Modelos de decisión de Liquid AI: una nueva forma de automatizar procesos en pymes
Liquid AI lanza d1.2 y d1.2-ultra en AI Gateway, modelos que devuelven respuestas estructuradas en lugar de texto generado. Una oportunidad para automatizar la toma de decisiones en pymes con mayor precisión y menor coste.

Una nueva generación de modelos para decidir, no para conversar
Liquid AI ha anunciado la disponibilidad de sus modelos d1.2 y d1.2-ultra en AI Gateway, la plataforma de Vercel. A diferencia de los modelos de lenguaje tradicionales, estos no generan texto libre, sino que devuelven respuestas estructuradas: probabilidades para preguntas booleanas, selección de categorías para preguntas de elección o puntuaciones para evaluar entradas según una rúbrica. Además, admiten entrada de audio y la localización de objetos mediante coordenadas (bounding boxes).
Esta novedad puede parecer técnica, pero esconde un cambio de enfoque relevante para cualquier pyme que esté explorando la automatización de procesos. La inteligencia artificial deja de ser solo un chatbot que redacta correos y pasa a ser un motor de decisión que clasifica, prioriza y enruta información con una salida predecible y fácil de integrar en sistemas existentes.
¿Qué significa exactamente un modelo de decisión?
Los modelos de decisión están diseñados para responder preguntas concretas sobre un conjunto de datos de entrada, ya sea texto, audio o imagen. En lugar de generar una respuesta abierta, ofrecen una salida acotada: un sí o un no con su probabilidad, una categoría entre varias posibles o una puntuación numérica. Esto los hace ideales para tareas repetitivas donde la variabilidad y la creatividad no son deseables, sino todo lo contrario: se busca consistencia y trazabilidad.
Por ejemplo, en el ámbito de la atención al cliente, un modelo así podría clasificar automáticamente un correo o una transcripción de llamada como "solicitud de reembolso" o "consulta técnica", asignando una probabilidad a cada opción. O podría puntuar la urgencia de un ticket según una rúbrica predefinida. La diferencia frente a un modelo generativo es que la respuesta es directamente accionable, sin necesidad de interpretar un texto ambiguo.
Implicaciones prácticas para una pyme
La llegada de estos modelos a AI Gateway, con nombres como liquid/d1.2 y liquid/d1.2-ultra, facilita su experimentación y despliegue. d1.2 se posiciona como la opción más rápida y económica, mientras que d1.2-ultra apunta a una mayor precisión. Para una pyme con recursos limitados, esta distinción permite empezar con el modelo más ligero en tareas de bajo riesgo y escalar al más preciso cuando la criticidad lo justifique.
Más allá de la clasificación de texto, la capacidad de procesar audio y de localizar objetos en imágenes abre un abanico de automatizaciones que antes requerían soluciones ad hoc. Pensemos en la digitalización de formularios: un modelo de decisión puede localizar la firma o un campo concreto en una imagen escaneada y devolver sus coordenadas, lo que simplifica la extracción de datos. O en la gestión de llamadas: transcribir un voicemail y determinar automáticamente si el cliente pide una devolución, con la probabilidad asociada, para enrutarlo al departamento correcto.
La integración con AI Gateway también aporta ventajas de observabilidad: las peticiones quedan registradas en logs y computan en los presupuestos, lo que facilita el control de costes y la auditoría de las decisiones automatizadas. Para una pyme que necesita justificar sus procesos ante clientes o reguladores, esta trazabilidad es un valor añadido.
Cómo empezar sin morir en el intento
Antes de lanzarse a integrar estos modelos, conviene identificar procesos donde la decisión sea binaria o categórica y donde el volumen justifique la automatización. No se trata de reemplazar el juicio humano en decisiones complejas, sino de liberar a los equipos de tareas repetitivas de clasificación. Un buen punto de partida es la bandeja de entrada de soporte: clasificar correos por tipo de solicitud y urgencia puede reducir tiempos de respuesta y mejorar la asignación de recursos.
También es recomendable empezar con un modelo ligero como d1.2 para validar el enfoque, medir la precisión en un conjunto de datos histórico y, solo si los resultados son satisfactorios, escalar a d1.2-ultra en las tareas más críticas. La posibilidad de combinar varias preguntas en una sola petición, compartiendo la misma entrada, permite obtener múltiples decisiones con una sola llamada, lo que optimiza costes y latencia.
En Altya Studio ayudamos a pymes a identificar qué procesos pueden beneficiarse de este tipo de automatización y a integrar modelos de decisión en sus flujos de trabajo con Odoo, desarrollo web o herramientas propias. Si estás explorando cómo la inteligencia artificial puede tomar decisiones repetitivas por ti, estaremos encantados de analizar tu caso.
Fuente: vercel.com