Servicios de Artificial Intelligence
Cada servicio que ofrecemos tiene un alcance definido, un plazo de entrega y métricas de éxito que acordamos antes de escribir la primera línea de código. Aquí explicamos qué incluye cada uno.
Modelos predictivos a medida
Construimos modelos de machine learning que responden a una pregunta concreta de tu negocio: cuántas unidades venderás la semana que viene, qué clientes tienen mayor probabilidad de cancelar su suscripción, o cuál será la carga de trabajo de tu centro de atención al cliente el próximo lunes.
Utilizamos Python, scikit-learn y, cuando el volumen de datos lo justifica, PyTorch. Los modelos se entrenan con tus datos históricos (mínimo 12 meses de registros para series temporales, 5.000 registros etiquetados para clasificación). Antes de cada entrenamiento hacemos limpieza de datos, tratamiento de valores ausentes y análisis de correlaciones.
Qué incluye
- Auditoría inicial de calidad de datos (2 semanas)
- Selección y comparación de al menos tres algoritmos candidatos
- Informe de rendimiento con métricas reales: MAE, RMSE, F1-score según el caso
- Despliegue como API REST documentada con Swagger
- Monitorización automática de drift durante 3 meses tras la entrega
Plazo habitual
Entre 7 y 12 semanas, dependiendo de la complejidad del problema y la calidad de los datos de partida.
Automatización con procesamiento de lenguaje natural
Muchas empresas pierden horas clasificando correos, extrayendo datos de facturas en PDF o respondiendo las mismas preguntas por chat. Nosotros entrenamos modelos de NLP que hacen ese trabajo.
Para clasificación de texto usamos modelos basados en transformers (BERT, RoBERTa) afinados con tus datos reales. Para extracción de entidades en documentos estructurados, combinamos OCR con modelos de reconocimiento de campos. Y para chatbots internos, integramos modelos generativos con bases de conocimiento propias de tu empresa para que las respuestas sean precisas y verificables.
Qué incluye
- Análisis de los flujos documentales actuales y estimación del ahorro de tiempo
- Etiquetado asistido de datos de entrenamiento (proporcionamos la herramienta)
- Modelo afinado y desplegado en tu infraestructura o en un servidor gestionado por nosotros
- Integración con tu ERP, CRM o sistema de tickets mediante API o webhooks
- Documentación técnica y formación de 4 horas para tu equipo
Un ejemplo real
Una empresa de distribución alimentaria en Valencia recibía 300 pedidos diarios por email en formatos diferentes. Entrenamos un modelo que extrae líneas de producto, cantidades y fechas de entrega con una precisión del 94 %. El equipo de administración pasó de dedicar 4 horas al día a revisar pedidos a solo 35 minutos de supervisión.
Infraestructura y análisis de datos
Un modelo de IA solo funciona si los datos que lo alimentan son fiables, están actualizados y llegan a tiempo. Diseñamos la tubería completa: desde la extracción de datos en origen hasta el dashboard que consulta tu equipo directivo cada mañana.
Trabajamos con PostgreSQL, BigQuery o Snowflake como almacén de datos. Las transformaciones las escribimos en dbt, con tests automáticos que verifican la integridad de cada tabla. La orquestación la hacemos con Apache Airflow o Prefect, según la complejidad.
Qué incluye
- Diseño del esquema de datos (dimensional o normalizado, según el caso)
- Pipelines ETL/ELT con ejecución programada y alertas de fallo por Slack o email
- Dashboards interactivos en Metabase, Looker Studio o Superset
- Documentación del linaje de datos: de dónde viene cada cifra y cómo se calcula
Resultado típico
Un retailer con 12 tiendas físicas consolidaba sus ventas en una hoja de cálculo que alguien actualizaba a mano cada viernes. Ahora los datos de TPV, ecommerce y marketplace se cargan cada noche en BigQuery, y el equipo de compras consulta un dashboard con stock por tienda, rotación por producto y previsión de reposición a 7 días.
Cómo trabajamos
Todos nuestros proyectos siguen estas cuatro fases. Los plazos que indicamos son orientativos: los ajustamos al tamaño y la urgencia de cada caso.
1. Auditoría de datos
Revisamos tus fuentes de datos, evaluamos su calidad y documentamos qué información falta o necesita limpieza. Al final de esta fase entregas un informe con una puntuación de calidad por cada fuente y una lista de acciones correctivas. Duración: 2 semanas.
2. Diseño y prototipo
Seleccionamos la arquitectura del modelo, definimos las métricas de éxito y construimos un primer prototipo funcional con un subconjunto de datos. Lo presentamos en una sesión de 90 minutos donde explicamos qué hace el modelo, cómo lo hemos evaluado y qué limitaciones tiene. Duración: 3 a 4 semanas.
3. Entrenamiento y validación
Entrenamos el modelo con el conjunto completo de datos, ajustamos hiperparámetros y validamos contra un conjunto de test que nunca ha visto el modelo. Si no alcanzamos el umbral de rendimiento pactado, iteramos o proponemos un enfoque alternativo sin coste adicional. Duración: 2 a 3 semanas.
4. Despliegue y seguimiento
Desplegamos el modelo en producción, configuramos la monitorización de drift y rendimiento, y formamos a tu equipo. Durante los 3 meses siguientes revisamos las métricas cada semana y reentrenamos si es necesario. Duración del despliegue: 1 semana. Seguimiento: 12 semanas incluidas.
Tarifas orientativas
Cada proyecto es diferente, pero estas cifras te dan una idea del rango. El presupuesto definitivo lo cerramos después de la auditoría de datos.
Análisis de datos
- Diseño del esquema de datos
- Hasta 3 pipelines ETL
- 2 dashboards interactivos
- Documentación de linaje
- Soporte 30 días
Modelo predictivo
- Auditoría de datos incluida
- Comparación de 3+ algoritmos
- API REST documentada
- Monitorización de drift 3 meses
- Reentrenamiento incluido
Automatización NLP
- Análisis de flujos documentales
- Etiquetado asistido de datos
- Modelo afinado y desplegado
- Integración ERP/CRM
- Formación de 4 horas