Cristian Lorenzo: Codi i Poesia

AI Engineering, de Chip Huyen, és una obra extensa i de qualitat, però cal entendre quin paper juga en la pràctica professional i en l’aprenentatge d’aquest camp viu que és la creació i la integració de models de llenguatge. Com ja explica la mateixa autora al prefaci, no és un llibre per posar fil a l’agulla: no conté cap tutorial ni recull d’exercicis. Tampoc no presenta els fonaments matemàtics dels models i del tractament de dades, tot i que en alguns capítols ajuda saber àlgebra lineal per entendre la terminologia.

Llavors, què ens ofereix? Al meu entendre, proporciona un tractament metòdic dels principals aspectes de l’enginyeria d’IA:

• Què és un model fundacional
• Com els avaluem
• Com els ajustem a les nostres necessitats- amb enginyeria de prompts (prompt engineering), afinament (fine‑tuning), quantització o RAG, entre d’altres-
• Com les dades influeixen en el seu comportament
• Com podem optimitzar el seu rendiment
• Quins mecanismes de retroalimentació ens permeten iterar i millorar els models i les integracions

És a dir, un cop fetes les presentacions del tema, els diferents capítols comprenen el cicle complet de l’enginyeria: definir el problema, explorar solucions, avaluar els resultats i iterar.

Què aporta a gent com jo

Una primera lectura d’aquest llibre ens situa en el context de la disciplina i en el llenguatge compartit pels professionals. Podrem entendre de què parlen i quins reptes afronten. També ens ajuda a saber si, més enllà d’interessos crematístics, és quelcom a què ens agradaria dedicar-nos professionalment.

L’aparell crític -ple de referències modernes i clàssiques- i una segona lectura detallada ens presenten un cosmos farcit de reptes i d’eines especialitzades. Aquest univers, però, caldrà explorar‑lo fora del llibre. Ja hem dit que és una porta i no un manual. I és natural que així sigui, perquè sempre cal fer compromisos literaris per qüestions d’economia de temps, d’espai i d’audiència.

Des del punt de vista pràctic immediat, com a usuari de LLM que fa servir els models per discutir plantejaments i textos tècnics, he obtingut idees per redactar millors prompts i per rebre millors comentaris per part dels models. En aquest sentit, els capítols sobre l’avaluació de models entre si i sobre l’enginyeria de prompts són de gran ajuda.

Més enllà d’aquests aspectes d’alfabetització en IA i d’alguns petits consells, com a enginyer de programari que els fa servir però que no té com a objectiu desenvolupar aquests sistemes, penso que un contingut més pràctic seria de més ajuda.

Recomanació final

En resum, recomanaria AI Engineering a enginyers i equips de producte que necessiten una visió de conjunt per dissenyar integracions de LLM amb criteri. És especialment útil per establir un llenguatge comú i marcs d’avaluació abans d’invertir en solucions concretes. Si, en canvi, busques receptes pas a pas, guies de desplegament o codi, caldrà complementar-lo amb tutorials i documentació orientada a la pràctica.