Los modelos Transformer han demostrado una notable capacidad para aprender en contexto, es decir, resolver tareas nuevas a partir de ejemplos incluidos en la entrada sin modificar sus parámetros. Esta propiedad, conocida como in-context learning, está siendo investigada activamente para entender bajo qué condiciones emerge y cómo escalarla. Factores como la dimensión de los datos, el número de ejemplos contextuales y la diversidad de tareas durante el entrenamiento influyen en el rendimiento final. Desde una perspectiva empresarial, estas capacidades abren la puerta a soluciones de inteligencia artificial para empresas que se adaptan dinámicamente al contexto del usuario sin necesidad de reentrenamiento costoso. En Q2BSTUDIO, desarrollamos aplicaciones a medida y software a medida que integran estas tecnologías, junto con servicios cloud AWS y Azure para escalar de forma segura. También ofrecemos servicios de inteligencia de negocio con Power BI, permitiendo que los agentes IA analicen datos contextuales en tiempo real. La ciberseguridad es un pilar fundamental en estos despliegues, garantizando que la información sensible manejada por los modelos esté protegida. Las investigaciones actuales, como las que analizan el sobreajuste benigno o la influencia de la geometría de los datos, ayudan a diseñar sistemas robustos que mantienen alta precisión incluso con etiquetas ruidosas. Así, la combinación de avances académicos y experiencia en desarrollo de software permite crear soluciones innovadoras y adaptadas a cada negocio.