Ertas para Pipelines de Datos de Cliente Reutilizables

The Challenge

Los proveedores de servicios AI/ML reconstruyen pipelines de preparación de datos para cada proyecto con clientes. Scripts diferentes, herramientas diferentes, estándares de calidad diferentes. Sin estandarización no se captura conocimiento institucional. El pipeline de cada proyecto es único y muere cuando el proyecto termina.

The Solution

Ertas da a los proveedores de servicios un camino repetible desde los ejemplos del cliente hasta un modelo entrenado que el cliente posee. Data Craft, el constructor guiado de datasets de Studio, guarda los datos de entrenamiento de cada proyecto como ejemplos conversacionales: el equipo añade turnos USER y ASSISTANT, los edita y versiona, y registra qué ejemplos ha aprobado el experto del cliente. La estructura de dataset que funcionó con un cliente (el formato de los turnos y los tipos de ejemplos que cubre) sirve de punto de partida para el siguiente proyecto, y el equipo solo tiene que llenarla con el material del nuevo cliente.

El entrenamiento sigue los mismos pasos cada vez. El equipo elige un modelo base abierto en Studio, configura el fine-tuning con LoRA en el lienzo visual y lo ejecuta en las GPU en la nube de Ertas, con varias ejecuciones en paralelo para comparar ajustes o tamaños de modelo. Los datasets quedan guardados, así que una ejecución puede repetirse más adelante con los mismos datos. Cada cliente recibe su propio modelo, exportado desde Hub como GGUF o como safetensors completos, que puede ser suyo y ejecutarse en sus propios servidores sin depender de Ertas. Para los clientes que quieran ayuda para definir el trabajo, Ertas también ofrece proyectos empresariales de modelos personalizados que empiezan con una evaluación gratuita del caso de uso.

Key Features

Example Workflow

Un proveedor de servicios crea en Data Craft un dataset de asistente de soporte para un cliente del sector salud: unos cientos de ejemplos USER y ASSISTANT sobre preguntas de citas, pasos de derivación y políticas de la clínica, redactados a partir de material desidentificado y aprobados por la dirección de la clínica. Entrenan dos ejecuciones LoRA en paralelo en Ertas Studio sobre Qwen 2.5 3B y Llama 3.1 8B, comparan ambas con un conjunto reservado de preguntas reales y exportan desde Hub el mejor modelo como GGUF para que la clínica lo ejecute en su propio servidor. El siguiente proyecto es un despacho de abogados. El equipo reutiliza la misma estructura de dataset y el mismo proceso de revisión, la llena con las preguntas de admisión de asuntos del despacho, un asociado sénior aprueba los ejemplos y se repite la misma configuración de entrenamiento. Dos clientes terminan con dos modelos entrenados por separado, cada uno propiedad del cliente que lo pagó, construidos sobre un mismo flujo que el proveedor mejora en cada proyecto.