Desarrollo de Productos con IA

Preguntas de ejemplo

Dos preguntas de este simulacro, con el mismo estilo del examen de certificación. Responde antes de abrir la explicación.

1. Pregunta 1

   Un marketplace recibe 40 mil productos nuevos por mes. En el 94% de los casos el proveedor envía un código de categoría que mapea directamente a la taxonomía interna. El 6% restante llega sin código. El equipo quiere automatizar la categorización. ¿Qué enfoque es más adecuado?

   1. Entrenar un clasificador con todo el historial de productos y aplicarlo al 100% de la entrada, garantizando un criterio único de categorización.
   2. Usar un modelo de lenguaje en toda la entrada, ya que resuelve tanto los casos con código como los casos sin código.
   3. Aplicar el mapeo determinístico al 94% y usar modelo solo en el 6% que llega sin código del proveedor.
   4. Postergar la automatización hasta que los proveedores envíen código en el 100% de los casos, evitando mantener dos caminos distintos.
   Ver respuesta y explicación

   Respuesta correcta: C. Aplicar el mapeo determinístico al 94% y usar modelo solo en el 6% que llega sin código del proveedor.

   La primera pregunta en el desarrollo de productos con IA no es qué modelo usar, sino qué parte del problema ya tiene solución determinística. Cuando existe una regla confiable, es más barata, más rápida, más fácil de depurar y no introduce variabilidad entre ejecuciones. El modelo debe reservarse para la parte residual que la regla no cubre. Aplicar modelo sobre el 94% que ya se resuelve por mapeo agrega costo de inferencia, riesgo de error y una fuente de inconsistencia, sin ganancia correspondiente. Ese patrón, resolver lo determinístico con regla y lo residual con modelo, aparece en la mayoría de los productos de IA que sostienen operación en producción.

2. Pregunta 2

   Una herramienta de atención genera borradores de respuesta para los agentes. Tras tres meses, la adopción del recurso es del 91%, los agentes editan el 80% de los borradores antes de enviar y el tiempo medio de atención bajó 4%. ¿Qué lectura orienta mejor la próxima decisión de producto?

   1. La tasa de edición del 80% indica que el modelo es inadecuado para la tarea, y la funcionalidad debe descontinuarse antes de consumir más presupuesto.
   2. La adopción alta combinada con edición frecuente sugiere que el borrador sirve como punto de partida, y la ganancia está en reducir el esfuerzo de edición.
   3. La adopción del 91% ya demuestra el éxito de la funcionalidad, y la próxima decisión debe ser expandir el recurso a los demás canales de atención.
   4. La ganancia del 4% está dentro de la variación esperada del indicador, así que hay que extender la observación por tres meses más antes de decidir.
   Ver respuesta y explicación

   Respuesta correcta: B. La adopción alta combinada con edición frecuente sugiere que el borrador sirve como punto de partida, y la ganancia está en reducir el esfuerzo de edición.

   Adopción alta y edición alta no se contradicen; informan dónde se está creando el valor. Si los agentes siguen usando el recurso aun editando casi todo, el borrador está ahorrando el esfuerzo de empezar de cero, que suele ser la parte más costosa de la tarea. El error común es leer la tasa de edición como medida de calidad del modelo y concluir fracaso. La lectura correcta es que la unidad de valor no es el borrador listo para enviar, sino el borrador aprovechable. Eso cambia lo que el equipo debe optimizar: en vez de perseguir el envío sin cambios, conviene reducir el costo de editar, con edición estructurada, fragmentos reutilizables y aprendizaje de las correcciones más frecuentes.