Respuesta rápida (actualizada el 31-10-2026): Personnn ModelForge afina un modelo abierto con tus conversaciones, documentos y estilo, y te entrega el archivo descargable para que lo corras en tu equipo, tu servidor o tu nube, sin renta por token. Abre con una lista de espera y un puñado de empresas piloto, no como producto de autoservicio: el proceso son tres pasos (un correo con tu caso, el entrenamiento acompañado con progreso y ejemplos reales antes de la entrega, y la descarga en formatos abiertos). Los ejemplos de archivos, nombres de modelo y respuestas de la landing son ilustrativos, no clientes reales.
El problema: el modelo genérico no conoce tu casa
Este es el primer choque de cualquier empresa que pone un modelo de IA a trabajar en su operación.
El modelo responde perfecto y responde a otro. "Gracias por contactarnos. Visita nuestro centro de ayuda para más información." Eso es lo que sale cuando le preguntas a un modelo genérico por el pedido de una clienta concreta: no es que el modelo esté mal, es que nunca vio tu negocio.
Y lo que viene después es peor que un mal resultado. Cuando por fin logras que suene como tú, quedan dos preguntas que el marketing de "IA para tu empresa" no responde:
- ¿Qué datos entrego? No es obvio. Todo lo que has guardado no sirve: un histórico de correos sin revisar, una tabla de tickets con el orden de las columnas cambiado, un manual que nadie ha leído desde 2023. Entrenar con eso es gastar.
- ¿Qué recibo y de quién es? Si el resultado final es un modelo que alquilas en la nube de otro, pagaste el alquiler de una plataforma y un día el precio cambia, el proveedor cambia el modelo o deja de existir.
La pregunta correcta no es "¿cómo le pego un prompt mejor?". Es "¿cómo hago que este modelo sea mío?".
Qué es ModelForge
ModelForge es una plataforma para afinar un modelo abierto con tus propias conversaciones, documentos y estilo. El resultado se descarga: es tuyo, se corre donde quieras y no se paga por token.
La diferencia con un servicio de ajuste convencional está en el entregable. La landing lo formula así: no es fine-tuning como servicio, es tu propia inteligencia.
Y hay que decir de entrada cómo está el producto: abre con lista de espera y un puñado de empresas piloto. No es autoservicio todavía. Empiezan donde hay datos reales y un operador real.
Los tres pasos
1. Cuéntanos tu caso
Qué debería hacer, qué necesita saber y dónde vive hoy ese conocimiento. Un correo corto, nada más. Si hay datos reales, hay un modelo.
Los archivos que el modelo puede aprender de son los que ya existen en cualquier empresa, y la landing los muestra como ejemplo: support-chats.jsonl, contracts-2024.pdf, tickets-export.csv, tone-guide.docx, internal-faq.md. Conversaciones, contratos, tickets, guía de tono y preguntas frecuentes internas.
2. Lo entrenamos contigo
Preparamos el dataset, elegimos el modelo base y corremos el entrenamiento. Ves el progreso y ejemplos reales antes de que salga.
Ese punto importa más de lo que parece: no recibes una caja negra. Revisas la salida antes de que el modelo entre en servicio.
3. Es tuyo para siempre
Lo descargas en formatos abiertos y lo corres en tu equipo, tu servidor o tu nube. Sin renta por token, y nadie te lo puede quitar.
El trato, en cuatro puntos
Yours always: descargable, no alquilado
Son exportaciones abiertas que puedes correr sin conexión. Si mañana dejamos de existir, tu modelo sigue funcionando. Esa es la diferencia entre tener una capacidad y depender de un servicio.
Your data: entrenado con lo tuyo, no con lo de todos
Tus documentos, tu tono, tus casos de borde. El modelo genérico nunca aprendió tu negocio; este sí.
No friction: semanas de trabajo comprimidas en días
Datos sucios, elección del modelo base, evaluación, despliegue y reentrenamiento: ese peso lo llevamos nosotros. Para un equipo que no tiene área de machine learning, esa es la parte que realmente falta.
It evolves: reentrenar, no un disparo
Tu negocio cambia y el modelo te sigue: datos nuevos entran, sale una versión nueva, con la misma identidad. La landing lo muestra con un ejemplo de versiones: un modelo v1 y, cuando entra información nueva, una v2.
Qué recibes exactamente
El archivo del modelo, en formatos abiertos, descargable, corriendo en tu propio equipo sin conexión.
Y una diferencia visible en la forma de responder. El ejemplo de la landing, marcado como ilustrativo:
- Modelo genérico: "Gracias por contactarnos. Visita nuestro centro de ayuda para más información."
- Tu modelo: "Hola Marta, tu pedido salió ayer y llega mañana antes de las 6. ¿Te mando el seguimiento?"
No es magia: es que el segundo conoce los pedidos, las fechas y la forma de hablar de tu empresa.
Para quién está pensado
Cuatro perfiles, según la landing:
- Finanzas y operaciones: soporte, cobranzas, apoyo a la suscripción y conocimiento interno que responde como tu mejor analista.
- Salud y servicios: documentación, apoyo al triaje y protocolos en tu idioma, con tus criterios, auditable por tu equipo.
- Legal y cumplimiento: revisión de contratos, investigación y due diligence sobre tu propio corpus, con versiones congeladas y citables.
- Producto y soporte: un asistente que habla como tú, conoce tu producto y escala cuando corresponde, no cuando le parece.
Los límites, en voz alta
- No está disponible como producto de autoservicio. Abre con lista de espera y los primeros pilotos. Si tus datos no están listos, te decimos qué falta y cómo prepararlo.
- El entregable es el modelo, no el servicio mensual. Si lo que quieres es un modelo que alguien más mantenga y cobre por uso, esto no es eso.
- La landing no anuncia tarifa pública ni un servicio de hosting a escala. El alcance del piloto se define en la conversación, caso por caso.
- Entrenar no siempre es la primera intervención. Si tu problema principal es consultar documentación que cambia cada semana, recuperar los documentos vigentes suele servir más que ajustar los pesos del modelo. La comparación está en el post RAG vs fine-tuning.
- No es magia con datos sucios. La landing lo dice sin rodeos: si tus datos no están listos, te decimos qué falta.
Fuentes
- Personnn ModelForge, landing del producto (personnn.com/modelforge, leída el 31-10-2026): plataforma para afinar un modelo abierto con tus conversaciones, documentos y estilo, con descarga y ejecución donde quieras; apertura con lista de espera y un puñado de empresas piloto, empezando donde hay datos reales y un operador real; tres pasos (un correo con el caso, entrenamiento acompañado con progreso y ejemplos reales antes de la entrega, y descarga en formatos abiertos para correr en equipo, servidor o nube, sin renta por token); trato en cuatro puntos (descargable y no alquilado, entrenado con tus datos, semanas de trabajo comprimidas en días incluyendo datos sucios, elección del modelo base, evaluación, despliegue y reentrenamiento, y reentrenamiento con datos nuevos y versión nueva); archivos de ejemplo support-chats.jsonl, contracts-2024.pdf, tickets-export.csv, tone-guide.docx e internal-faq.md; comparación antes y después entre modelo genérico y modelo propio, y ejemplo de versiones; perfiles de finanzas y operaciones, salud y servicios, legal y cumplimiento, y producto y soporte; preguntas frecuentes con que el modelo es tuyo y descargable, que se puede reentrenar, que no hay equipo de machine learning requerido y que no está disponible aún como producto de autoservicio; que no hay compromiso y que si los datos no están listos se dice qué falta. Los archivos, nombres de modelo y respuestas mostradas están marcados como ejemplo ilustrativo en la landing.
- Personnn, configuración de productos (personnn.com/ai/summary.json, leída el 31-10-2026): Personnn ModelForge figura como ajuste de un modelo abierto con tus datos, entregable descargable, con estado "Pilots".
- Personnn, llms.txt (personnn.com/llms.txt, leído el 31-10-2026): los permisos viven fuera del modelo y el motor de protección reemplaza datos personales y secretos antes de que una solicitud salga de la máquina, con el mismo motor en PersonnnOS y Personnn Inference.
Próximo paso
- Crea tu cuenta en Personnn y deja listos tus datos.
- Habla con el equipo: descríbenos qué debería hacer el modelo y dónde vive hoy ese conocimiento. Con eso respondemos y definimos juntos si tiene sentido un piloto.
- Conoce Personnn ModelForge: afina un modelo abierto con tus datos y quédate con el archivo, en formatos abiertos y corriendo donde quieras. Si todavía no tienes demostraciones de los casos difíciles de tu operación, empieza por simular el turno con TrainGames. Si lo que necesitas es correr los modelos dentro de tu infraestructura sin enviar datos a terceros, revisa Personnn Inference. Si necesitas una revisión de seguridad de tus sistemas, revisa servicios. Si quieres instalar el agente en tu oficina, revisa Personnn Partners.
