Es un libro ancho: arquitectura de modelos, ajuste fino, recuperación de documentos, agentes, aprendizaje por refuerzo, infraestructura, gobierno y cumplimiento, series de tiempo y un capítulo final de pronósticos sobre el futuro. Esa amplitud es su defecto: cada tema recibe lo que le cabe.
Qué saqué de él
Lo primero, la idea de que el razonamiento puede ser probabilístico pero la ejecución tiene que ser determinista. Un sistema puede dejar que el modelo decida qué conviene hacer, y aun así la acción que toca el mundo real —emitir, pagar, registrar— pasa por una lista cerrada de operaciones con permisos, no por texto libre. Es una frontera, y trazarla es una decisión de arquitectura, no de programación.
Lo segundo, la compuerta de políticas: antes de que una herramienta se ejecute, una regla mira la operación propuesta y el estado, y decide permitir, negar o escalar a una persona. Es más simple que casi todo lo que se publica sobre agentes y es lo que hace que el asunto sea defendible frente a una auditoría.
Lo tercero, y lo que más me sirvió: medir la fidelidad por afirmación y no por respuesta. Una respuesta larga puede tener cinco afirmaciones de las cuales cuatro están respaldadas por los documentos y una no; contarla como acertada o fallida entera esconde justo la que importa. Desde entonces, cuando defino cómo se va a evaluar un sistema de preguntas sobre documentos propios, la unidad de medida es la afirmación, con la evidencia que la sostiene al lado.
Qué dejé fuera
El contexto financiero, que es casi todo: llamadas de resultados, modelos entrenados con datos de mercado, impacto en precios. Nada de eso se traslada a una empresa mediana. Y dejé fuera los capítulos de aprendizaje por refuerzo y de series de tiempo, que en un libro de este alcance funcionan como resúmenes de otros libros.