Snorkel AI, Inc. es una empresa estadounidense especializada en el desarrollo de datos para la inteligencia artificial. Con sede en California, comercializa, entre otros productos, Snorkel Flow, una plataforma destinada a los equipos que crean aplicaciones de aprendizaje automático. Su principio: reducir la dependencia de la anotación manual, a menudo lenta y costosa, transformando los conocimientos de los especialistas del negocio en mecanismos de etiquetado reutilizables y controlables.
De las investigaciones de Stanford a la empresa
Fundada en 2019, Snorkel AI da continuidad a un proyecto de investigación iniciado en Stanford sobre la supervisión débil. Este método consiste en aprovechar fuentes de información imperfectas — reglas, diccionarios, bases de conocimiento o predicciones de otros modelos — para producir datos de entrenamiento. En lugar de exigir una etiqueta humana para cada ejemplo, combina estas señales y tiene en cuenta sus discrepancias.
El proyecto de código abierto Snorkel contribuyó a difundir este enfoque en la comunidad del aprendizaje automático. La empresa, entre cuyos cofundadores se encuentra Alex Ratner, desarrolló posteriormente una oferta comercial para aplicarlo a las limitaciones de las organizaciones: colaboración entre expertos y desarrolladores, gestión de datos e integración en los procesos de creación de modelos.
Industrializar el trabajo con los datos
Snorkel Flow permite definir funciones de etiquetado, es decir, reglas o programas que asignan automáticamente categorías a los ejemplos. Un equipo puede, por ejemplo, detectar determinados términos en documentos para identificar su tema o extraer información útil. La plataforma ayuda después a combinar estas señales, entrenar modelos y analizar sus errores.
La ventaja no se limita a acelerar una primera anotación. Cuando cambia una necesidad del negocio o aparece una nueva categoría, los equipos pueden modificar sus reglas y regenerar las etiquetas, en lugar de volver a trabajar manualmente sobre todo el corpus. Esta lógica se aplica especialmente a la clasificación de textos y al aprovechamiento de documentos en sectores con vocabulario y requisitos específicos.
Con el auge de la IA generativa, Snorkel AI también aplica su enfoque a la preparación de datos adecuados para los grandes modelos de lenguaje y a la evaluación de estos modelos. Su modelo de negocio se basa en la comercialización de software y servicios para empresas. El sitio snorkel.ai presenta estas ofertas, así como recursos técnicos dedicados a la IA centrada en los datos.
¿Y ahora?
La generalización de los modelos preentrenados desplaza parte de la competencia hacia los datos propios de cada organización. Para Snorkel AI, el reto consiste en hacer que esta adaptación sea más reproducible, al tiempo que demuestra su utilidad frente a la anotación asistida por los propios modelos. Sin embargo, la supervisión débil no elimina la necesidad de control humano: unas reglas mal diseñadas pueden propagar errores o sesgos. Por tanto, la capacidad de medir la calidad de los datos y el rendimiento en casos de uso empresariales concretos seguirá siendo determinante para su desarrollo.