¿Qué es un SLM (Small Language Model especializado)?

Un SLM es un Small Language Model especializado y propietario de OMNIX: modelo compacto (menos de 20B parámetros, ~13W de consumo típico) entrenado sobre los datos, reglas, procesos y conocimiento experto de un cliente específico. No reemplaza la detección determinística del banco de anticuerpos de OMNIX Core — resuelve las disrupciones que ese banco escala porque ninguna firma conocida las explica, sobre un dominio operacional (NOC, mantenimiento, fraude, movilidad, etc.), y permanece dentro del perímetro soberano del cliente.

¿En qué se diferencia OMNIX de un LLM como GPT o Claude?

OMNIX no es un LLM genérico. La mayoría de los casos se resuelve con el banco de anticuerpos de OMNIX Core (reglas y firmas determinísticas, sin modelo). Solo el pequeño porcentaje de disrupciones que ese banco escala llega a un SLM especializado y propietario, entrenado sobre los datos del cliente y no sobre corpus públicos. OMNIX razona de forma determinística y auditable, ejecuta acciones cross-sistema (no sólo responde texto), y opera dentro del perímetro soberano del cliente (VPC · on-premise · air-gapped). Los LLMs generalistas complementan pero no reemplazan un SLM.

← Arquitectura/Motor 02 · CORE

OMNIX Core.

Detección determinística. Inteligencia bajo demanda.

Escanear cada evento con un modelo no es sostenible en costo ni en latencia. La traza de Ingest alimenta un banco de anticuerpos —reglas, umbrales y firmas de anomalía— que decide de forma determinística cuándo hay algo que requiere atención. Solo entonces se invoca un agente, sobre un caso ya acotado.

Solicitar diagnóstico Siguiente: Cortex

BANCO DE ANTICUERPOS · LIVEFIRMAS: 4083

EVENTOS EVALUADOS

1,287,517

% ESCALADO A AGENTE

1.2%

DECISIÓN

Determinística

Último caso: firma #4082 · courier-overcapacityDominio: logística

01Ciclo de vida de una firma

Seis fases entre un caso nuevo y una firma en producción.

01DETECT

Reglas y umbrales

Curación de reglas iniciales sobre el histórico operacional del cliente. Qué patrón constituye una anomalía.

02DESIGN

Firmas

Diseño de correlaciones de eventos: qué combinación de señales tipifica cada anomalía conocida.

03CALIBRATE

Calibración

Ajuste de umbrales con feedback operacional real. Reduce falsos positivos sin perder sensibilidad.

04VALIDATE

Validación

Métricas de negocio (no de paper). Backtesting sobre casos históricos reales del cliente.

05GOVERN

Governance

Approval flow ejecutivo antes de activar una firma o habilitar autonomía del agente sobre un caso.

06ACTIVATE

Publicación

La firma entra al banco de anticuerpos en modo sombra primero, luego canary, luego producción total.

02Anticuerpos vs. modelo genérico

No todo problema necesita un modelo.

DIMENSIÓN

OMNIX · ANTICUERPOS

"TODO A UN MODELO"

Costo de detección

Fijo · predecible

Crece linealmente con el volumen

Latencia

Determinística

Variable · depende de la carga del modelo

Auditabilidad

Regla explícita · trazable

Caja negra · difícil de auditar

Evolución

Cada caso genera una firma reutilizable

Cada caso se resuelve desde cero

Rol del agente

Interviene en ~1% de excepciones

Interviene en el 100% de los casos

Control de la detección

No se delega a un modelo

Depende del comportamiento del modelo

— Solicitar diagnóstico cognitivo —

De cognición
a acción autónoma.

Un experto en cognición operacional te contactará en menos de 24 horas hábiles. Sin bots. Sin presentación estándar. Sin obligación.

Solicitar diagnóstico cognitivo

SOC 2 Type II · ISO 27001 · GDPR · LGPDTu operación · Tus datos · Tu inteligencia