| # | Texto | Categoría | Estado | Origen | Modelo |
|---|
| Modelo | Tarea | Parámetros | Resultado |
|---|
0 · El generador por IA — opcional
Sin esto todo funciona igual: las propuestas salen de plantillas, sin red. Con esto salen de un modelo. El token se pega aquí y va al llavero del sistema operativo — no al proyecto, ni al repositorio, ni a la copia de seguridad. No hay ninguna ruta que lo devuelva, ni siquiera enmascarado.
1 · La carta del cliente, primero
Pedirle a una IA «invéntame un dataset de pizzería» produce
productos que el cliente no vende. El modelo aprende pizza margarita,
la carta dice pizza americana, y las métricas salen altas porque
el test está hecho de la misma ficción. Por eso el vocabulario sale de sus
documentos antes que nada.
2 · Proponer frases
3 · Aceptar o borrar
Nada entra al dataset sin que alguien lo decida. Lo aceptado
se marca origen: generada, que es de donde sale la única métrica
que no engaña.
| Frase | Categoría | Motivo |
|---|
¿Cuál es el modelo más pequeño que resuelve esto?
Entrena el mismo dataset a varios tamaños y recomienda el más pequeño que se queda a tiro del mejor. Tarda minutos: son varios entrenamientos seguidos.
| Tamaño | Parámetros | Métrica | Latencia | Disco | Entrenamiento |
|---|
Llevarlo al destino
Lo ya exportado
| Tipo | Ruta | Pesos |
|---|
De la documentación al conector
Lee un OpenAPI o un AsyncAPI en la pestaña de Propuestas y aquí sale el conector configurado. La clave viaja como nombre: el valor vive en el llavero del sistema y no se lee nunca desde aquí.
Lo que escribió gente que no eres tú
Es la única fuente de frases que no salen de una plantilla, y por eso es la pantalla que más vale. Un modelo entrenado solo con datos generados sale mejor en la evaluación de lo que es en producción.
Ni la dirección ni el token se guardan: viven en esta pestaña y se van al cerrarla. Un token en un fichero junto al dataset es un token en la copia de seguridad y en el repositorio.
| Qué escribieron | Qué dijo el modelo | Debería ser | Comentario |
|---|
Consentimiento
Un modelo entrenado con la voz de alguien puede decir cosas que esa persona nunca dijo. Eso es distinto en clase a un clasificador entrenado con sus frases, y por eso esto no es un aviso: sin consentimiento no se guarda el clip.
Y lo que esta casilla es, sin adornos: registra una afirmación. No verifica que nadie consintiera ni que entendiera a qué. Lo que hace es dejar la afirmación explícita, atarla a los datos, y evitar que alguien entrene una voz por accidente. Lo legal es cosa de un abogado, y cambia según el país.
Grabar
Lo grabado
Las duraciones por carácter hay que sacarlas del audio. Repartir la frase en partes iguales entrena una voz monótona, con todas las sílabas igual de largas — por eso el dataset se niega a adivinarlas.
| Audio | Texto | Voz | Duraciones |
|---|
Probar el agente
Intención, entidades y la herramienta elegida, en una sola vista. Siempre en simulación salvo que marques lo contrario: un botón que manda pedidos de verdad mientras ajustas el YAML no comprueba nada.
Aprender de lo que ya hizo
Convierte el registro de auditoría en filas de dataset. Los turnos que el agente no supo resolver vuelven sin etiqueta: un turno fallado no demuestra la respuesta correcta, y adivinarla mete el error en los datos con una etiqueta segura encima.