Respuesta rápida (actualizada el 31-10-2026): Personnn DataForge convierte tus documentos, chats, tickets y planillas en un dataset listo para entrenar o evaluar un modelo, o parte de uno curado por ellos. Cada ejemplo se contrasta con su fuente: lo que no pasa queda aparte con el motivo escrito (duplicado, incompleto o contradice la fuente), así que ves qué se dejó fuera y por qué. Recibes el dataset en formato abierto, para entrenar con Personnn ModelForge o con la herramienta que quieras. Abre con lista de espera y los primeros pilotos, no como producto de autoservicio.
El problema: tienes datos, pero no tienes dataset
Tener datos y tener un dataset son cosas distintas. Un dataset para entrenar es un conjunto de ejemplos: una pregunta, la respuesta que quieres y la fuente de esa respuesta.
Lo que suele pasar es más simple: se juntan los documentos, los chats, los tickets y las planillas en un archivo y se entrena. Lo que sale de ahí es una mezcla de cuatro cosas:
- Duplicados: la misma respuesta guardada tres veces.
- Incompletos: respuestas cortadas a la mitad, porque el ticket se cerró antes de escribir la solución.
- Contradictorios: respuestas que citan una cláusula que no existe en el contrato.
- Mezclados: un ejemplo de soporte al cliente junto a otro de logística, sin que nada diga que están mezclados.
Y hay un problema que no se ve hasta que estalla: nadie puede explicar de dónde salió cada ejemplo.
Para una empresa legal, de salud o de finanzas eso no es un detalle. Cuando el cliente, el abogado o el regulador pregunta de dónde vino una respuesta del modelo, la respuesta "salió de nuestros documentos" no alcanza. Hay que poder decir: este ejemplo vino de este archivo, de esta fecha, y está aquí por esta razón.
Qué es DataForge
Es una forma de conseguir datasets para entrenar o evaluar modelos de IA: construidos con tu propia información, o tomados de los que ellos ya curaron.
La diferencia con "te paso mis documentos y me devuelvo un archivo" está en una regla: cada ejemplo tiene que ganarse su lugar. Se revisa contra su fuente, y lo que no pasa queda aparte con el motivo escrito. Nada se guarda en silencio ni se descarta en silencio.
Dos entradas, un mismo estándar
1. Trae tu información
Documentos, chats, tickets, planillas: lo que sea donde vive lo que tu empresa sabe. Tú nos dices para qué es el dataset.
Los archivos de ejemplo que muestra la landing son los que cualquier empresa ya tiene: support-chats.jsonl, contracts-2024.pdf, tickets-export.csv e internal-faq.md. Y la pregunta que acompaña al dataset: "entrenar un modelo de soporte que responda en nuestro tono".
2. Cada ejemplo se revisa
Cada ejemplo se contrasta con su fuente. Lo que no pasa se aparta con el motivo.
El ejemplo de la landing, marcado como ilustrativo, muestra un dataset con 3 ejemplos conservados y 3 apartados:
- Conservados: "el cliente pide cambiar una dirección de entrega", "pregunta de devolución, respondida con la política" y "retraso de envío, disculpa en el tono de la empresa".
- Apartados con su motivo: "pregunta de devolución, respondida con la política (copia)", marcado como duplicado; "la respuesta cita una cláusula que no existe", marcado como que contradice su fuente; y "respuesta cortada a la mitad", marcado como incompleto.
El segundo de los apartados es el que importa. Un ejemplo que inventa una cláusula no es un ejemplo malo: es un ejemplo que hay que sacar antes de que el modelo aprenda a hacerlo.
3. O parte de los nuestros
También hay datasets curados en áreas donde el trabajo de curación ya está hecho: legal, privacidad y cumplimiento, ciberseguridad, finanzas, educación y conocimiento latinoamericano. Ves qué hay dentro antes de usarlo, y lo usas tal cual o como base para el tuyo.
Qué recibes
- Hecho con lo que tu empresa ya tiene: tus documentos, conversaciones y tickets convertidos en ejemplos listos para entrenar, con la forma que pida la tarea.
- Revisado: cada ejemplo se contrasta con su fuente; los que fallan quedan aparte con su motivo, para que veas qué quedó fuera y por qué.
- Curado: los datasets listos no son un montón de texto suelto; ves su contenido antes de usarlo.
- Tuyo para usar: formato abierto. Se puede entrenar con Personnn ModelForge o con cualquier otra herramienta.
Para quién está pensado
Cuatro perfiles, según la landing:
- Equipos a punto de afinar un modelo: tienen los datos, pero están sucios. El dataset queda listo para entrenar.
- Equipos sin los datos: necesitan ejemplos en un dominio donde no tienen material. Parten de un dataset curado.
- Equipos que tienen que mostrar su trabajo: legal, salud, finanzas. Hay que poder decir de dónde vino cada ejemplo y por qué está.
- Equipos evaluando un modelo: prueban sobre ejemplos en los que confían, no sobre lo que había tirado por ahí.
Los límites, en voz alta
- No es autoservicio. Abre con lista de espera y los primeros pilotos.
- Tu información es tuya. Cómo se maneja se acuerda contigo antes de empezar.
- Si tus datos no están listos, te lo decimos: qué falta y cómo prepararlo. Sin compromiso.
- No te entrega el modelo entrenado, entrega el dataset. Si además quieres el modelo, ese es el trabajo de ModelForge.
- El formato es abierto, así que no te ata a una herramienta: puedes entrenar con lo que ya uses.
Fuentes
- Personnn DataForge, landing del producto (personnn.com/dataforge, leída el 31-10-2026): forma de obtener datasets para entrenar o evaluar modelos de IA, construidos con la propia información de la empresa o tomados de datasets curados; apertura con lista de espera y un puñado de empresas piloto; tres pasos (traer la información, revisar cada ejemplo contra su fuente y apartar lo que no pasa con el motivo, o partir de un dataset curado); áreas curadas (legal, privacidad y cumplimiento, ciberseguridad, finanzas, educación y conocimiento latinoamericano); ejemplo ilustrativo con 3 ejemplos conservados y 3 apartados por duplicado, por contradicción con la fuente y por estar incompleto; entrega en formato abierto, para entrenar con Personnn ModelForge o con cualquier otra herramienta; perfiles de equipos que van a afinar, que no tienen datos, que deben mostrar su trabajo y que evalúan modelos; preguntas frecuentes con que la información del cliente es del cliente y se acuerda el tratamiento antes de empezar, y que si los datos no están listos se indica qué falta.
- Personnn ModelForge, landing del producto (personnn.com/modelforge, leída el 31-10-2026): el dataset en formato abierto se puede usar con ModelForge, que afina un modelo abierto con los datos y entrega el archivo descargable; abre con lista de espera y pilotos.
Próximo paso
- Crea tu cuenta en Personnn y deja listos tus archivos.
- Habla con el equipo: descríbenos para qué debería servir el dataset y dónde vive hoy tu información.
- Conoce Personnn DataForge: documentos, chats y tickets convertidos en ejemplos revisados, con el motivo de cada descarte. Si además quieres el modelo entrenado con ese dataset, revisa Personnn ModelForge. Si lo que necesitas es un solo endpoint que cambia tus datos antes de mandarlos al proveedor, revisa Personnn Inference. Si quieres la revisión de seguridad de tus sistemas de IA y datos, revisa servicios. Si prefieres que el equipo lo haga por ti, revisa Personnn Partners.
