Módulo 1: Decision Framework para Acceso a LLMs

Módulo 1: Decision Framework para Acceso a LLMs

Siguiente →

Descripción del módulo

Bienvenido al módulo más importante de esta guía: el Decision Framework.

La mayoría de tutoriales y cursos sobre LLMs te dicen "usa OpenAI API" y se detienen ahí. El problema es que OpenAI no siempre es la mejor opción para tu proyecto. Depende de tu presupuesto, requisitos de privacidad, velocidad necesaria, y complejidad de implementación.

Este módulo te enseña cómo decidir qué estrategia de acceso usar según tus requisitos específicos. No te dirá "usa X", sino que te dará un framework estructurado para evaluar tus necesidades y elegir informadamente entre OpenAI API, modelos locales (LM Studio, Ollama), agregadores multi-provider (OpenRouter), o deployment serverless (Modal).

Al finalizar este módulo, serás capaz de:

  • Evaluar proyectos según 5 dimensiones críticas (costo, calidad, privacidad, velocidad, simplicidad)
  • Aplicar una matriz de decisión para elegir el proveedor óptimo
  • Identificar trade-offs y casos de uso específicos
  • Tomar decisiones informadas antes de escribir una línea de código

Este módulo es prerequisito obligatorio para los módulos 2-8. Si no tienes claro QUÉ proveedor necesitas, no tiene sentido aprender CÓMO usar OpenAI, Ollama o Modal.

🎯 Objetivo del módulo

Objetivo profesional:

Ser capaz de evaluar requisitos de un proyecto AI y elegir la estrategia óptima de acceso a LLMs en menos de 30 minutos, basándote en un framework estructurado y datos cuantitativos.

¿Por qué es importante?

Elegir mal el proveedor de LLM puede costarte:

  • Dinero: $500-5000/mes innecesarios si usas OpenAI cuando Ollama local era suficiente
  • Tiempo: 2-4 semanas migrando de un proveedor a otro
  • Privacidad: Datos sensibles enviados a cloud cuando debían quedarse on-premise
  • Velocidad: Latencia de 3-5s cuando necesitabas <1s de respuesta

Este módulo te ahorra esos errores enseñándote a decidir ANTES de implementar.

📚 Contenido del módulo

Cápsula 01: Introducción al módulo (estás aquí)

  • Objetivo y filosofía del framework de decisión
  • Por qué la mayoría de tutoriales fallan (sesgo hacia OpenAI)
  • Progresión del módulo

Cápsula 02: Las 5 dimensiones de evaluación

  • Costo ($/mes, $/1M tokens, upfront costs)
  • Calidad (accuracy, capabilities del modelo)
  • Privacidad (data retention, on-premise vs cloud)
  • Velocidad (latency, throughput)
  • Simplicidad (tiempo de setup, complejidad técnica)

Cápsula 03: Panorama de opciones 2024-2026

  • OpenAI API (cloud estándar)
  • LM Studio (local GUI, desarrollo)
  • Ollama (local CLI, producción)
  • OpenRouter (agregador multi-provider)
  • Modal (serverless deployment)
  • Comparación rápida de cada opción

Cápsula 04: Matriz de decisión

  • Framework estructurado para elegir
  • Casos de uso → proveedor recomendado
  • Ejemplos: e-commerce chatbot, análisis legal, prototipo MVP, app production

Cápsula 05: Trade-offs cuantitativos

  • Comparación de costo ($/1M tokens)
  • Comparación de velocidad (latency promedio)
  • Comparación de privacidad (políticas de retención)
  • Comparación de calidad (capabilities por modelo)

Cápsula 06: Casos de uso reales

  • Startup sin presupuesto → Ollama local
  • Empresa con datos sensibles → LM Studio on-premise
  • Prototipo rápido → OpenAI API
  • Producción con flexibility → OpenRouter
  • Deploy sin DevOps → Modal serverless

Cápsula 07: Errores comunes al elegir

  • Error #1: Elegir por popularidad (no por fit)
  • Error #2: No considerar costos a escala
  • Error #3: Ignorar requisitos de privacidad
  • Error #4: Subestimar complejidad de local setup
  • Error #5: No tener plan de fallback

Cápsula 08: Mini-proyecto - Evaluación de requisitos

  • Proyecto hipotético: E-commerce chatbot
  • Aplicar el framework completo
  • Documentar decisión con justificación
  • Comparar tu elección con recomendación del instructor

🔗 Conexión con otros módulos

Prerequisitos:

  • Ninguno - Este es el módulo fundacional
  • Solo necesitas Python básico (no se usa en este módulo, pero sí en 2-8)

Este módulo prepara para:

  • Módulo 2: OpenAI API (aprenderás SI elegiste cloud estándar)
  • Módulo 3: LM Studio (aprenderás SI elegiste local GUI)
  • Módulo 4: Ollama (aprenderás SI elegiste local CLI)
  • Módulo 5: OpenRouter (aprenderás SI elegiste multi-provider)
  • Módulo 6: Modal (aprenderás SI elegiste serverless)
  • Módulo 7: Trade-offs Comparison (validarás tu decisión con benchmarks reales)
  • Módulo 8: Unified Client (integrarás todas las opciones)

Flujo recomendado:

Módulo 1: Decision Framework
  ↓ (Decides: "Mi proyecto necesita X")
Módulo 2-6: Aprende X específicamente
  ↓ (Implementas tu elección)
Módulo 7: Validas con benchmark
  ↓ (Confirmas o ajustas)
Módulo 8: Creas abstracción para flexibility futura

⏱️ Tiempo estimado

Lectura y comprensión: 45-60 minutos

Desglose por cápsula:

  • Cápsula 01: 5 min (introducción)
  • Cápsula 02: 8-10 min (5 dimensiones)
  • Cápsula 03: 8-10 min (panorama de opciones)
  • Cápsula 04: 10-12 min (matriz de decisión)
  • Cápsula 05: 8-10 min (trade-offs cuantitativos)
  • Cápsula 06: 6-8 min (casos de uso)
  • Cápsula 07: 5-7 min (errores comunes)
  • Cápsula 08: 10-15 min (mini-proyecto)

Total: 60-72 minutos

Nota: Este módulo es 100% conceptual (no hay código). Los módulos 2-8 sí incluyen código ejecutable.

🎓 ¿Qué aprenderás en este módulo?

Al finalizar este módulo, serás capaz de:

1. Evaluar proyectos según 5 dimensiones

  • ✅ Calcular costos estimados ($/mes, $/1M tokens)
  • ✅ Evaluar requisitos de calidad (qué capabilities necesitas)
  • ✅ Identificar restricciones de privacidad (cloud vs on-premise)
  • ✅ Definir requisitos de velocidad (latency, throughput)
  • ✅ Estimar complejidad de implementación (tiempo de setup)

2. Aplicar matriz de decisión

  • ✅ Dado un proyecto, elegir proveedor en <30 min
  • ✅ Justificar tu decisión con datos
  • ✅ Identificar trade-offs de tu elección
  • ✅ Tener plan de fallback si proveedor falla

3. Comparar opciones cuantitativamente

  • ✅ Benchmarks de costo (OpenAI: $X, Ollama: $0, Modal: $Y)
  • ✅ Benchmarks de velocidad (OpenAI: 2.3s, Ollama: 5.8s local)
  • ✅ Políticas de privacidad (OpenAI: 30 días, Ollama: nunca sale de tu máquina)
  • ✅ Capabilities comparadas (GPT-4 vs Mistral 7B vs Llama 2)

4. Evitar errores comunes

  • ✅ No elegir por popularidad (OpenAI es popular, no siempre óptimo)
  • ✅ No ignorar costos a escala (prototipo funciona, producción no)
  • ✅ No subestimar privacidad (GDPR, HIPAA, datos sensibles)
  • ✅ No omitir plan de fallback (si OpenAI cae, ¿qué haces?)

💡 Filosofía del módulo

Por qué "Decision-First" approach

Problema típico:

Tutorial tradicional:
1. "Aquí está cómo usar OpenAI API"
2. [Tutorial de 2 horas]
3. "¡Listo!"

Resultado: Sabes usar OpenAI, pero:
- ¿Es la mejor opción para tu proyecto? No sabes
- ¿Hay alternativas más baratas? No las conoces
- ¿Qué pasa si OpenAI no cumple tus requisitos? No tienes plan

Nuestro approach:

Decision-First:
1. "Evalúa tus requisitos" (Módulo 1)
2. "Compara opciones con framework estructurado"
3. "Elige el proveedor óptimo"
4. LUEGO aprende a usarlo (Módulos 2-6)

Resultado: Sabes por qué elegiste X, qué trade-offs aceptaste, 
y tienes plan de fallback.

Diferenciador clave vs competencia

95% de cursos/tutoriales:

  • Enseñan OpenAI API únicamente
  • Asumen que es la única opción
  • No comparan trade-offs
  • No dan framework de decisión

Esta guía:

  • Módulo 1 completo sobre DECIDIR
  • 5 opciones comparadas (cloud, local, serverless, agregador)
  • Framework estructurado (no solo "aquí están las opciones")
  • Trade-offs cuantitativos (no solo "OpenAI es bueno")

Analogía:

Imagina aprender a cocinar y el instructor solo te enseña a usar horno eléctrico. ¿Qué pasa si:

  • No tienes electricidad? (OpenAI está caído)
  • Necesitas cocinar rápido? (latency requirements)
  • Tienes presupuesto limitado? (costos)
  • Necesitas cocinar on-site? (privacidad)

Un buen instructor te enseña: horno eléctrico, gas, parrilla, microondas, y cómo decidir cuál usar según contexto.

Eso es lo que hace este módulo: te da el framework para decidir, no solo una opción.

🚫 Qué NO cubre este módulo

Este módulo NO cubre:

❌ Cómo usar cada proveedor (eso es Módulos 2-6)

  • No verás código de OpenAI API aquí
  • No instalarás LM Studio aquí
  • No deployarás con Modal aquí
  • Eso viene después, una vez que decidas

❌ Prompt engineering (eso es otra guía)

  • No verás técnicas de prompting avanzado
  • No verás few-shot, chain-of-thought, etc.
  • Este módulo es sobre ACCESO, no sobre uso óptimo

❌ Fine-tuning o entrenamiento (eso es contenido avanzado)

  • Asumimos que usas modelos pre-entrenados
  • Fine-tuning es un tema completamente diferente

❌ RAG o embeddings (eso es otra guía)

  • Este módulo es sobre acceso a LLMs para chat/completions
  • RAG (Retrieval-Augmented Generation) es un patrón arquitectónico diferente

❌ Comparación de modelos específicos (eso es Módulo 7)

  • Aquí verás panorama general
  • Módulo 7 tiene benchmarks detallados de GPT-4 vs Claude vs Mistral

Scope claro: Este módulo es sobre elegir estrategia de ACCESO (cloud vs local vs serverless vs agregador), NO sobre qué hacer con el LLM una vez que tienes acceso.

✅ Criterios de éxito

Completaste exitosamente este módulo cuando:

Puedes responder estas preguntas:

  1. ✅ ¿Cuáles son las 5 dimensiones de evaluación?

    • Respuesta: Costo, Calidad, Privacidad, Velocidad, Simplicidad

  2. ✅ ¿Qué opciones de acceso existen en 2024-2026?

    • Respuesta: OpenAI API, LM Studio, Ollama, OpenRouter, Modal (mínimo 5)

  3. ✅ ¿Cuándo usarías OpenAI API vs Ollama local?

    • Respuesta: OpenAI si necesitas máxima calidad y no importa costo/privacidad. Ollama si necesitas cero costo y privacidad absoluta (on-premise).

  4. ✅ ¿Qué trade-offs aceptas al elegir modelos locales?

    • Respuesta: Menor calidad (vs GPT-4), mayor latency (si hardware limitado), complejidad de setup. A cambio: cero costo, privacidad total, sin rate limits.

  5. ✅ ¿Cómo decides entre OpenRouter vs OpenAI directo?

    • Respuesta: OpenRouter si necesitas flexibility (100+ modelos), cost optimization (elige modelo más barato), fallback strategies. OpenAI directo si solo necesitas GPT-4 y no quieres intermediario.

Puedes aplicar el framework:

  1. ✅ Dado un proyecto hipotético, eliges proveedor en <30 min
  2. ✅ Justificas tu decisión con las 5 dimensiones
  3. ✅ Identificas trade-offs de tu elección
  4. ✅ Tienes plan de fallback si tu primera opción falla

Test de validación:

Proyecto hipotético: Startup construyendo chatbot de soporte técnico

Requisitos:

  • 10,000 usuarios/mes
  • Datos NO sensibles (soporte público)
  • Necesita respuestas rápidas (<2s)
  • Presupuesto: $500/mes máximo
  • Equipo de 2 developers junior

¿Qué proveedor elegirías y por qué?

Ver respuesta recomendada

Elección: OpenAI API (GPT-3.5-turbo)

Justificación por dimensión:

  1. Costo: $500/mes cubre ~500k tokens/día con GPT-3.5 ($0.0015/1k input). 10k usuarios × 3 queries/user × 200 tokens = 6M tokens/mes = $9/mes. ✅ Dentro de presupuesto.

  2. Calidad: GPT-3.5 es suficiente para soporte técnico (no necesitas GPT-4). ✅ Cumple requisitos.

  3. Privacidad: Datos NO sensibles (soporte público). OpenAI policy (30 días retención) es aceptable. ✅ No hay restricción.

  4. Velocidad: OpenAI ~2s latency. ✅ Cumple <2s requirement.

  5. Simplicidad: Equipo junior. OpenAI API es la más simple (SDK oficial, docs excelentes). ✅ Setup en 1 día vs 1 semana con Ollama local.

Trade-offs aceptados:

  • Dependes de OpenAI (vendor lock-in). Mitigación: OpenRouter como fallback (API compatible).
  • Pagas por uso (vs gratis con Ollama). Justificación: $9/mes es insignificante vs tiempo de equipo junior peleando con setup local.

Plan de fallback:

  • Si OpenAI cae: OpenRouter con gpt-3.5-turbo (mismo modelo, proveedor diferente)
  • Si GPT-3.5 no es suficiente: Upgrade a GPT-4 (dentro de presupuesto)

Si tu respuesta es similar (aunque elijas diferente proveedor pero justificas bien), ✅ APROBASTE el módulo.

🎯 Habilidades que desarrollarás

Este módulo desarrolla habilidades de toma de decisiones técnicas, no habilidades de programación (eso viene después).

Habilidades de evaluación:

  1. Análisis de requisitos - Extraer dimensiones críticas de un proyecto
  2. Comparación cuantitativa - Usar datos ($/mes, latency) no solo intuición
  3. Identificación de trade-offs - Entender qué ganas y qué pierdes
  4. Pensamiento sistémico - Ver implicaciones a largo plazo

Habilidades de decisión:

  1. Framework estructurado - Aplicar proceso repetible (no ad-hoc)
  2. Justificación con datos - Defender tu elección con números
  3. Plan de contingencia - Tener fallback antes de necesitarlo
  4. Priorización - Saber qué dimensión es más crítica en tu contexto

Estas habilidades son transferibles:

  • Aplican a elegir base de datos (Postgres vs MongoDB)
  • Aplican a elegir cloud provider (AWS vs GCP vs Azure)
  • Aplican a elegir framework (FastAPI vs Flask vs Django)

Aprender a DECIDIR es más valioso que aprender a USAR una herramienta específica.

📖 Cómo usar este módulo

Estrategia recomendada:

  1. Lee secuencialmente (Cápsulas 01 → 02 → 03 → ... → 08)

    • No saltes cápsulas
    • Cada una construye sobre la anterior

  2. Toma notas de las 5 dimensiones (cápsula 02)

    • Tendrás que aplicarlas en cápsula 08

  3. Compara opciones activamente (cápsula 03-05)

    • No solo leas, piensa "¿cuál usaría yo en X proyecto?"

  4. Aplica el framework (cápsula 08)

    • El mini-proyecto es crítico
    • No lo saltes pensando "ya entendí"

Tiempo sugerido:

Opción A: Una sesión (60-75 min)

  • Lee todo de corrido
  • Ventaja: Contexto fresco
  • Desventaja: Puede ser denso

Opción B: Dos sesiones (30-40 min cada una)

  • Sesión 1: Cápsulas 01-04 (introducción, dimensiones, opciones, matriz)
  • Sesión 2: Cápsulas 05-08 (trade-offs, casos de uso, errores, proyecto)
  • Ventaja: Asimilas mejor
  • Desventaja: Necesitas recordar contexto

Recomendación: Opción B (dos sesiones con 1 día de separación)

🔗 Recursos para este módulo

Documentación oficial de proveedores:

  1. OpenAI Pricing - Costos actualizados
  2. Ollama Model Library - Modelos disponibles local
  3. Modal Documentation - Serverless deployment
  4. OpenRouter Models - Lista completa de modelos

Artículos de contexto:

  1. State of LLMs 2024 - Tendencias actuales
  2. Local vs Cloud LLMs - Comparación detallada
  3. Cost Optimization for LLMs - Estrategias de ahorro

Tools y comparadores:

  1. LLM Comparison Tool - Compara modelos side-by-side
  2. Artificial Analysis - Benchmarks actualizados de LLMs

Guías de decisión:

  1. Choosing the Right LLM - Guía de Chip Huyen
  2. LLM Selection Framework - Patterns y anti-patterns

Nota: Estos recursos son para contexto, NO necesitas leerlos para completar el módulo. Las cápsulas 02-08 son autocontenidas.

💬 Preguntas frecuentes

¿Necesito experiencia previa con LLMs?

No. Este módulo asume cero experiencia. Solo necesitas entender que LLMs son modelos de lenguaje (como GPT-4, Claude, Llama) que generan texto.

¿Voy a escribir código en este módulo?

No. Módulo 1 es 100% conceptual. Código viene en Módulos 2-8.

¿Qué proveedor debería elegir SI todavía no tengo proyecto específico?

Lee el módulo completo primero. Si después sigues sin proyecto, recomendación:

  1. OpenAI API (para aprender rápido, más simple)
  2. Ollama (si no tienes presupuesto)

Pero no elijas hasta completar el módulo. El objetivo es que aprendas a decidir informadamente.

¿Este módulo me dice cuál es "el mejor" proveedor?

No. No existe "el mejor". Existe "el mejor PARA tu proyecto". Este módulo te enseña a identificar cuál es el tuyo.

¿Qué pasa si elijo mal?

Migrar de proveedor después NO es el fin del mundo. Pero:

  • Cuesta tiempo (2-4 semanas)
  • Puede costar dinero (refactoring)
  • Puede romper producción (downtime)

Por eso este módulo existe: para que decidas bien la primera vez.

🚀 ¿Listo para empezar?

Próximo paso:

Ve a Cápsula 02: Las 5 dimensiones de evaluación

Ahí aprenderás el framework completo para evaluar cualquier proyecto según:

  1. Costo (¿cuánto puedo gastar?)
  2. Calidad (¿qué tan bueno debe ser?)
  3. Privacidad (¿dónde pueden ir mis datos?)
  4. Velocidad (¿qué tan rápido necesito respuestas?)
  5. Simplicidad (¿cuánto tiempo tengo para implementar?)

Estas 5 dimensiones son la base de todo el framework de decisión.

Tiempo de lectura: 5 minutos
Siguiente: 02-cinco-dimensiones-evaluacion.md

Siguiente →Las 5 Dimensiones de Evaluación para Elegir Proveedor de LLM