Un «Sistema de Inteligencia Artificial (IA), basado en RAG-Fusion y LLM local, con aplicación a los sectores del Turismo y Patrimonio» fue presentado en Camagüey durante la Jornada por la Transformación Digital que realiza la Unión de Informáticos de Cuba (UIC). Esta IA contextual, desarrollada por el MsC Reynier Hernández Palacios, miembro de la UIC y activo colaborador del ecosistema de innovación co-Lab, pudiera constituirse en un proyecto impulsor de la Estrategia de desarrollo económico social del territorio, alineada a la Agenda digital cubana y a la Estrategia para el desarrollo de la Inteligencia Artificial en Cuba.
¿Qué es lo que se presenta?
Se presenta un sistema de conocimiento especializado innovador, que integra un modelo de lenguaje Qwen 1.5 7B finamente ajustado con una arquitectura RAG-Fusion avanzada, diseñado para operar completamente offline y optimizado para hardware convencional basado en CPU. Se distingue fundamentalmente en su enfoque en la «IA contextual profunda», donde el modelo no solo comprende las consultas, sino que las interpreta dentro de su contexto.
La propuesta abraza los principios de IA explicativa, inclusiva, ética y responsable, mediante su arquitectura transparente de recuperación híbrida que combina datos estructurados, búsqueda semántica y por palabras clave usando RRF (Reciprocal Rank Fusion). Cada respuesta está anclada en fuentes verificables y referencias explícitas, minimizando las alucinaciones y garantizando la trazabilidad del conocimiento. Su naturaleza inclusiva se refleja en su diseño 100% offline que elimina barreras de conectividad y costos recurrentes, mientras que su enfoque ético se evidencia en la validación humana exhaustiva del dataset y el uso exclusivo de tecnologías open-source. La responsabilidad del sistema se manifiesta en su compromiso con la precisión histórica y su capacidad de escalamiento horizontal que asegura sostenibilidad a largo plazo.
¿Qué aplicaciones en otros sectores pudiera tener este innovador sistema de IA?
El sistema tiene aplicaciones multisectoriales que constribuyen a la eficiencia económica, la mejora constante en la gestión de la administración pública, asistiendo en la toma rápida de decisiones de forma confiable, con fuentes verificables, entre otras.
Su presentación en el ámbito del ecosistema co-Lab y su nodo especializado en IA busca impulsar la innovación digital mediante la co-creación ágil de productos mínimo viables para el sistema empresarial del territorio y otras entidades de servicios, la capacitación para la formación de evaluadores que validen dataset sectoriales, desde la articulación de los actores del desarrollo con iniciativas públicas, privadas o público- privadas, de las múltiples partes interesadas, donde la Universidad de Camagüey Ignacio Agramonte Loynaz y la Unión de Informáticos de Cuba, pueden jugar un importante papel, entre otros, para la adopción de iniciativas basadas en Inteligencia Artificial.
La innovación frugal es un enfoque que busca crear soluciones para resolver problemas concretos, accesibles y sostenibles, utilizando recursos mínimos, simplificando productos, servicios o procesos al máximo, eliminando lo superfluo y enfocándose únicamente en lo necesario para resolver un problema básico, sin sacrificar funcionalidad, cuyo objetivo principal es hacer una innovación inclusiva y sostenible, reducir costos, e implementar en entornos con infraestructuras limitadas, reduciendo el impacto ambiental.
RAG-Fusion y LLM son conceptos relacionados con el campo de la inteligencia artificial, especialmente en el contexto del procesamiento del lenguaje natural y la generación de texto.
RAG (Retrieval-Augmented Generation) combina la recuperación de información con la generación de texto, en lugar de depender únicamente de un modelo generativo para crear respuestas, lo que permite al modelo acceder a información actualizada y específica, mejorando así la precisión y relevancia de las respuestas generadas.
LLM (Large Language Model) son modelos de inteligencia artificial que han sido entrenados en grandes volúmenes de texto para comprender y generar lenguaje humano. Estos modelos son capaces de realizar una variedad de tareas relacionadas con el lenguaje, como traducción, resumen, respuesta a preguntas y generación de texto, utilizando arquitecturas avanzadas, que les permiten captar patrones complejos en los datos y generar texto coherente y contextualmente relevante, manejando tareas más complejas y produciendo resultados más precisos en comparación con otros modelos.
