UAI — Universidad Adolfo Ibáñez
InicioCursosClasesStackBibliografíaProfesor

← Material docente curso 08

Guion profesor · U04

Modelos abiertos y cerrados

Objetivo de la sesión

Aprovisionamiento, costo, soberanía y mitigación de dependencia.

Guion por bloques

Bloque 1 — Qué significa abierto (60 min)

Pesos, licencias y restricciones comerciales en Chile.

  • Demo viva: proyectar un caso corto; pedir predicción de la falla antes de correr el modelo.
  • Pregunta disparadora: “¿Qué evidencia descartaría tu intuición sobre este prompt/agente?”
  • Contingencia: si cae el proveedor cloud, usar LM Studio / Ollama; comparar calidad es contenido, no fracaso.

Bloque 2 — Dimensiones que deciden (60 min)

Costo, latencia, especialización, soberanía, estabilidad de versiones.

  • Demo viva: proyectar un caso corto; pedir predicción de la falla antes de correr el modelo.
  • Pregunta disparadora: “¿Qué evidencia descartaría tu intuición sobre este prompt/agente?”
  • Contingencia: si cae el proveedor cloud, usar LM Studio / Ollama; comparar calidad es contenido, no fracaso.

Bloque 3 — Ejercicio cuantitativo (60 min)

Punto de cruce por volumen; sensibilidad a supuestos.

  • Demo viva: proyectar un caso corto; pedir predicción de la falla antes de correr el modelo.
  • Pregunta disparadora: “¿Qué evidencia descartaría tu intuición sobre este prompt/agente?”
  • Contingencia: si cae el proveedor cloud, usar LM Studio / Ollama; comparar calidad es contenido, no fracaso.

Bloque 4 — Dependencia y mitigación (60 min)

Abstracción de proveedor y alternativa evaluada.

  • Demo viva: proyectar un caso corto; pedir predicción de la falla antes de correr el modelo.
  • Pregunta disparadora: “¿Qué evidencia descartaría tu intuición sobre este prompt/agente?”
  • Contingencia: si cae el proveedor cloud, usar LM Studio / Ollama; comparar calidad es contenido, no fracaso.

Claves del taller (no proyectar)

Estimá costo/hora de un 7B cuantizado en laptop vs precio por token de un API cerrado para 10k requests/día.

  • Exigir batería de casos antes de “se ve bien”.
  • Registrar modelo, temperatura y seed/config en el informe.
  • Rechazar entregas sin tope de iteraciones/costo/tiempo en agentes.

Checklist cierre

  • Articulación con la unidad siguiente / curso vecino.
  • Recordar lectura previa de la próxima sesión.
  • Recoger dudas sobre lab autónomo.

Se requiere sesión profesor

Iniciar sesión para ver guiones y soluciones.

UAI — Universidad Adolfo IbáñezUniversidad Adolfo IbáñezMagíster en Inteligencia Artificial — Facultad de Ingeniería y CienciasMaterial de apoyo al dictado (no es el sitio oficial).Ficha del programa·Vista profesor·Mapa del sitio
CompetenciasCambiosSeñalMapa