Vertex AI: entrenar un modelo sin escribir el modelo

Hay algo medio incómodo en abrir un servicio de Google, subir un CSV, marcar la columna que querés predecir y darle a "entrenar". No escribís ni una capa de red, ni elegís optimizador, ni tocás un hiperparámetro. Y a veces el modelo que sale es mejor que el que vos habrías armado a mano en una tarde. Eso es Vertex AI AutoML, y vale la pena entender qué hace por dentro antes de enamorarse o de descartarlo.

Qué hace AutoML cuando le das al botón

Lo que hace AutoML es búsqueda de arquitectura y de hiperparámetros automatizada, corriendo en paralelo sobre la infraestructura de Google. Mientras vos tomás un café, atrás está:

• Probando decenas de arquitecturas candidatas (para tabular suele combinar árboles tipo gradient boosting con redes).
• Haciendo búsqueda de hiperparámetros con algo más fino que grid search.
• Preprocesando features automáticamente: normaliza numéricas, codifica categóricas, detecta fechas.
• Validando con cross-validation para no auto-engañarse.

El truco es que paralelizar esa búsqueda sale plata. AutoML se cobra por hora-nodo de entrenamiento, y como tira muchos nodos en simultáneo, un dataset tabular mediano te puede costar un puñado de dólares en una corrida... o bastante más si lo dejás explorar de más. No es un costo loco, pero tampoco es gratis como te imaginás cuando ves "subí el CSV y listo".

Cuándo conviene y cuándo no

Mi regla, después de varios proyectos:

• Conviene cuando el problema es estándar (clasificación tabular, detección de objetos, clasificación de texto), no tenés un equipo de ML dedicado, y el valor está en tener algo bueno ya, no en exprimir el último punto de accuracy.
• Conviene como baseline serio: corrés AutoML, sacás un número, y recién ahí decidís si vale la pena que un humano se siente a superarlo.
• No conviene cuando el problema es raro, necesitás control total de la arquitectura, o vas a inferir tantísimo que el costo por predicción manda. Ahí un modelo propio, más chico y afinado, te sale más barato a la larga.

Eso último engancha con una decisión más amplia que vale la pena pensar aparte: Vertex AI vs montarlo vos, el cálculo real. Managed te ahorra trabajo, pero te ata a un proveedor y a su tarifa.

El detalle que casi nadie mira: dónde entrena

Cuando lanzás un job de AutoML, entrena en una región que vos elegís (o que el proyecto trae por default). Eso no es un detalle decorativo: la región define dónde vive tu dataset, qué tan cerca está del resto de tu stack y cuánto pagás por mover datos. Si tu data está en una región y entrenás en otra, sumás transferencia y latencia al pedo. Lo desarrollé acá: por qué la región cambia la latencia y la factura.

Y si lo que querés es algo todavía más directo —entrenar sin salir de donde ya viven tus datos— BigQuery tiene su propia jugada: entrenar modelos con SQL. Para muchos casos tabulares, un CREATE MODEL te resuelve el 80% sin tocar Vertex.

Quién pone el criterio

AutoML no te convierte en data scientist, igual que un GPS no te convierte en piloto de rally. Te da un resultado decente rápido y te quita excusas para no tener un baseline. Pero la decisión de qué predecir, con qué datos y si el modelo sirve para el negocio sigue siendo tuya. El botón entrena el modelo. El criterio lo ponés vos.