<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>Analitica on Fernando Ruiz</title><link>https://www.fernandoux.com/tags/analitica/</link><description>Recent content in Analitica on Fernando Ruiz</description><generator>Hugo</generator><language>en-us</language><atom:link href="https://www.fernandoux.com/tags/analitica/index.xml" rel="self" type="application/rss+xml"/><item><title>Métricas de producto para features de IA: más allá de la precisión</title><link>https://www.fernandoux.com/es/wiki/ia/metricas-de-producto-ia/</link><pubDate>Mon, 01 Jan 0001 00:00:00 +0000</pubDate><guid>https://www.fernandoux.com/es/wiki/ia/metricas-de-producto-ia/</guid><description>&lt;div class="info-panel"&gt;
 &lt;div class="info-header"&gt;
 &lt;span class="material-symbols-outlined info-panel-icon"&gt;info&lt;/span&gt;
 &lt;span class="info-panel-label"&gt;Definición Rápida&lt;/span&gt;
 &lt;/div&gt;
 &lt;div class="info-content"&gt;
 Las &lt;strong&gt;métricas de producto para IA&lt;/strong&gt; miden si el usuario logró el resultado que la función prometía, no solo si el modelo respondió bien. Las más útiles son la tasa de tareas completadas, las ediciones que hace el usuario sobre la salida, la activación en la primera semana y las señales de frustración.
 &lt;/div&gt;
&lt;/div&gt;

&lt;h2 id="por-qué-la-precisión-no-alcanza"&gt;¿Por qué la precisión no alcanza?&lt;/h2&gt;
&lt;p&gt;La precisión, la latencia y los puntajes de benchmark miden el comportamiento del modelo. Dicen cómo responde, no si la persona consiguió lo que vino a hacer. Un modelo puede responder bien en el laboratorio y fallar en el flujo real, por ejemplo cuando el resultado correcto llega en el paso equivocado.&lt;/p&gt;</description></item></channel></rss>