Presentaciones de captación con tu propia marca y sin salir de tu oficina: un modelo chico y abierto que arma el deck por vos
Pedile una presentación a un modelo grande y te la arma bien; pedile diez y empiezan a parecerse: los mismos gustos por defecto, el mismo estilo de la casa, un aire inconfundible a "deck generado por IA". El problema aparece cuando querés que la presentación se vea como tu plantilla —y cuando el contenido es confidencial y no puede salir de tus sistemas—. IBM Research presentó en Hugging Face a Palette, un modelo abierto y chico que apuesta a resolver las dos cosas: entrenado con datos sintéticos en tu lenguaje de diseño y verificado por un sistema de control, puede competir con los sistemas de frontera mientras vos conservás la propiedad del resultado.
Palette ajustó (fine-tuning) un modelo de 20B para armar presentaciones como lo hacen las personas: un diseñador planifica la presentación y un programador dibuja cada diapositiva. Sus datos de entrenamiento siguen el IBM Design Language y, en la evaluación PresentBench, ocupa el primer puesto en dos de los tres dominios medidos.
Nadie arma una presentación de una sola pasada: primero se decide la historia —cuántas diapositivas, qué dice cada una, cuál lleva un gráfico y cuál una tabla— y recién después se construye cada diapositiva. Palette divide el trabajo igual, en dos roles servidos por un único adaptador LoRA. El diseñador lee el plan y escribe un brief estructurado en JSON: la paleta, el sistema tipográfico y, para cada diapositiva, su diseño, su contenido exacto y una breve justificación. El programador toma la especificación de una diapositiva y escribe el código JavaScript (pptxgenjs) que la dibuja, precedido por su razonamiento.
Así, cada rol toma un solo tipo de decisión —el diseñador, el criterio editorial; el programador, la geometría— y el brief que los conecta es legible y editable: una persona o un agente puede cambiar el diseño de una diapositiva sin regenerar toda la presentación. Y como el contexto de cada diapositiva queda fijado antes de escribir código, las llamadas del programador corren en paralelo, una por diapositiva, lo que acelera esa etapa unas 6 a 7 veces. El adaptador se entrenó con unos 1.000 decks generados —unas 10.000 diapositivas—, cada ejemplo con el razonamiento detrás de cada decisión, incluidas las alternativas que se descartaron y por qué.
El anuncio es franco sobre el problema más serio: la fidelidad. El peor error es una diapositiva con datos que no estaban en el material de entrada, y descubrieron que una regla en el prompt no lo evita. Lo que lo corrigió fueron los decks de referencia: mostrarle al modelo maestro unos pocos decks de ejemplo cambia su producción de forma confiable, mucho más que agregar instrucciones.
El usuario puede dirigir decisiones puntuales con directivas: instrucciones cortas escritas en el propio plan, entre dobles corchetes —por ejemplo [[make this a timeline]] para convertir una lista de hitos en una línea de tiempo, o directivas de tono, de audiencia, de orden, de omisión ([[no pricing]]) o de énfasis ([[highlight the headline number]])—. El diseñador incorpora cada directiva al brief y el programador la sigue al dibujar.
Y como hasta un modelo bien entrenado a veces produce una diapositiva rota —un título del mismo color que el fondo o dos cajas encimadas—, Palette no devuelve la producción tal cual: cada presentación pasa antes por un sistema de control y reparación. Primero, reglas simples corrigen errores conocidos; después cada diapositiva se renderiza y se mide, y un verificador de geometría marca el texto que se superpone, se corta o se sale de la diapositiva. Las marcadas van a un modelo editor separado, que reescribe el código de esa diapositiva. La regla clave: una reescritura solo se conserva si el verificador confirma que la diapositiva mejoró; si no, queda la original. En 131 presentaciones generadas, ese control suma 3,5 puntos en promedio.
En PresentBench —que puntúa las presentaciones en fundamentos, diseño visual, completitud, exactitud y fidelidad—, Palette rinde mejor donde deciden el contenido estructurado y la exactitud numérica: primero en Economía y en Educación, tercero en Talk, y segundo en el promedio de los tres dominios, a 1,1 puntos de NotebookLM (59,7 contra 60,8) y por delante del resto, como un único modelo abierto de 20B. Los propios autores aclaran un límite: PresentBench mide si una presentación es buena, pero no si sigue un lenguaje de diseño específico —para eso todavía no conocen una evaluación—, y entre lo que sigue está una vía más liviana para traer tus propias plantillas: rediseñar la producción a partir de uno o dos archivos .pptx tuyos, sin reentrenar.
La comparación es con las dos formas previas de resolver una presentación: armarla a mano, diapositiva por diapositiva, o pedírsela a un modelo grande y general. Palette cambia el enfoque en los dos frentes.
| Antes | Ahora |
|---|---|
| El estilo: el modelo grande aplica sus gustos por defecto: pedile diez presentaciones y empiezan a parecerse, con el mismo estilo de la casa. | El estilo: Palette se entrena con datos sintéticos en un lenguaje de diseño, para que cada deck se vea como tu plantilla y no como el de todos. |
| El proceso: una sola pasada del modelo, o el armado manual completo a cargo del equipo. | El proceso: dos roles como en un equipo humano: un diseñador planifica la presentación y escribe un brief legible y editable, y un programador dibuja cada diapositiva en código, con las llamadas en paralelo. |
| El control de calidad: si salía una diapositiva rota —un título del mismo color que el fondo o dos cajas encimadas—, la corrección era manual. | El control de calidad: cada presentación pasa por un sistema de control y reparación: se renderiza y se mide cada diapositiva, el verificador marca lo que se superpone o se corta, y una reescritura solo se conserva si el verificador confirma que mejoró. |
| Los datos: usar un servicio externo implicaba que el contenido confidencial de un cliente saliera de tus sistemas. | Los datos: es un único modelo abierto de 20B que podés alojar vos mismo: conservás la propiedad del resultado y el material no sale de tu infraestructura. |
Por eso, según sus autores, Palette compite con los sistemas de frontera siendo un modelo abierto y chico: primero en Economía y en Educación en PresentBench, y segundo en el promedio de los tres dominios.
Para agentes y brokers: la presentación de captación y la de un desarrollo se repiten cada semana, y la diferencia comercial está en que se vean tuyas —tu marca, tu plantilla, tus números— y no como la de todos. Un modelo abierto y chico, que podés alojar en tu propia infraestructura con el material confidencial de un cliente sin salir de tu sistema, que acepta directivas como "sin precios" o "destacá la cifra principal" y que verifica solo que ningún texto se corte ni se encime, apunta a ese trabajo concreto. Con la advertencia que el propio anuncio enseña y que vale para todo material al cliente: el riesgo mayor es el dato inventado, y se controla con material de referencia verificado y revisión humana, no con una instrucción más.
Seguir leyendo: lo que pasó con el modelo más potente de OpenAI También: cómo se va a regular la IA en el Congreso de EE.UU..
IBM Research en el blog oficial de Hugging Face, "Palette: teaching a small model to build decks in your design language", 3 de noviembre de 2026: https://huggingface.co/blog/ibm-research/palette-deck-building
📬 Elegí tus noticias y cada cuánto recibirlas
¿Qué querés recibir? Noticias del Mercado Inmobiliario, Inteligencia Artificial y Real Estate — una o las dos.
¿Cada cuánto? Diaria, semanal o mensual. Y si no querés recibir más, también lo elegís ahí.
Antonio Aguirre
Broker Asociado de RE/MAX Advance Realty
WhatsApp: +1 786-309-1965
antonioaguirre.com
Broker Associate | Realtor® especializado en Miami, FL
Con más de 20 años de trayectoria en el sector inmobiliario, Antonio Aguirre se ha convertido en un referente para compradores, vendedores e inversionistas —tanto locales como extranjeros— que buscan tomar decisiones acertadas en el competitivo mercado de Miami.
Desde sus inicios, Antonio ha abierto oficinas, reclutado, capacitado y asesorado a agentes en Estados Unidos y América Latina, siendo reconocido por su liderazgo y compromiso con la excelencia. Esta experiencia internacional le permite entender las necesidades únicas de cada cliente y ofrecer soluciones a medida.
Hoy lidera un equipo multidisciplinario enfocado en brindar un servicio completo, transparente y personalizado. Ya sea que estés interesado en propiedades en preconstrucción, fondos de inversión privada o propiedades existentes, Antonio tiene la experiencia y los recursos necesarios para ayudarte a concretar el mejor negocio.
Su pasión por los deportes acuáticos y la gastronomía refleja su energía, dedicación y atención al detalle, cualidades que también transmite en cada operación inmobiliaria.
📞 Agendá tu consulta privada: +1-786-309-1965
🌍 Conectá con alguien que entiende tu visión y sabe cómo hacerla realidad.
Zonas de Inundación en Miami: Guía para Compradores
En este artículo, aprenderás cómo identificar si una propiedad en Miami está ubicada en una zona de inundación antes de comprarla. Exploraremos métodos prácticos, estudios de caso y responderemos preguntas frecuentes para ayudarte a tomar decisiones informadas.
Panorama inmobiliario en Florida: Tendencias y oportunidades
Florida es un imán para la inversión inmobiliaria. Descubre las tendencias del mercado, las oportunidades clave y los factores a considerar para invertir con éxito.
Amenidades que Aumentan el Valor de Reventa en Condominios
Este artículo explora qué amenidades en condominios realmente aumentan el valor de reventa y cuáles son solo gastos adicionales. A través de ejemplos concretos y estudios de caso, se ofrecen insights prácticos para compradores y propietarios interesados en maximizar su inversión.
