Cloudflare ha publicado en vista previa en Workers AI, su plataforma de ejecución de IA, el modelo «Clairic», que extrae de documentos los valores de los campos especificados. Cuando el usuario indica campos como el número de pedido o el importe de una factura, el modelo devuelve los valores con el formato correspondiente y un nivel de confianza. También está previsto publicar pronto los pesos del modelo en abierto, y se muestran ejemplos de procesamiento combinado con un LLM.
Una IA que extrae campos, no que redacta textos
Al hablar de IA generativa, mucha gente piensa en una herramienta capaz de redactar textos con fluidez. Sin embargo, Clairic tiene un carácter casi opuesto. Se limita a extraer campos concretos, como «recuperar el importe total de una factura» o «encontrar el número de pedido en un correo electrónico».
Su funcionamiento también tiene algunas particularidades. Los LLM convencionales generan texto enlazando palabras una a una (token a token), pero Clairic no utiliza ese método: devuelve las respuestas a todos los campos indicados en una sola operación. Si el documento no contiene el valor correspondiente, devuelve «null» (sin correspondencia), así que no intenta inventarse una respuesta, algo muy útil en la práctica.
Además de extraer datos, también puede realizar cálculos sencillos, estimaciones y predicciones. En otras palabras, Clairic no escribe textos, sino que se ocupa de «preparar» la información dispersa para que sea más fácil utilizarla.
Repartir la atención al cliente entre distintos modelos
El ejemplo de uso que ha presentado Cloudflare resulta bastante revelador. El caso elegido es un correo electrónico de reclamación de un cliente. Primero, Clairic extrae del mensaje el número de pedido, el importe y los detalles de los daños, y calcula el coste de la reparación.
A continuación entra en juego «Clef», un modelo de toma de decisiones. Este elige entre reembolsar o reparar, de acuerdo con las normas internas. Por último, el LLM GLM-5.3 redacta la respuesta dirigida al cliente.
Lo interesante es que no se deja todo en manos de un único modelo gigantesco. Si lo trasladamos a un entorno laboral humano, el esquema se parece al de un equipo en el que una persona de recepción organiza la información, otra toma las decisiones y alguien con facilidad para redactar escribe la respuesta. Cloudflare denomina «System One» a esta clase de modelos pequeños, encargados de realizar tareas con rapidez, y plantea encadenarlos junto con un LLM.
Personalmente, creo que esta idea es el aspecto central del anuncio. Cuando se plantea incorporar IA, es fácil centrarse en elegir «el modelo más inteligente». Sin embargo, si se desglosan las tareas de un negocio, no todas requieren utilizar al máximo la capacidad de razonamiento. Diseñar sistemas que asignen herramientas distintas según la función podría convertirse en la norma para la IA aplicada al trabajo.
Las cifras de velocidad muestran el efecto del reparto de tareas
Veamos también las cifras, que resultan interesantes. Según la comparación de Cloudflare, el proceso encadenado de tres etapas descrito antes tardó 19.3 segundos. Si GLM-5.3 se encarga por sí solo de las mismas tres etapas, tarda 61.7 segundos y el coste es casi el doble.
Eso sí, estas cifras corresponden a un caso de procesamiento concreto. No cabe esperar la misma diferencia en todos los trabajos; lo adecuado es interpretarlas como una referencia de lo que puede cambiar al repartir las tareas. Aun así, el hecho de que el tiempo sea más de tres veces superior invita a reflexionar sobre las ventajas de dividir el procesamiento.
También se señalan claramente sus limitaciones. Clairic todavía no puede gestionar de forma fiable largas cadenas de cálculos. Por ahora, se indica que los desarrolladores tendrán que ejecutar ese tipo de procesos con código propio.
Aun así, un mundo en el que distintos modelos especializados se ocupen con rapidez y bajo coste de las tareas que mejor dominan resulta atractivo para el trabajo diario. Cuanto más rutinaria y voluminosa sea una tarea, como procesar facturas o atender consultas, mayor será el beneficio de repartirla entre varios modelos. Los LLM pueden concentrarse en las tareas que solo ellos pueden realizar. Clairic nos muestra la puerta de entrada a ese futuro.
コメント