Cómo trabajamos con Artificial Intelligence

Diagnóstico y viabilidad

Empezamos con una videollamada de 45 minutos donde nos cuentas qué problema quieres resolver. No necesitas saber nada de inteligencia artificial. Nosotros hacemos las preguntas: qué datos tienes, dónde están almacenados, quién los usa, qué decisiones dependen de ellos.

Después de esa conversación, nuestro equipo técnico evalúa si el problema se puede resolver con IA y qué tipo de modelo sería adecuado. En un plazo de cinco días hábiles te enviamos un informe de viabilidad con tres cosas: una descripción del enfoque propuesto, una estimación de tiempo y costo, y una lista de los datos que necesitaríamos.

Diseño de la solución

Si decides avanzar, firmamos un contrato que define el alcance exacto del proyecto. En esta etapa definimos la arquitectura técnica: qué algoritmos vamos a usar, cómo se van a conectar con tus sistemas, qué métricas de rendimiento debe cumplir el modelo para considerarse exitoso.

También acordamos las métricas de negocio. Un modelo de predicción de demanda, por ejemplo, no es útil si tiene un 90 % de precisión general pero falla sistemáticamente en los productos que más te importan. Por eso definimos las métricas por segmento, no solo el promedio global.

El resultado de esta etapa es un documento técnico que tu equipo de TI puede revisar y cuestionar. Queremos que entiendas lo que vamos a construir antes de que escribamos la primera línea de código.

Desarrollo e iteración

Aquí es donde construimos el modelo. Trabajamos en sprints de dos semanas. Al final de cada sprint te mostramos los avances en una reunión de 30 minutos: qué funciona, qué no, qué ajustes estamos haciendo.

La primera versión del modelo suele estar lista en cuatro a seis semanas. No es la versión final, sino un prototipo funcional que puedes probar con datos reales. Esa prueba genera retroalimentación que usamos para afinar el modelo en los sprints siguientes.

Un detalle importante: limpiamos y preparamos tus datos como parte del proyecto. Muchas empresas tienen datos valiosos pero desordenados. Archivos Excel con formatos inconsistentes, bases de datos con campos vacíos, registros duplicados. Nos encargamos de eso. Documentamos cada transformación que hacemos para que tu equipo pueda replicar el proceso cuando lleguen datos nuevos.

Despliegue en producción

Integrar un modelo de IA en los sistemas reales de una empresa es la parte que más empresas subestiman. Un modelo que funciona en un notebook de Jupyter no es lo mismo que un modelo que responde peticiones en tiempo real a las 3 de la mañana un domingo.

Nos encargamos de empaquetar el modelo como un servicio (API REST, contenedor Docker, función serverless, lo que mejor se adapte a tu infraestructura). Configuramos el monitoreo para detectar caídas de rendimiento y alertas automáticas cuando el modelo empieza a dar resultados fuera de lo esperado.

Capacitamos a las personas de tu equipo que van a interactuar con el sistema. No les damos un manual de 80 páginas: hacemos sesiones prácticas donde usan la herramienta con casos reales y resolvemos dudas en el momento.

Soporte y evolución

Los modelos de IA no son estáticos. Los datos cambian, el mercado cambia, los patrones de comportamiento de tus clientes cambian. Un modelo que predecía bien en enero puede empezar a fallar en julio si no se actualiza.

Ofrecemos contratos de mantenimiento mensuales que incluyen monitoreo continuo del rendimiento del modelo, reentrenamiento periódico con datos nuevos y hasta ocho horas de consultoría técnica al mes. Si tu equipo detecta un problema o quiere añadir una funcionalidad nueva, lo resolvemos dentro de ese acuerdo.

El 60 % de nuestros clientes mantienen un contrato de soporte activo. Eso nos permite mejorar los modelos de forma continua en lugar de entregarlos y olvidarnos.