Estrategia, Mkt & Comms
Resources
Recursos
Área Temática
Propuesta planteada para estudiantes de Ingeniería Técnica de Telecomunicación en busca de su TFG (4º curso).
Introducción al desafío
En Telefónica Empresas realizamos un acercamiento a la transformación digital del sector digital considerando el contexto actual donde la IA generativa es un motor de cambio relevante.
Muchas veces nos encontramos con que nuestros clientes no conocen sus capacidades reales y es por eso que necesitamos trabajar en casos de uso que los aproximen.
Desafío planteado
El Trabajo de Fin de Grado ofrecerá un proyecto de investigación, desarrollo y documentación de la exploración y análisis de todo el proceso: desde el entrenamiento inicial de una primera IA con datos industriales hasta la generación y ajuste de nuevos datos, resaltando cómo la interacción entre ambas capas de IA mejora la calidad y aplicabilidad del contenido generado.
El proyecto consistirá en construir un demostrador de IA generativa utilizando una herramienta comercial de las existentes..
Exploraremos un caso y proceso lo más real posible en el sector industrial (manufactura, automoción, energía, etc).
El proyecto se centrará en el desarrollo e implementación de un modelo de inteligencia artificial generativa basado en un modelo de lenguaje grande (LLM).
Este modelo avanzado de IA estará diseñado para aprender, crear y optimizar información a partir de un conjunto inicial de datos específicos.
La primera IA generativa será programada y entrenada con datos específicos sobre un proceso industrial. Esta IA será capaz de generar nueva información y soluciones basándose en los datos iniciales proporcionados, incluso creando datos que no se hayan programado explícitamente.
Utilizará un proceso de autoevaluación en el que se formulará nuevas preguntas y generará sus propias respuestas, mejorando su comprensión y capacidad de generar contenido útil.
Posteriormente, todo el conocimiento generado por esta primera IA se transmitirá a una segunda IA generativa. Esta segunda IA actuará como una demostración práctica, mostrando cómo el contenido generado ha sido optimizado y preparado para su aplicación en escenarios reales.
