sobrino, contador.
Última revisión: 24 de agosto de 2026.