Un clasificador de IA es un modelo que asigna una categoría a lo que recibe: un mail, un texto o una foto. Un filtro de spam, un ruteador de tickets o un detector de idioma son clasificadores. Los más nuevos eligen entre opciones que tú defines, o responden sí o no, con la probabilidad de cada respuesta.
Una pregunta de la app. Elige una respuesta.
Mensaje: «¿Cuánto sale pasar al plan Pro?» En tu equipo, precios y planes van a Ventas. Jev lo mandó a Facturación, con confianza 0,91 (número de ejemplo). Así preguntaste:
¿Qué pruebas primero?
El umbral decide si actúas, no qué área elige. Seguiría yendo a Facturación.
Con sólo el nombre, Jev no sabe dónde termina Ventas. Prueba descripciones que separen precios de cobros ya hechos.
Cambiar de modelo no aclara tus reglas. Primero describe qué entra en cada área y comprueba el resultado.
En una prueba, un modelo leyó «Un tomate.» y respondió dos preguntas de sí o no: «Es una fruta.», 0,65; «Es una verdura.», 0,85. Las dos dan sí y no es una contradicción: cada pregunta se responde sola, sin mirar la otra.
Si necesitas una sola respuesta, pide una elección entre opciones: ahí las probabilidades se reparten y suman 1. Con fruta y verdura salió 50 y 50. En botánica es una fruta y en la cocina, una verdura: si te importa uno de los dos criterios, dilo en la pregunta. Y un empate no es para que tu código elija al azar.
Un corrector automático recibe «¿Capital de Francia? Respuesta del alumno: Madrid» y la pregunta «La respuesta es correcta.». En la prueba dio 0,57: más sí que no, para una respuesta mal. Agregando al texto «Respuesta correcta: París.», bajó a 0,04.
No cuentes con que sepa el dato. Si la decisión depende de un dato, pon el dato en el texto. Es la misma idea que RAG: buscar primero lo que hace falta y dárselo al modelo.
En una prueba, un ruteador de tickets mandó «Excel se cierra solo cada vez que abro un archivo.» a hardware, con 0,96. «La aplicación Excel se cierra sola…» fue a software, con 0,98. Dos formas de decir lo mismo, dos áreas distintas, y las dos muy seguras.
Una probabilidad alta no es garantía (lo explica probabilidad calibrada). Prueba describir cada opción: qué entra, qué no y un ejemplo, como «Software: programas y apps, también Excel o Word» en lugar de «software» a secas. Y comprueba el resultado con casos reales tuyos.
Los clasificadores son de lo más viejo del machine learning: un filtro de spam se entrena para una sola tarea. Los nuevos, como Jev o la Decisions API de OpenAI, reciben las opciones en cada pedido, así que el mismo modelo sirve para tareas distintas. También hay modelos abiertos que corren en tu computadora.