NTT adapta un LLM con pocos datos: 83,1 % de acierto en pruebas

La japonesa NTT anunció el 12 de noviembre de 2026 una nueva técnica de ajuste («tuning») para que un gran modelo de lenguaje (LLM) asimile los conocimientos de los manuales de trabajo de una empresa. Según el comunicado de NTT, el método consiste en que el propio LLM genere, desde varios ángulos, los datos con los que va a aprender, de modo que no hace falta reunir enormes volúmenes de documentos. Según AI Watch, en las pruebas con el modelo propio tsuzumi 2 la tasa de respuestas correctas llegó al 83,1 %.

¿Por qué el ajuste clásico falla con los datos de una empresa?

El tuning consiste en adaptar un LLM existente a un uso o una tarea concreta. Según INTERNET Watch, hacer que el modelo retenga conocimientos de un negocio exigía hasta ahora cantidades de datos extremadamente grandes, muy superiores a los documentos que posee una empresa. El comunicado de NTT señala que una página A4 de texto ocupa unos pocos kilobytes, mientras que el método habitual, que reentrena el modelo completo, requiere datos de decenas de gigabytes.

AI Watch indica que una empresa dispone en la práctica de unos 1.000 archivos PDF, de hasta unas 100 páginas cada uno. Repetir sin más esos textos en el entrenamiento provoca, según el medio, un sobreajuste: el modelo memoriza redacciones o números de artículo concretos, pero no responde cuando la pregunta cambia de contexto. NTT añade que completar con información parecida sacada de internet introduce ruido ajeno al negocio y dificulta reunir un conjunto de datos de calidad.

¿Cómo crea el LLM su propio material de estudio?

NTT se inspiró en cómo se aprende en la escuela. Según el comunicado, en una clase de lengua no basta con leer un texto: se responden preguntas sobre la intención del autor y se comentan las impresiones con los compañeros. La técnica aplica esa idea: el LLM actúa como creador de material didáctico y produce, a partir del manual, datos de aprendizaje variados que luego usa para aprender.

AI Watch cita tres formas de datos generados:

• el formato FAQ, que reformula el contenido del manual como preguntas y respuestas basadas en consultas reales;
• el formato tabla, que ordena y estructura varias condiciones o plazos;
• el formato diálogo, en el que un alumno y un profesor profundizan en el trasfondo y la intención de una norma.

También según AI Watch, el propio motor de generación utiliza tsuzumi: a partir de un pequeño lote de datos de origen produce datos de entrenamiento del orden de miles de millones a diez mil millones de tokens (un token es la unidad de texto que procesa un LLM). NTT afirma que la técnica sirve para tsuzumi y también para otros LLM.

¿Cuánta confianza merece la cifra del 83,1 %?

NTT midió la retención con manuales reales: se plantean al modelo preguntas sobre el contenido del manual y se compara la tasa de aciertos. Según el comunicado, tsuzumi 2 obtenía un 65,3 % antes del aprendizaje; los trabajos previos, que reformulan los textos desde otros ángulos, llegaban como máximo al 73,3 %; la nueva técnica alcanza el 83,1 %, casi diez puntos por encima.

También se probó un modelo más ligero. Según AI Watch, Llama 3 (3B) pasó de alrededor del 25 % a casi el 60 % y superó de forma constante a los métodos anteriores. El mismo medio afirma que, en pruebas de dominio general, las capacidades básicas del modelo no se resintieron tras añadir los conocimientos. Hay una salvedad: las preguntas de opción múltiple las diseñó la propia NTT, porque, explica AI Watch, no existe una prueba común para medir el conocimiento propio de cada empresa. Son cifras de NTT, y en los artículos leídos no consta que un tercero las haya reproducido.

¿RAG o modelo especializado?

Para explotar los documentos internos se usa mucho la generación aumentada por recuperación (RAG), que busca los pasajes pertinentes antes de responder. AI Watch recoge la opinión de un responsable de NTT: cuando lo primordial es la exactitud absoluta se recomienda RAG, pero en tareas que exigen respuestas muy rápidas, como analizar en tiempo real muchas llamadas en un centro de contacto, la búsqueda externa añade retraso y encarece la operación, porque hay que desplegar más modelos y GPU en paralelo. Un modelo que ya tiene el conocimiento responde más deprisa y necesita menos GPU.

Según la misma fuente, la técnica no excluye el RAG: pueden combinarse, y un modelo que conoce el contexto del sector mejora también la precisión de la búsqueda. Los ámbitos previstos son la sanidad y las finanzas, donde las normas y trámites propios de Japón son estrictos, y la manufactura, con muchos términos internos.

¿Qué calendario hay y qué cambia para una empresa hispanohablante?

Según el comunicado, la técnica se incorporará a las empresas del grupo NTT. AI Watch señala que NTT estudia, entre otras opciones, un servicio gestionado en la nube: el entrenamiento, que exige muchas GPU, se haría en los centros de datos del grupo y el modelo ajustado se devolvería al cliente. Los artículos leídos no dan precio ni fecha de lanzamiento. Los resultados se mostrarán en el NTT R&D FORUM 2026, del 18 al 25 de noviembre en el centro de I+D de Musashino, en Tokio, donde, según AI Watch, también se presentará el concepto de un «tsuzumi autoevolutivo».

Para una empresa de habla hispana, la lección es sobre todo de método. Si sus procedimientos caben en alrededor de mil documentos, hacer que el propio modelo redacte pares de pregunta y respuesta, tablas y diálogos puede volver viable un modelo especializado donde la falta de datos desanimaba. Los artículos leídos no mencionan disponibilidad fuera de Japón y los resultados siguen siendo de NTT: lo prudente es medir primero el acierto con los documentos y las preguntas propios, y luego decidir el reparto entre RAG y un modelo ajustado.