El uso de Chat GPT permite muchas (muchas funcionalidades) y entre ellas se encuentra la posibilidad de que los usuarios puedan crear GPTs (Generative Pre-trainedTransformer), versiones personalizadas del modelo de lenguaje de OpenAI que pueden ajustarse para tareas o propósitos específicos, adaptando tanto la respuesta, como el tono según las características que se indiquen, sin necesidad de tener conocimientos expertos de programación (es decir, para legos juristas como yo). Por ejemplo, en el ámbito de la administración pública, se pueden configurar para generar informes automáticos, guías de trámites específicos o análisis de datos de la organización para la toma de decisiones. Por eso a mí me gusta más el acrónimo Gestión Pública Transformadora y sostenible…..
En particular, un ejemplo práctico: Una entidad podría desarrollar un GPT personalizado para automatizar la redacción de informes de seguimiento de proyectos de urbanismo o transparencia, lo que tradicionalmente conocemos como informes tipo… ¿Cuáles deben de ser los pasos a desarrollar? A esa pregunta respondemos a continuación
Guía práctica para la creación de GPTs personalizados
La creación de GPTS personalizados
Paso 1: Define el propósito del GPT personalizado
Determina cuál es la tarea específica que deseas automatizar o mejorar, como la generación de informes, la atención al ciudadano o el análisis de datos, igualmente será necesario determinar el público objetivo para la tarea en concreto y establece los casos de uso más relevantes, para determinar de la forma más concreta el propósito.
Paso 2: Reúne los datos relevantes
Es importante recolectar datos de alta calidad y relevancia, con datos o documentos relevantes que puedan servir como base para entrenar y personalizar el modelo, como directrices municipales o datos presupuestarios, o los correspondientes a la tarea, filtra y limpia los datos para huir de los sesgos y evitar también información incorrecta.
Paso 3: Diseña los prompts de entrenamiento
Crea ejemplos de prompts claros y variados para mostrar al modelo qué tipo de respuestas se esperan, en función de cuál sea la tarea (sobre este tema puedes consultar el método CLARA, para hacer un buen prompt, en el siguiente enlace).
- Ejemplo de prompt: “Redacta un resumen ejecutivo de 300 palabras sobre los principales proyectos de infraestructura del municipio en 2024.”
Paso 4: Personaliza el modelo
Configura el modelo utilizando las herramientas disponibles (por ejemplo, a través de plataformas como OpenAI) para ajustarlo a las necesidades específicas de la organización, pudiendo, entre otras acciones implementar prompts iniciales que guíen el comportamiento del modelo.
Paso 5: Prueba y ajusta
Realiza pruebas iniciales para identificar mejoras y ajusta el comportamiento del modelo según los resultados obtenidos. Debemos asegurarnos de que las respuestas sean precisas y coherentes (supervisión humana) y también de que garantizan la privacidad y protección de datos de las personas usuarias.
Paso 6: Implementa y evalúa
Despliega el GPT personalizado en el entorno deseado (por ejemplo, en la atención al ciudadano) y establece mecanismos de evaluación continua para medir su impacto, y la calidad de las respuestas con métricas de rendimiento. También será necesario actualizar el modelo con nuevos datos y ajustes cuando sea necesario, realizando, así vez, mejoras periódicas en función del rendimiento.
Ahora bien, no siempre será la mejor opción, debemos plantearnos si debemos invertir en GPTs personalizados o es suficiente con el uso de modelos generales como ChatGPT.
Para ello debemos valorar los errores más comunes al crear GPTs personalizados para tomar la decisión
1. Falta de definición clara del objetivo:
Si no se define claramente qué se espera lograr, el modelo podría ofrecer respuestas genéricas o inútiles, el esfuerzo de desarrollar un GPT personalizado es centrar bien la tarea, ajustar las especificidades y que la respuesta sea clara y precisa, obviamente, si partimos de una base ambigua tendremos una respuesta antigua.
2. Prompts ambiguos o mal redactados:
Descendiendo de lo general, el objetivo del GPT, su concreción en un prompt poco claros pueden llevar a respuestas erróneas o irrelevantes, de tal modo que al final la labor desarrollada no sea de utilidad. .
3. Datos de entrenamiento insuficientes o desactualizados:
La gestión del dato es la piedra angular en el uso de la IA, como decíamos aquí, la IA sin datos, es como un Ferrari sin gasolina. Debemos tener muy presente que el uso de datos limitados o desactualizados puede afectar la calidad de las respuestas generadas.
4. Falta de supervisión humana:
No realizar revisiones periódicas puede llevar a errores persistentes en el tiempo. Sesgos, falta de transparencia, vulneración de la privacidad, la supervisión humana será clave, sobre todo en función del ámbito de actuación en el que definamos el GPT, en cuanto pueda afectar a ámbitos de alto riesgo.
5. No ajustar tras pruebas iniciales:
Una vez definido el modelo, el monitoreo, la evaluación y la reprogramación es parte del éxito del modelo, pues si no se hacen ajustes después de la fase de pruebas, el modelo puede quedarse estancado en errores o sesgos.
En definitiva ¿Por qué usar GPTs personalizados?
La creación de GPTs personalizados no solo permite mejorar la eficiencia y precisión en la generación de respuestas, sino que también asegura que el modelo sea adaptable a contextos específicos, optimizando la interacción con los usuarios. Pero para eso hay que detenerse el tiempo suficiente en definir correctamente los objetivos, ajustar los parámetros adecuados y garantizar un enfoque ético y seguro, de este modo podemos maximizar el potencial de la inteligencia artificial para aportar valor real en distintos ámbitos.
